به گزارش کارگروه فناوری اطلاعات سایبربان، محققان یک رویکرد هوش مصنوعی ایجاد کرده‌اند که چالش‌های علمی پیچیده را با فرمول‌بندی مجدد آن‌ها در معادلات ساده ریاضی، بهبود عملکرد و تفسیرپذیری، حل می‌کند.
برخلاف مدل‌های معمولی AI جعبه سیاه، این رویکرد بر بازنمایی‌های قابل تفسیری متمرکز است که می‌توانند در اشکال نمادین اصلی بیان شوند و به درک و اعتماد به راه‌حل‌های تولید شده توسط هوش مصنوعی کمک می‌کنند.
این تحقیق نشان می‌دهد که این قابلیت استدلال نمادین به هوش مصنوعی اجازه می‌دهد تا ساختار زیربنایی را در وظایفی مانند شبیه‌سازی‌های فیزیک، چالش‌های بهینه‌سازی و مدل‌سازی سیستم آشکار کند و به طور بالقوه باعث افزایش دقت و تعمیم می‌شود.
محققان استدلال می‌کنند که تقسیم مشکلات به اجزای اساسی نه‌تنها عملکرد را افزایش می‌دهد، بلکه خروجی‌های هوش مصنوعی را برای متخصصان انسانی قابل‌درک‌تر می‌کند.
با ترکیب یادگیری ماشینی با استدلال ریاضی کلاسیک، کار به یک الگوی ترکیبی اشاره می‌کند که در آن هوش مصنوعی به‌جای تقریب نتایج، بینش انسان را تقویت می‌کند. چنین روش‌هایی می‌توانند کشف علمی را در زمینه‌هایی که پیچیدگی به طور سنتی اثربخشی رویکردهای محاسباتی را محدود کرده است، تسریع بخشد.
