מסגרת NLI נוירו-סמלית פרמטרית לוגית להסקה מאומתת ב-LLMs

בעידן שבו דגמי שפה גדולים (LLMs) שולטים בעיבוד טקסט, עדיין חסר להם דיוק לוגי מלא. חוקרים מציגים מסגרת נוירו-סמלית פרמטרית לוגית להסקה טבעית בשפה (NLI) מאומתת, שמאפשרת שליטה ישירה בפורמליזמים הלוגיים. במקום להיצמד ללוגיקה קבועה, המסגרת משלבת מגוון לוגיקות קלאסיות ולא-קלאסיות בתוך לוגיקה מסדר גבוה (HOL), באמצעות מתודולוגיית LogiKEy. גישה זו מאפשרת השוואה שיטתית של איכות ההסקה, שיפור הסברים והתנהגות הוכחות. המאמר מתמקד בהיגיון נורמטיבי, שבו בחירת הלוגיקה משפיעה מאוד. הוא משווה בין גישות לוגיות-חיצוניות, שבהן דרישות נורמטיביות מוטמעות באקסיומות, לבין גישות לוגיות-פנימיות, שבהן דפוסים נורמטיביים נובעים ממבנה הלוגיקה עצמה. ניסויים נרחבים מראים כי גישות לוגיות-פנימיות משפרות ביצועים באופן עקבי ומייצרות הוכחות היברידיות יעילות יותר ל-NLI. לפי הדיווח, יעילות הלוגיקה תלויה בתחום: לוגיקה מסדר ראשון מתאימה להיגיון שכל יומיומי, בעוד לוגיקות דאונטיות ומודאליות מצטיינות בתחומים אתיים. המסגרת מציעה גישה גמישה שמתייחסת ללוגיקה כרכיב נשלט, ולא כרקע סטטי. זה מאפשר בניית ארכיטקטורות נוירו-סמליות עמידות יותר, מודולריות וגמישות. השילוב בין LLMs למנועי הוכחה (TPs) יעיל במיוחד להסקה מאומתת, אך הגבלות קודמות נבעו מלוגיקה קשיחה. כעת, עם הפרמטריזציה, ניתן להתאים את הלוגיקה למשימות ספציפיות. במילים אחרות, המחקר מדגיש את הערך של הפיכת הלוגיקה למרכיב ראשון-דרג בנוירו-סמלי. זה פותח אפשרויות חדשות לפיתוח מערכות AI אמינות יותר, במיוחד בתחומים רגישים כמו אתיקה והחלטות נורמטיביות. עבור מנהלי טכנולוגיה בישראל, שמתמודדים עם אתגרי AI אמין, הגישה הזו יכולה לשפר פתרונות מקומיים. התוצאות מצביעות על כך שהבחירה הנכונה בלוגיקה יכולה לשנות את חוקי המשחק בהסקה אוטומטית. מה תהיה הלוגיקה המועדפת למשימות העסקיות שלכם?