A IA neurossimbólica é uma estrutura que combina os principais pontos fortes da IA simbólica, que representa estrutura empresarial explícita, relacionamentos, regras, restrições e lógica de decisão, com IA neural, que potencializa capacidades como compreensão de linguagem, reconhecimento de padrões e síntese. Esta estrutura baseia-se na experiência e nas regras de domínio da IA simbólica e na capacidade da IA neural de encontrar e aprender com os padrões e relacionamentos complexos encontrados em grandes quantidades de dados. Um modelo conceitual simples para descrever esta arquitetura é 10-80-10. Os primeiros 10% são neurais, pois o LLM ajuda a interpretar a intenção do usuário e a traduzi-la em uma questão empresarial estruturada. Os 80% intermediários são onde a base empresarial carrega o raciocínio de que o LLM não deve ser solicitado a improvisar. O sistema resolve o contexto empresarial e pode invocar planos, políticas, restrições, direitos de decisão, previsão, análise causal, simulação, otimização, regras e solucionadores para avaliar cenários e compensações. Os 10% finais são neurais novamente, pois o LLM explica o resultado em uma linguagem comercial clara e torna a resposta acessível para a tomada de decisões de negócios.
Como resultado, a IA neurossimbólica pode compreender grandes volumes de dados em escala e recordar padrões complexos, ao mesmo tempo que incorpora raciocínio estruturado e conhecimento contextual que é exclusivo de uma organização. Isso fundamenta os resultados na realidade e reduz significativamente a chance de alucinações.
Um componente crucial para incorporar a IA neurossimbólica na estratégia mais ampla de IA de uma empresa é uma empresa estruturada e uma base de modelo de decisão que possa conectar dados, conhecimento, planos, políticas, restrições e contexto de decisão. Por exemplo, o gráfico de conhecimento empresarial do o9 Digital Brain fornece uma base semântica estruturada e continuamente atualizada que organiza informações empresariais e as conecta a modelos de decisão para recursos como previsão, otimização, análise de cenários e ações recomendadas. Uma construção mais rápida está a tornar-se irrelevante a cada novo modelo de fronteira. O sistema precisa entender a questão do negócio no contexto: o objetivo, o escopo relevante da empresa, os planos e dados reais atuais, as políticas e restrições, as alavancas de decisão disponíveis e quem tem autoridade para agir. Uma arquitetura neurossimbólica permite que grande parte desse contexto venha do próprio modelo empresarial, em vez de exigir que o usuário o recrie a cada prompt.
