符號式AI
中文名稱：符號式人工智慧 英文名稱：Symbolic AI / GOFAI
定義（Definition）
以邏輯規則、知識庫和符號推理為核心的 AI，透過明確的「如果…那麼…」與邏輯演算來解決問題，強調可解釋性與嚴謹推理，與統計型/深度學習形成對比。
原理與技術
符號式 AI 的重點是 知識表示(knowledge representation) 與 推理(reasoning)：
- 用 邏輯語言(一階/命題邏輯)、產生式規則、知識圖譜 來描述世界。
- 推理引擎 依規則做 前向/後向鏈結，產生結論或計畫。
- 規劃(Planning)：如 STRIPS、PDDL，讓系統從初始狀態推到目標狀態。
- 專家系統 是典型應用，依賴人類整理規則；需處理 衝突解決與一致性檢查。
- 優勢：可解釋、可驗證、適合需遵循法規與固定流程的領域；易做 因果與可追溯。
- 劣勢：規則維護成本高、缺乏自動學習、對雜訊和模糊資訊較弱，難以處理複雜感知任務。
- 神經符號(Neuro-Symbolic) 方向試圖結合深度學習的感知能力與符號推理的精確性，例如用深度模型產生符號，再用邏輯引擎推理。
應用領域
- 法規/合規審查：把條文寫成規則，自動檢查流程是否符合規範。
- 醫療診斷規則：以臨床指南為規則庫，給出可解釋的建議與理由。
- 製造與排程：規劃生產順序、排班；規則清楚且可被審核。
- 知識圖譜問答：以圖譜表示實體關係，使用推理回答查詢。
- 機器人規劃：用邏輯規劃路徑或任務分解，再交由低層控制執行。
- 混合系統：與深度模型結合，深度負責感知，符號負責決策與約束。 共通重點：需要高品質規則與持續維護，並檢測矛盾；在需要可解釋與可驗證的領域特別有價值。
3 題模擬練習題
- 符號式 AI 最大優勢？
- A. 不需要規則
- B. 推理過程可解釋、可審核
- C. 一定比深度學習準
- D. 不需專家
- 正確答案：B；解析：規則透明，便於驗證與合規。
- 規則衝突時常用處理？
- A. 隨機選
- B. 設定優先級或更精確條件做衝突解決
- C. 刪光規則
- D. 直接忽略
- 正確答案：B；解析：需透過優先級、特異性等策略解決衝突。
- 神經符號方法的目標？
- A. 取消推理
- B. 結合深度學習感知與符號推理的可解釋性
- C. 只用邏輯
- D. 只用感知
- 正確答案：B；解析：希望同時擁有感知能力與可驗證的推理。