الذكاء الاصطناعي العصبي الرمزي: نحو تحسين قدرات الاستدلال في نماذج اللغة الكبيرة

أظهرت نماذج اللغة الكبيرة (LLMs) نتائج واعدة عبر مهام متنوعة، إلا أن قدراتها على الاستدلال لا تزال تمثل تحديًا جوهريًا. يُعد تطوير أنظمة ذكاء اصطناعي ذات قدرات استدلال قوية محطة حاسمة في طريق تحقيق الذكاء الاصطناعي العام (AGI) وقد حظي باهتمام كبير من الأكاديميا والصناعة. تم استكشاف تقنيات مختلفة لتعزيز قدرات الاستدلال في نماذج اللغة الكبيرة، وكانت الأساليب العصبية الرمزية طريقة واعدة بشكل خاص. تستعرض هذه الورقة تطورات حديثة شاملة في الأساليب العصبية الرمزية لتعزيز استدلال نماذج اللغة الكبيرة. نبدأ بتقديم صياغة رسمية لمهام الاستدلال ونقدم مقدمة موجزة لمنهج التعلم العصبي الرمزي. ثم نناقش الطرق العصبية الرمزية لتحسين قدرات الاستدلال في نماذج اللغة الكبيرة من ثلاث وجهات نظر: الرمزي->LLM، LLM->الرمزي، و LLM+الرمزي. أخيرًا، نناقش عدة تحديات رئيسية واتجاهات واعدة للمستقبل. كما أطلقنا مستودع GitHub يشمل أوراقًا وموارد متعلقة بهذا الاستعراض: https://github.com/LAMDASZ-ML/Awesome-LLM-Reasoning-with-NeSy.