Генеративний штучний інтелект (ШІ) вражає своєю здатністю до людських бесід та проведення досліджень, але іноді може бути вкрай ненадійним. Ця ненадійність є значним бар’єром для його впровадження у сфери, де важливо контролювати фізичні пристрої, фінансові операції та інші критично важливі напрямки.
Нейросимволічний ШІ стає популярним підходом, метою якого є вирішення проблеми так званих «галюцинацій». Це гібридна технологія, що поєднує нейронні мережі генеративного ШІ для виявлення шаблонів та символічне міркування, яке може точно визначити коректність результатів з математичною точністю.
Основне завдання полягає у збереженні гнучкості генеративного ШІ, одночасно роблячи його результати надійними.
Довіра є ключовим чинником для більш широкого впровадження генеративного та агентного ШІ, згідно з доповіддю PYMNTS Intelligence за липень 2025 року. Хоча фінансові директори (CFO) вже почали позитивно ставитися до генеративного ШІ, вони все ще вагоняться, чи можуть довіряти агентному ШІ. Лише 15% керівників розглядають його впровадження.
Нейросимволічний ШІ може стати вирішенням цієї проблеми. Його корені сягають початку 20 століття, коли математики почали формалізувати міркування за допомогою символічної логіки, заклавши основу сучасним обчисленням. Від цієї традиції виникло автоматизоване міркування, підгалузь символічного міркування, яка використовує логіку для підтвердження коректності комп’ютерних програм.
Amazon стала одним з найбільш помітних користувачів нейросимволічного ШІ. Її група автоматизованого міркування, заснована більше десяти років тому, створила інструменти для перевірки політик безпеки в хмарі AWS. Ці методи наразі використовуються у нових системах, таких як роботи-склади Vulcan, які поєднують нейронні мережі для сприйняття з автоматизованим міркуванням для точного планування.
Компанія також застосовує нейросимволічний ШІ у продуктах, спрямованих на споживачів. Наприклад, помічник Rufus для покупок використовує великі мовні моделі для спілкування, але опирається на автоматизоване міркування, щоб забезпечити відповідність рекомендацій правилам і політикам. У серпні Amazon анонсувала функцію автоматизованого міркування для зменшення галюцинацій, стверджуючи, що вона може визначати правильні відповіді моделі з точністю до 99%.
“Це показує, куди рухається галузь”, – сказав Грант Пассмор, співзасновник Imandra, в інтерв’ю. “По суті, лише великі мовні моделі самі по собі не можуть бути надійними в міркуванні. З іншого боку, у нас є цей вражаючий і досі недостатньо використаний напрямок ШІ — автоматизоване міркування — який повністю базується на логіці, повністю точний” і незалежно перевіряється.
Дивіться також: Два обличчя ШІ: тріумф генеративного ШІ та обережність агентного ШІ
Фінансовій сфері потрібна певність
Групу автоматизованого міркування Amazon заснував Байрон Кук, її колишній видатний науковець. Приблизно 20 років тому вони з Пассмором зустрілися в Кембриджському університеті в Великій Британії.
У 2014 році Пассмор спільно з Денисом Ігнатовичем, співзасновником і співавтором, який керував торгівельним відділом акцій Deutsche Bank у Лондоні, заснували Imandra для застосування нейросимволічної логіки у фінансовій сфері.
Постійна турбота Ігнатовича полягала в тому, що розробник, що працює над торговою системою, міг випадково опустити рядок коду, який призведе до порушення регуляцій, що може стати великою проблемою. Пассмор в той час працював над новими методами міркування в Великій Британії.
“Ми усвідомили, що можемо насправді комерціалізувати ці технології,” – сказав Пассмор. “Фінансовій сфері це потрібно. Фінансовим регуляторам це потрібно, і фінансові установи можуть за це заплатити.”
Imandra, заснована у 2014 році та зареєстрована в США у 2019 році, залучила 23 мільйони доларів від інвесторів, включно з Citi, Green Visor Capital, Albion, IQ Capital і LiveOak Venture Partners з Остіну. Goldman Sachs є клієнтом, а Citi очолила останній раунд фінансування.
Одне з напрямків використання — автоматизація протоколу FIX (Financial Information eXchange), який дозволяє організаціям надсилати електронні торгові інструкції одне одному, наприклад від Goldman Sachs до BlackRock або Нью-Йоркської фондової біржі. “Кожен комп’ютер у торгівлі на ринку капіталу використовує версію цього протоколу, але кожен має право його налаштовувати,” – сказав Пассмор.
Зазвичай ці особливості описуються у ста сторінках PDF-документів. Щоб підключитися, компаніям потрібно було інтерпретувати посібник, написати власний код клієнта та перевірити багато разів, щоб упевнитися, що обидві сторони можуть підключитися без помилок.
Imandra створила математично точну мову для специфікації протоколу FIX. Замість того, щоб покладатися на сотні сторінок PDF-документів, клієнти можуть тепер використовувати автоматизоване міркування, щоб забезпечити точну комунікацію в обох напрямках.
“Цей надзвичайно схильний до помилок процес на рівні інфраструктури ринку раніше займав іноді понад шість місяців” для нових учасників, щоб увійти у систему, – зазначив Пассмор. “Тепер вони можуть стати частиною системи протягом трьох днів із математичними гарантіями.”
Щоб розширити свій підхід, Imandra запустила платформу Imandra Universe, яку визначають як перший ринок для нейросимволічних агентів. Аналогічно до репозиторію Hugging Face для моделей машинного навчання, вона містить системи символічного міркування, спеціалізовані у різних сферах — від геометрії до логістики. “Gateway Reasoner” дозволяє розробникам підключати їх до агентних фреймворків, доповнюючи системи ШІ логічними перевірками.
Одним з основних інструментів є Code Logician, який націлений на велику кількість коду, згенерованого ШІ. Після встановлення у кодових асистентах, таких як Cursor, Code Logician створює математичний опис функцій згенерованого коду та використовує Imandra для його перевірки. Пассмор зазначив, що близько 60% коду, згенерованого ШІ, містить помилки, і Code Logician може виправити 96% коду протягом трьох ітерацій.
Imandra розширює Code Logician понад Python і на Java, а навіть на COBOL, відображаючи попит підприємств на міграцію коду. Вона також розробляє агентів для міркування в геометрії та інші напрямки.
Читати більше:
AWS звертається до давньої логіки для вирішення сучасних галюцинацій ШІ
Двояка природа ШІ: моделі міркування стають ключовим відмінником для бізнесу
Звіт: Моделі міркування ШІ зазнають невдач, коли проблеми стають занадто складними