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: шлях до надійності
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.
Проблема довіри та її вирішення
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.
Як Amazon застосовує нейросимволічний ШІ
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%.
Imandra: фінансові ринки та автоматизоване міркування
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 у 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.
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. Imandra створила математично точну мову для специфікації цього протоколу, що скоротило процес підключення нових учасників ринку з понад шести місяців до трьох днів.
Щоб розширити свій підхід, Imandra запустила платформу Imandra Universe, яку визначають як перший ринок для нейросимволічних агентів. Вона містить системи символічного міркування, спеціалізовані у різних сферах — від геометрії до логістики. Серед ключових інструментів — Code Logician, який перевіряє код, згенерований ШІ, і може виправити до 96% помилок протягом трьох ітерацій.