Naturaleza Superior de los Resultados de la Inteligencia Artificial Neurosimbólica

Condiciones Performativas que Satisfacen los Resultados de la Inteligencia Artificial de Sistemas Neurosimbólicos y que no pueden ser satisfechas por Sistemas de Inteligencia Artificial Subsimbolicos

En esta sección se enumeran los criterios que satisfacen los sistemas de IA Neurosimbólica con relación a la realización de inferencias y razonamiento determinístico, que posibilita construir sistemas inteligentes orientados a la toma de decisiones no supervisadas y que no pueden ser satisfechos por sistemas puramente conexionistas o subsimbólicos. Esta superioridad se fundamenta en las limitaciones teóricas demostradas por las arquitecturas puramente conexionistas o subsimbólicas y en las ventajas computacionales de la integración simbólica.

1. Trazabilidad de los resultados de la IA: el sistema debe ser capaz de decir de dónde ha extraído una determinada información de manera que el usuario pueda llegar hasta ella y verificar que es efectivamente la que ha utilizado el sistema para producir sus resultados.
2. Verificabilidad de los resultados de IA, pues el sistema ofrece garantías formales de consistencia lógica sobre la base de su fundamento ontológico. El sistema debe mantener coherencia lógica verificable entre todas sus inferencias y conclusiones. Mientras que los sistemas subsimbólicos pueden producir resultados contradictorios entre sí sin disponer de mecanismos para detectarlo, un sistema neurosimbólico puede implementar un sistema de verificación formal de la consistencia de sus resultados, que podrían llegar a sustanciarse en sistemas de prueba automática de teoremas o resultados de los procesos de razonamiento de que se trate.
3. Reconocimiento, anotación y extracción indubitable de las entidades nombradas en los documentos y recursos tratados por el sistema de IA.
4. Clasificación automática segura de los resultados del reconocimiento, anotación y extracción indubitable de las entidades nombradas. En particular, y dado que las cronologías son un sistema de ordenación o, si se prefiere, un caso particular de clasificación, el sistema deberá ser capaz específicamente de realizar cronologías seguras.
5. Razonamiento determinístico, seguro y no supervisado, esto es, basado en lógicas de primer orden o superiores como base de los resultados de IA. Estas características permiten identificar el razonamiento determinístico como un razonamiento fuerte, que, entendido desde un punto de vista técnico, puede definirse como aquel que está basado en fragmentos decidibles de la lógica de primer orden. Esta propiedad es la que nos permite predicar de él los atributos de seguro y determinístico y, como consecuencia de todo ello, sus resultados pueden llegar a ser, para ciertos procesos, no supervisados. 
6. Reproductibilidad por terceras partes de los resultados de la IA. Los resultados de la IA deben ser explicables en este sentido fuerte de poder ser reproducidos por terceras partes.
7. Reversibilidad completa del razonamiento. Se trata de una condición conectada con la anterior o, si se prefiere, la reproductibilidad es una forma de nombrar la reversibilidad del razonamiento. Esta condición se refiere a la capacidad de recorrer bidireccionalmente las cadenas de inferencia, permitiendo tanto razonamiento hacia adelante (deductivo) como hacia atrás (abductivo) sobre las mismas representaciones simbólicas. Esto posibilita la verificación formal de las hipótesis de que se trate y la generación de explicaciones causales completas, como es el caso de los resultados de razonamiento en el Consorcio de Compensación de Seguros.
8. Abstracción jerárquica con herencia monotónica: El sistema debe poder construir y manipular taxonomías conceptuales donde las propiedades se heredan de manera predecible y verificable a través de niveles de abstracción. Esta característica, fundamental en sistemas basados en ontologías formales, permite inferencias garantizadas que los sistemas subsimbólicos no pueden asegurar.
9. Manipulación de cuantificadores universales y existenciales: Procesamiento correcto de afirmaciones con alcance variable como "todos los X que tienen propiedad Y también tienen propiedad Z, excepto aquellos que..." Los sistemas neurosimbólicos pueden manejar estas estructuras mediante lógica de predicados, mientras que los sistemas subsimbólicos solo aproximan estos patrones estadísticamente sin garantías.
10. Composicionalidad sistemática con semántica explícita: esta característica de los resultados de la IA Neurosimbólica se refiere a la capacidad de combinar conceptos conocidos para entender situaciones completamente nuevas siguiendo reglas compositivas formales. Por ejemplo, si el sistema comprende "triángulo", "azul" y "girar", debe poder interpretar correctamente "el triángulo azul gira" sin haberlo visto antes en entrenamiento. Los sistemas puramente subsimbólicos fallan sistemáticamente en estas tareas de generalización compositiva.
11. Razonamiento contrafactual determinista: Capacidad de responder preguntas del tipo "qué habría pasado si..." mediante manipulación formal de modelos causales estructurados. Esto requiere representación explícita de relaciones causales en forma simbólica, algo imposible de garantizar en sistemas puramente conexionistas de base estadística.
12. Integración de restricciones duras inviolables: Capacidad de imponer y garantizar el cumplimiento de restricciones absolutas (constraints) que nunca pueden ser violadas, independientemente de los patrones aprendidos. Por ejemplo, restricciones físicas, legales o lógicas que deben mantenerse incluso si los datos de entrenamiento sugieren lo contrario.