趋同范式：符号与连接主义人工智能在LLM赋能自治代理中的协同作用

本文探讨了连接主义与符号人工智能（AI）的融合，从历史辩论到现代进展。传统上被视为不同的范式，连接主义AI专注于神经网络，而符号AI则强调符号表示和逻辑。大规模语言模型（LLMs）的最新进展，如ChatGPT和GPT-4，突显了连接主义架构在处理人类语言作为符号形式时的潜力。研究认为LLM赋能的自治代理（LAAs）体现了这一范式的融合。通过利用LLMs进行基于文本的知识建模和表示，LAAs融合了神经符号AI原理，展示了增强的推理和决策能力。将LAAs与知识图谱进行比较，突出LAAs在模拟人类推理过程、在大数据集上有效扩展以及利用上下文样本而无需明确再训练的独特优势。研究强调了神经向量符号整合、指令编码和隐式推理等有希望的途径，旨在进一步增强LAA能力。通过探讨神经符号AI的发展和提出未来的研究方向，本工作推动了对AI技术的理解和发展。