Resumen: La IA neurosímbólica (NESY) tiene como objetivo integrar las fortalezas estadísticas de las redes neuronales con la interpretabilidad y la estructura del razonamiento simbólico. Sin embargo, los marcos de NESY actuales como DeepproBlog hacen cumplir un flujo fijo donde el razonamiento simbólico siempre sigue el procesamiento neuronal. Esto restringe su capacidad para modelar dependencias complejas, especialmente en estructuras de datos irregulares, como gráficos. En este trabajo, presentamos a DeepGraphlog, un nuevo marco NESY que extiende ProBlog con predicados neuronales gráficos. DeepGraphlog permite un razonamiento neural-simbólico de múltiples capas, lo que permite que los componentes neuronales y simbólicos se colocen en capas en orden arbitrario. A diferencia de DeepproBlog, que no puede manejar el razonamiento simbólico a través de métodos neurales, DeepGraphlog trata las representaciones simbólicas como gráficos, lo que les permite procesar por redes neuronales Graph (GNN). Mostramos las capacidades de DeepGraphlog en tareas en la planificación, la finalización del gráfico de conocimiento con supervisión distante y expresividad GNN. Nuestros resultados demuestran que DeepGraphlog captura efectivamente dependencias relacionales complejas, superando las limitaciones clave de los sistemas NESY existentes. Al ampliar la aplicabilidad de la IA neurosimbólica a dominios estructurados con gráficos, DeepGraphlog ofrece un marco más expresivo y flexible para la integración neural-simbólica.
Publicado Originalme en export.arxiv.org El 9 de septiembre de 2025.
Ver Fuente Original
