Logica Tensoriale: Il Linguaggio dell'Intelligenza Artificiale

Tensor Logic: The Language of AI

October 14, 2025

Autori: Pedro Domingos

cs.AI

Abstract

Il progresso nell'IA è ostacolato dalla mancanza di un linguaggio di programmazione con tutte le caratteristiche necessarie. Librerie come PyTorch e TensorFlow forniscono la differenziazione automatica e un'implementazione efficiente per le GPU, ma sono aggiunte a Python, che non è mai stato concepito per l'IA. La loro mancanza di supporto per il ragionamento automatizzato e l'acquisizione di conoscenze ha portato a una lunga e costosa serie di tentativi approssimativi per integrarli. D'altra parte, linguaggi di IA come LISP e Prolog mancano di scalabilità e supporto per l'apprendimento. Questo articolo propone la logica tensoriale, un linguaggio che risolve questi problemi unificando l'IA neurale e simbolica a un livello fondamentale. L'unico costrutto nella logica tensoriale è l'equazione tensoriale, basata sull'osservazione che le regole logiche e la sommatoria di Einstein sono essenzialmente la stessa operazione, e tutto il resto può essere ridotto a esse. Mostro come implementare elegantemente forme chiave di IA neurale, simbolica e statistica nella logica tensoriale, inclusi trasformatori, ragionamento formale, macchine a kernel e modelli grafici. Soprattutto, la logica tensoriale rende possibili nuove direzioni, come il ragionamento solido nello spazio di embedding. Ciò combina la scalabilità e l'apprendibilità delle reti neurali con l'affidabilità e la trasparenza del ragionamento simbolico, ed è potenzialmente una base per una più ampia adozione dell'IA.

English

Progress in AI is hindered by the lack of a programming language with all the requisite features. Libraries like PyTorch and TensorFlow provide automatic differentiation and efficient GPU implementation, but are additions to Python, which was never intended for AI. Their lack of support for automated reasoning and knowledge acquisition has led to a long and costly series of hacky attempts to tack them on. On the other hand, AI languages like LISP an Prolog lack scalability and support for learning. This paper proposes tensor logic, a language that solves these problems by unifying neural and symbolic AI at a fundamental level. The sole construct in tensor logic is the tensor equation, based on the observation that logical rules and Einstein summation are essentially the same operation, and all else can be reduced to them. I show how to elegantly implement key forms of neural, symbolic and statistical AI in tensor logic, including transformers, formal reasoning, kernel machines and graphical models. Most importantly, tensor logic makes new directions possible, such as sound reasoning in embedding space. This combines the scalability and learnability of neural networks with the reliability and transparency of symbolic reasoning, and is potentially a basis for the wider adoption of AI.