Lógica Tensorial: A Linguagem da IA

Tensor Logic: The Language of AI

October 14, 2025

Autores: Pedro Domingos

cs.AI

Resumo

O progresso da IA é prejudicado pela falta de uma linguagem de programação com todas as características necessárias. Bibliotecas como PyTorch e TensorFlow oferecem diferenciação automática e implementação eficiente em GPU, mas são acréscimos ao Python, que nunca foi projetado para IA. A falta de suporte para raciocínio automatizado e aquisição de conhecimento levou a uma longa e custosa série de tentativas improvisadas para adicioná-los. Por outro lado, linguagens de IA como LISP e Prolog carecem de escalabilidade e suporte para aprendizado. Este artigo propõe a lógica tensorial, uma linguagem que resolve esses problemas ao unificar a IA neural e simbólica em um nível fundamental. O único construto na lógica tensorial é a equação tensorial, baseada na observação de que regras lógicas e a soma de Einstein são essencialmente a mesma operação, e tudo mais pode ser reduzido a elas. Mostro como implementar de forma elegante formas-chave de IA neural, simbólica e estatística na lógica tensorial, incluindo transformers, raciocínio formal, máquinas de kernel e modelos gráficos. Mais importante, a lógica tensorial torna possíveis novas direções, como o raciocínio sólido no espaço de embeddings. Isso combina a escalabilidade e a capacidade de aprendizado das redes neurais com a confiabilidade e a transparência do raciocínio simbólico, e potencialmente pode ser a base para uma adoção mais ampla da 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.