Тензорная логика: Язык искусственного интеллекта

Tensor Logic: The Language of AI

October 14, 2025

Авторы: Pedro Domingos

cs.AI

Аннотация

Прогресс в области искусственного интеллекта сдерживается отсутствием языка программирования, обладающего всеми необходимыми функциями. Библиотеки, такие как PyTorch и TensorFlow, предоставляют автоматическое дифференцирование и эффективную реализацию на GPU, но они являются дополнениями к Python, который изначально не создавался для ИИ. Их недостаточная поддержка автоматизированного рассуждения и приобретения знаний привела к длительной и затратной череде неуклюжих попыток их интеграции. С другой стороны, языки ИИ, такие как LISP и Prolog, не обладают масштабируемостью и поддержкой обучения. В данной статье предлагается тензорная логика — язык, который решает эти проблемы, объединяя нейронный и символьный ИИ на фундаментальном уровне. Единственной конструкцией в тензорной логике является тензорное уравнение, основанное на наблюдении, что логические правила и суммирование Эйнштейна по сути представляют собой одну и ту же операцию, а всё остальное может быть сведено к ним. Я показываю, как элегантно реализовать ключевые формы нейронного, символьного и статистического ИИ в тензорной логике, включая трансформеры, формальные рассуждения, ядерные машины и графические модели. Что наиболее важно, тензорная логика открывает новые направления, такие как корректное рассуждение в пространстве вложений. Это сочетает масштабируемость и обучаемость нейронных сетей с надёжностью и прозрачностью символьного рассуждения и потенциально может стать основой для более широкого внедрения ИИ.

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.