Neuro-Symbolic Artificial for Visual Reasoning via Dynamic Logic Tensor Networks

Questa tesi presenta un nuovo framework di ragionamento visivo neuro-simbolico (NeSy) che integra la percezione neurale con la logica simbolica per affrontare le sfide di flessibilità, spiegabilità e formalità presenti nei sistemi attuali. Elaborando input testuali e visivi attraverso un generatore di contesto, un generatore di regole, un processore visivo e un verificatore di regole, il sistema affina iterativamente il proprio ragionamento tramite feedback in un ciclo simile all’apprendimento per rinforzo. Valutato sul benchmark ViSudo-PC, che consiste nel verificare tavole di Sudoku codificate visivamente attraverso domini visivi eterogenei, il sistema riesce a indurre e verificare con successo regole in logica del primo ordine, dimostrando un miglior allineamento tra percezione e ragionamento simbolico. Questi risultati evidenziano una direzione promettente per un’intelligenza artificiale neuro-simbolica flessibile, spiegabile e formalmente verificabile.