基于神经符号人工智能的自主商业系统

现代商业环境要求对跨职能流程进行持续重构，然而大多数企业系统仍然围绕孤立的部门、僵化的工作流和硬编码的自动化来组织。与此同时，大型语言模型在解释自然语言和综合非结构化信息方面展现出强大的能力，但它们缺乏对复杂业务逻辑的确定性、可审计的执行能力。我们引入了自主商业系统（AUTOBUS），该系统将基于 LLM 的 AI 智能体、谓词逻辑编程和以业务语义为中心的企业数据整合到一个统一的神经符号架构中，用于执行端到端的业务计划。AUTOBUS 将业务计划建模为一个由相互关联的任务组成的网络，这些任务具有明确的前置条件和后置条件、所需数据、评估规则和 API 级别的操作。企业数据被组织为知识图谱，其实体、关系和约束被转化为逻辑事实和基础规则，从而为推理提供基础并确保语义一致性。核心 AI 智能体将任务指令、企业语义和可用工具综合为特定于任务的逻辑程序，这些程序由逻辑引擎执行，该引擎强制执行约束、协调辅助工具并产生确定性结果。人类负责指定任务指令、定义和维护业务语义与策略、管理工具，并监督高影响或模糊的决策，从而确保问责制与适应性。我们详细介绍了 AUTOBUS 架构、AI 生成的逻辑程序的结构以及人机协作模型，并展示了一个案例研究，该研究证明了在数据密集型组织中可以加速产品上市时间。该案例研究的参考实现可在 https://github.com/cecilpang/autobus-paper 获取。