按架构绘制神经符号人工智能版图：通过符号推理增强深度学习的手册

将符号技术与统计技术相结合是人工智能领域一个长期存在的问题。其动机在于，任一领域的优势恰好能弥补另一领域的劣势，并且——通过将两者结合——可以限制任一方法的弱点。神经符号人工智能专注于这种结合，其中统计方法特指神经网络。近年来，该研究领域取得了显著进展，神经符号系统的性能超越了单独的符号模型或神经模型。然而，相对而言，神经符号人工智能仍处于起步阶段，尚未被机器学习从业者广泛采用。在这项综述中，我们首次根据架构将神经符号技术映射到不同的框架族，这带来了几个好处：首先，它使我们能够将框架的不同优势与其各自的架构联系起来。其次，它展示了工程师如何增强他们的神经网络，同时将符号方法视为黑盒。第三，它使我们能够绘制该领域的大部分版图，以便未来的研究人员能够识别密切相关的框架。