Symbolic Methodology

Wat is symbolic methodology?

Symbolic methodology (symbolische AI) is de klassieke benadering van kunstmatige intelligentie waarbij kennis wordt vastgelegd in expliciete symbolen, regels en logica. In plaats van patronen te leren uit data, redeneert het systeem met regels die mensen hebben opgesteld: “als de klant ouder is dan 65 en het product is X, dan geldt korting Y”. Het wordt ook wel “good old-fashioned AI” genoemd, omdat het de dominante aanpak was vóór de opkomst van machine learning.

Hoe werkt het?

Experts leggen hun kennis vast als regels en feiten in een kennisbank. Een redeneermechanisme, de inference engine, past die regels toe op een concrete situatie en trekt conclusies. Het grote voordeel: elke uitkomst is volledig uitlegbaar, je kunt precies terugzien welke regels tot welke conclusie leidden. Het nadeel: iemand moet al die regels bedenken en onderhouden, en het systeem kan niets met situaties die buiten de regels vallen.

Wat heb je eraan als bedrijf?

Symbolische systemen zijn nog steeds overal: belastingsoftware, polisacceptatie bij verzekeraars en compliance-checks draaien op regels. En de aanpak is terug van weggeweest: moderne hybrid AI combineert taalmodellen met symbolische regels, zodat je de flexibiliteit van machine learning krijgt met de controleerbaarheid van regels. Voor processen waar uitlegbaarheid wettelijk verplicht is, blijft de symbolische aanpak waardevol.

Gerelateerde begrippen

De tegenhanger van symbolische AI is machine learning, waarbij het systeem zelf patronen leert uit data. De combinatie van beide heet hybrid AI of composite AI, en het redeneerhart van een regelsysteem is de inference engine.