Autonomiczne rozumowanie jest jednym z najbardziej motywujących naukowo i ekonomicznie zagadnień współczesnej sztucznej inteligencji, jednak wspólnota badaczy generatywnej AI nie wypracowała jeszcze jasnych definicji tego pojęcia. Artykuł pozycyjny opublikowany na arXiv zwraca uwagę na istotny problem - w ostatnich latach fokus przesunął się z tradycyjnego podejścia logicznego i symbolicznego na głębokie modele probabilistyczne, ale bez wyraźnego zdefiniowania, co rozumowanie faktycznie oznacza w nowym kontekście.
Brak konsensusa na temat operacyjnych definicji rozumowania prowadzi do poważnych konsekwencji dla badań naukowych. Niemożliwe jest wiarygodne mierzenie postępów, gdy nie wiemy dokładnie, co mierzymy. To osłabia wiarygodność całej dziedziny i utrudnia budowę rzeczywiście zaufanego autonomicznego systemu, zdolnego do niezawodnego rozumowania. Autorzy artykułu kontendują, że ambicja ta jest osiągalna poprzez syntezę literatury naukowej i historycznego dorobku sztucznej inteligencji.
Proponowane rozwiązanie obejmuje dwa główne elementy: po pierwsze, operacyjne definicje pozycjonujące poprawne i dźwięczne rozumowanie jako uczony proces oparty na regułach - połączenie logiki formalnej z możliwościami uczenia maszynowego. Po drugie, autorzy opracowują praktyczną listę kontrolną najlepszych praktyk komunikacji wyników badań nad rozumowaniem w AI, która powinna poprawić przejrzystość i powtarzalność badań w tej dziedzinie.