Naukowcy opracowali pierwszy kompleksowy system do automatycznego tłumaczenia tekstu pisanego językiem angielskim na Narsese, czyli specjalistyczny język formalny stosowany w systemie NARS (Non-Axiomatic Reasoning System). Tego typu mosty między językami naturalnymi a systemami rozumowania symbolicznego były dotychczas rzadkie i stanowiły poważną barierę w praktycznym wykorzystaniu NARS-a, który jest badanym od lat systemem pozwalającym na elastyczne wnioskowanie analogiczne do ludzkiego myślenia. Nowe podejście łączy neural networks z procesami symbolicznymi w jeden przepływ przetwarzania danych - stąd nazwa pipeline neuro-symboliczny.
Oprócz samej metodologii zespół badawczy przygotował również benchmark, czyli zestaw testowy umożliwiający ocenę jakości tłumaczeń z języka naturalnego na Narsese. To rozwiązanie otwiera nowe możliwości dla naukowców pracujących nad sztuczną inteligencją ogólną i systemami zdolnymi do bardziej zaawansowanego rozumowania. Do tej pory wprowadzanie informacji do NARS-a wymagało ręcznego kodowania wyrażeń w jego formalnym języku, co było pracochłonne i ograniczało skalowalność.
Praktyczne znaczenie tego odkrycia jest znaczące dla całej dziedziny rozumowania maszynowego. Dzięki automacji procesu konwersji, NARS mógłby być łatwiej integrowany z aplikacjami działającymi na naturalnym języku, co mogłoby zaprocentować w systemach doradczych, przetwarzaniu wiedzy czy analizie tekstu. Podejście neuro-symboliczne stanowi również potwierdzenie trendu łączenia mocnych stron głębokich sieci neuronowych z rygorem systemów logicznych - strategii, którą coraz więcej zespołów uważa za obiecującą drogę do bardziej rozsądnej i wyjaśnialnej sztucznej inteligencji.