Naukowcy opracowali NeuroNL2LTL - system, który automatycznie tłumaczy instrukcje napisane normalnym językiem na formalną logikę temporalną. Ten neurosymboliczny framework łączy możliwości sztucznej inteligencji neuronowej z precyzją logiki symbolicznej, pozwalając komputerom zrozumieć złożone specyfikacje czasowe wyrażone słowami. Na przykład system potrafi przekształcić instrukcję typu "zawsze gdy coś się stanie, potem musi nastąpić tamto" w matematyczną notację Linear Temporal Logic, którą mogą przetwarzać maszyny.
Takie podejście jest ważne zwłaszcza dla branż wymagających bezwzględnej precyzji. W robotyce, automatyzacji procesów przemysłowych czy weryfikacji systemów krytycznych czasami człowiek, formułując warunki naturalnym językiem, nieświadomie wprowadza niejasności. NeuroNL2LTL łagodzi ten problem, stanowiąc most między człowiekiem a maszyną - pozwala inżynierom pisać specyfikacje bardziej intuicyjnie, zamiast uczyć się formalnych notacji logicznych. To szczególnie cenne w sytuacjach, gdzie błąd w zrozumieniu specyfikacji może mieć poważne konsekwencje.
Neurosymboliczne podejście frameworku jest kluczowe dla jego efektywności. Łączy elastyczność deep learningu, który dobrze radzi sobie z variacją naturalnego języka, z niezawodnością logiki symbolicznej, gwarantującą poprawność formalizacji. Innymi słowy - sieć neuronowa uczy się rozpoznawać intencje napisane zwykłymi słowami, a część symboliczna gwarantuje, że matematyczne tłumaczenie jest precyzyjne i nie zostawia miejsca na niejednoznaczność. To kombinacja, która potencjalnie może zmienić sposób, w jaki specyfikujemy wymagania dla systemów automatycznych.