试图将神经网络（感知与学习能力）与符号推理（逻辑与可解释性）融合的AI研究领域，代表性工作包括DeepMind的AlphaGeometry等，旨在解决大模型的幻觉、不可解释等核心痛点。
神经符号AI（Neuro-Symbolic AI）将深度学习的感知能力与符号逻辑的推理能力相结合，可用于约束AI生成代码的正确性
神经符号AI的历史可追溯至1990年代
神经符号AI融合的挑战在于符号操作天然不可微，需借助强化学习或松弛近似来实现端到端梯度传播
MIT-IBM Watson AI Lab是神经符号方法研究方向最活跃的研究机构之一
神经符号融合（Neuro-Symbolic AI）目前仍处于早期探索阶段