Wat is Neurosymbolic AI?

Wat is Neurosymbolic AI eigenlijk?

Stel je voor: je hebt een collega die fantastisch is in gezichten herkennen en sfeer aanvoelen, maar hopeloos is in logisch nadenken en regels volgen. En je hebt een andere collega die precies andersom werkt — briljant in puzzels oplossen en stap-voor-stap redeneren, maar kan geen gezicht onthouden. Neurosymbolic AI probeert die twee te laten samenwerken.

In de AI-wereld heb je twee grote stromingen:

• Neurale netwerken (de basis van deep learning) zijn geweldig in patronen herkennen — denk aan gezichtsherkenning, taalbegrip, stemmen verstaan. Maar ze werken als een black box en kunnen hun keuzes niet uitleggen.

• Symbolische AI (de oude garde, jaren '60-'80) werkt met expliciete regels en logica — zoals "ALS het regent DAN neem ik een paraplu mee". Transparant en betrouwbaar, maar rigide en slecht in omgaan met ruis of vage input.

Neurosymbolic AI smeert die twee samen: het neurale deel herkent wat het ziet of hoort, het symbolische deel redeneert erover en trekt conclusies volgens vaste regels.

Waarom zou jij hier iets aan hebben?

De meeste moderne AI (ChatGPT, beeldherkenning) is puur neuraal — fantastisch in patronen, maar soms onvoorspelbaar en moeilijk uit te leggen. Dat is een probleem in situaties waar je betrouwbaarheid en transparantie nodig hebt:

• Medische diagnose: Een neuraal netwerk kan op een röntgenfoto iets verdachts herkennen, maar het symbolische deel checkt of dat wel klopt met de symptomen, medische geschiedenis en bekende regels ("tumor kan niet kleiner zijn dan 2mm").

• Juridische AI: Contracten analyseren vereist zowel taal begrijpen (neuraal) als juridische logica toepassen (symbolisch).

• Robotica: Een robot moet zowel zijn omgeving waarnemen (neuraal) als veiligheidsregels strikt volgen (symbolisch) — "stop als je een mens detecteert".

Het grote voordeel: je krijgt AI die zowel flexibel als voorspelbaar is, en die kan uitleggen waarom hij een beslissing neemt.

Een voorbeeld uit de praktijk

Stel: je bouwt een AI-assistent voor accountants. Die moet facturen verwerken.

• Het neurale deel leest de factuur (OCR, natuurlijke taal) en herkent: "Dit is een factuur van leverancier X voor €1.250, btw-nummer klopt, vervaldatum 30 dagen."

• Het symbolische deel past boekhoudregels toe: "Bedragen boven €1.000 vereisen goedkeuring van manager. Btw-percentage moet 21% zijn voor Nederlandse leveranciers. Controleer of leverancier op goedgekeurde lijst staat."

Als er iets niet klopt, kan het systeem precies zeggen waarom — niet "de AI denkt dat het fout is", maar "deze factuur voldoet niet aan regel 3.2: ontbrekende managershandtekening".

Waar kom je het tegen?

Neurosymbolic AI is nog grotendeels in de onderzoeksfase, maar je ziet de eerste toepassingen:

• IBM's Neuro-Symbolic AI-programma combineert deep learning met kennisgrafen voor medische en zakelijke toepassingen

• MIT-CSAIL ontwikkelt neurosymbolische systemen voor robotica en autonome voertuigen

• DeepMind experimenteert met hybride modellen die betere wiskundige redeneercapaciteiten hebben

• Academische projecten zoals CLEVRER (visueel redeneren) en Neural Theorem Provers

In commerciële AI-tools zie je het nog weinig — de meeste chatbots en generatieve modellen zijn puur neuraal. Maar dat begint te veranderen: sommige bedrijven bouwen interne systemen die AI-output combineren met vaste bedrijfsregels.

Wat zijn de uitdagingen?

Het klinkt als de perfecte oplossing, maar het is technisch ingewikkeld:

• Integratie is lastig: Neurale netwerken werken met getallen en kansen, symbolische systemen met harde ja/nee-logica. Die twee laten samenwerken zonder dat ze elkaar tegenwerken is een puzzel.

• Snelheid: Symbolisch redeneren kan traag zijn, vooral bij complexe regelsets.

• Schaalbaarheid: Voor elke toepassing moet je handmatig de regels en kennisstructuur opbouwen — dat is arbeidsintensief.

Trotzdem zien veel onderzoekers neurosymbolic AI als een veelbelovende richting, vooral voor AI-systemen die in kritieke omgevingen moeten werken — denk aan zorg, rechter, infrastructuur.

Wat kun je er nu al mee?

Voor de meeste mensen is neurosymbolic AI nog iets voor de toekomst. Maar als je werkt in een sector waar betrouwbaarheid en uitlegbaarheid cruciaal zijn (zorg, juridisch, finance, compliance), is het slim om dit concept op je radar te houden. Vraag bij AI-leveranciers of ze hybride benaderingen gebruiken — of hun systeem niet alleen patronen herkent, maar ook regels kan toepassen en uitleggen waarom het een beslissing neemt. Dat maakt het verschil tussen "de AI zegt dit" en "de AI zegt dit, omdat regel X van toepassing is".