シンボリックAIは、しばしばGOFAI（「古き良き時代のAI」）と呼ばれ、形式論理、構造化されたルール、離散表現上の探索を用いて、記号の明示的な操作に基づいて推論と問題解決をモデル化する人工知能へのアプローチである。これは、1950年代の分野創設から1980年代まで、人工知能研究における支配的なパラダイムであり、その後、統計的手法やコネクショニスト的手法に取って代わられた。
起源
このアプローチは、1956年にジョン・マッカーシーが主催したダートマス会議で明確化された、この分野の創設時の前提に遡る。その前提とは、知能は原理的に非常に精密に記述できるため、機械がそれをシミュレートできるようにできるというものであり、典型的にはルールに従って記号を操作することで実現されるとされた。初期の提唱者であるアレン・ニューウェルとハーバート・サイモンは、論理理論家（1956年）と一般問題解決器（1957年）を開発した。これらは、問題の記号的表現を探索することで数学の定理を証明し、パズルを解くように設計されたプログラムであり、「物理記号システム仮説」と呼ばれる基盤を築いた。すなわち、記号操作は一般的な知的行動にとって必要かつ十分であるという仮説である。
技法
シンボリックシステムは、通常、知識を形式言語における事実とルールとして表現し、その後、論理的推論、ヒューリスティック探索、または計画アルゴリズムを適用して結論を導出したり、行動を選択したりする。代表的な技法には、プロダクションルールシステム、意味ネットワーク、知識グラフ型の構造化表現、および自動定理証明器や制約充足ソルバーが含まれる。後の機械学習アプローチとは異なり、シンボリックシステムは一般にデータからルールを学習せず、ドメイン知識は人間の専門家によって手作業で設計される。これにより、シンボリックシステムは解釈可能で監査可能な推論トレースという利点を持つ。
エキスパートシステムの隆盛
シンボリックAIは、1970年代後半から1980年代にかけて、エキスパートシステム技術によって商業的なピークに達した。この時期、医療診断や化学分析などの狭い領域向けに専門家のルールをコード化したプログラムが、大手企業や政府の大規模な投資を集めた。主要なシンボリックAI研究者であり、MIT AIラボの共同設立者であるマービン・ミンスキーは、影響力のある批判や枠組みを提供した。その中には、競合するコネクショニストモデルであるパーセプトロンの限界に関する1969年のシーモア・パパートとの共著があり、これはニューラルネットワーク研究を10年以上抑制したとしばしば評価されている。
衰退
シンボリックAIの勢いは、1980年代後半から1990年代初頭にかけてのより広範なAI冬の時代とともに崩壊した。エキスパートシステムは、狭い領域の外では脆く、ルールベースが成長するにつれて維持費が高く、人間が難なく適用する不確実性、曖昧さ、または「常識」知識を扱うことができなかったためである。1990年代から2000年代にかけてのより安価なコンピューティングと大規模データセットの台頭は、手書きのルールを必要とせずにデータから直接パターンを学習できる統計的機械学習手法を有利にし、このシフトは、ニューラルネットワークアーキテクチャに基づく2012年の深層学習の復活後、劇的に加速した。
遺産とハイブリッドアプローチ
純粋なシンボリックAIはもはやこの分野の支配的なパラダイムではないが、そのアイデアは現代のシステムに残っている。構造化された知識グラフデータベースは、検索エンジンや大規模言語モデルの出力の接地技術を支えている。形式検証と制約ソルバーは、安全性が重要なソフトウェアにおける標準的なツールであり続けている。研究者たちは、解釈可能性とより強い一般化を得るために、ニューラルパターン認識とシンボリック推論を組み合わせた「ニューロシンボリック」ハイブリッドを定期的に再検討しており、純粋な深層学習アプローチへの批判者、例えばゲイリー・マーカスは、現在の深層学習システムが依然として確実に達成するのに苦労している堅牢な推論には、明示的なシンボリック構造の何らかの再導入が必要であると主張している。