ਸਿੰਬੋਲਿਕ ਏਆਈ ਕੀ ਹੈ? ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇਹ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ।

ਜਦੋਂ ਲੋਕ ਅੱਜਕੱਲ੍ਹ AI ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਨ, ਤਾਂ ਗੱਲਬਾਤ ਲਗਭਗ ਹਮੇਸ਼ਾ ਚੈਟਬੋਟਾਂ 'ਤੇ ਜਾਂਦੀ ਹੈ ਜੋ ਅਜੀਬ ਮਨੁੱਖੀ ਲੱਗਦੇ ਹਨ, ਡੇਟਾ ਨੂੰ ਕਰੰਚ ਕਰਨ ਵਾਲੇ ਵਿਸ਼ਾਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ, ਜਾਂ ਉਹ ਚਿੱਤਰ-ਪਛਾਣ ਪ੍ਰਣਾਲੀਆਂ ਜੋ ਬਿੱਲੀਆਂ ਨੂੰ ਕੁਝ ਥੱਕੇ ਹੋਏ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਪਛਾਣਦੀਆਂ ਹਨ। ਪਰ ਉਸ ਚਰਚਾ ਤੋਂ ਬਹੁਤ ਪਹਿਲਾਂ, ਸਿੰਬੋਲਿਕ AI । ਅਤੇ ਅਜੀਬ ਗੱਲ ਇਹ ਹੈ ਕਿ - ਇਹ ਅਜੇ ਵੀ ਇੱਥੇ ਹੈ, ਅਜੇ ਵੀ ਉਪਯੋਗੀ ਹੈ। ਇਹ ਮੂਲ ਰੂਪ ਵਿੱਚ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਲੋਕਾਂ ਵਾਂਗ ਤਰਕ ਕਰਨਾ ਸਿਖਾਉਣ ਬਾਰੇ ਹੈ: ਪ੍ਰਤੀਕਾਂ, ਤਰਕ ਅਤੇ ਨਿਯਮਾਂ । ਪੁਰਾਣੇ ਜ਼ਮਾਨੇ ਦਾ? ਸ਼ਾਇਦ। ਪਰ "ਬਲੈਕ ਬਾਕਸ" AI ਨਾਲ ਗ੍ਰਸਤ ਦੁਨੀਆ ਵਿੱਚ, ਸਿੰਬੋਲਿਕ AI ਦੀ ਸਪਸ਼ਟਤਾ ਥੋੜ੍ਹੀ ਤਾਜ਼ਗੀ ਭਰੀ ਮਹਿਸੂਸ ਹੁੰਦੀ ਹੈ [1]।

ਇਸ ਤੋਂ ਬਾਅਦ ਤੁਸੀਂ ਜੋ ਲੇਖ ਪੜ੍ਹਨਾ ਪਸੰਦ ਕਰ ਸਕਦੇ ਹੋ:

🔗 ਏਆਈ ਟ੍ਰੇਨਰ ਕੀ ਹੁੰਦਾ ਹੈ?
ਆਧੁਨਿਕ ਏਆਈ ਟ੍ਰੇਨਰਾਂ ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਬਾਰੇ ਦੱਸਦਾ ਹੈ।

🔗 ਕੀ ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਥਾਂ ਏਆਈ ਲੈ ਲਵੇਗੀ?
ਇਹ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਕੀ AI ਤਰੱਕੀ ਡੇਟਾ ਸਾਇੰਸ ਕਰੀਅਰ ਨੂੰ ਖ਼ਤਰਾ ਹੈ।

🔗 ਏਆਈ ਆਪਣੀ ਜਾਣਕਾਰੀ ਕਿੱਥੋਂ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ?
AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਸਿੱਖਣ ਅਤੇ ਅਨੁਕੂਲ ਹੋਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਸਰੋਤਾਂ ਨੂੰ ਵੰਡਦਾ ਹੈ।

ਸਿੰਬੋਲਿਕ ਏਆਈ ਬੇਸਿਕਸ✨

ਇਹ ਸੌਦਾ ਹੈ: ਸਿੰਬੋਲਿਕ ਏਆਈ ਸਪੱਸ਼ਟਤਾ । ਤੁਸੀਂ ਤਰਕ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹੋ, ਨਿਯਮਾਂ 'ਤੇ ਝਾਤ ਮਾਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਸ਼ਾਬਦਿਕ ਤੌਰ 'ਤੇ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਮਸ਼ੀਨ ਨੇ ਇਹ ਕਿਉਂ ਕਿਹਾ ਕਿ ਇਸ ਨੇ ਕੀ ਕੀਤਾ। ਇਸਦੀ ਤੁਲਨਾ ਇੱਕ ਨਿਊਰਲ ਜਾਲ ਨਾਲ ਕਰੋ ਜੋ ਸਿਰਫ਼ ਇੱਕ ਜਵਾਬ ਦਿੰਦਾ ਹੈ - ਇਹ ਇੱਕ ਕਿਸ਼ੋਰ ਨੂੰ "ਕਿਉਂ?" ਪੁੱਛਣ ਅਤੇ ਮੋਢੇ ਉਛਾਲਣ ਵਰਗਾ ਹੈ। ਇਸਦੇ ਉਲਟ, ਸਿੰਬੋਲਿਕ ਸਿਸਟਮ ਕਹਿਣਗੇ: "ਕਿਉਂਕਿ A ਅਤੇ B C ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਇਸ ਲਈ C।" ਆਪਣੇ ਆਪ ਨੂੰ ਸਮਝਾਉਣ ਦੀ ਉਹ ਯੋਗਤਾ ਉੱਚ-ਦਾਅ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ (ਦਵਾਈ, ਵਿੱਤ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਅਦਾਲਤ ਦੇ ਕਮਰੇ) ਲਈ ਇੱਕ ਗੇਮ-ਚੇਂਜਰ ਹੈ ਜਿੱਥੇ ਕੋਈ ਹਮੇਸ਼ਾ ਸਬੂਤ ਮੰਗਦਾ ਹੈ [5]।

ਛੋਟੀ ਜਿਹੀ ਕਹਾਣੀ: ਇੱਕ ਵੱਡੇ ਬੈਂਕ ਦੀ ਇੱਕ ਪਾਲਣਾ ਟੀਮ ਨੇ ਪਾਬੰਦੀਆਂ ਦੀਆਂ ਨੀਤੀਆਂ ਨੂੰ ਇੱਕ ਨਿਯਮ ਇੰਜਣ ਵਿੱਚ ਏਨਕੋਡ ਕੀਤਾ। ਇਸ ਤਰ੍ਹਾਂ ਦੀਆਂ ਚੀਜ਼ਾਂ: “if origin_country ∈ {X} and missing_beneficiary_info → escalate.” ਨਤੀਜਾ? ਹਰ ਫਲੈਗ ਕੀਤਾ ਗਿਆ ਕੇਸ ਇੱਕ ਟਰੇਸੇਬਲ, ਮਨੁੱਖੀ-ਪੜ੍ਹਨਯੋਗ ਤਰਕ ਦੀ ਲੜੀ ਦੇ ਨਾਲ ਆਇਆ। ਆਡੀਟਰਾਂ ਨੂੰ ਬਹੁਤ ਪਸੰਦ ਆਇਆ । ਇਹ ਸਿੰਬਲਿਕ ਏਆਈ ਦੀ ਸੁਪਰਪਾਵਰ ਹੈ - ਪਾਰਦਰਸ਼ੀ, ਜਾਂਚਯੋਗ ਸੋਚ ।

ਤੇਜ਼ ਤੁਲਨਾ ਸਾਰਣੀ 📊

ਸਿੰਬੋਲਿਕ ਏਆਈ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ (ਅਭਿਆਸ ਵਿੱਚ) 🛠️

ਇਸਦੇ ਮੂਲ ਰੂਪ ਵਿੱਚ, ਸਿੰਬਲਿਕ ਏਆਈ ਸਿਰਫ਼ ਦੋ ਚੀਜ਼ਾਂ ਹਨ: ਚਿੰਨ੍ਹ (ਸੰਕਲਪ) ਅਤੇ ਨਿਯਮ (ਉਹ ਸੰਕਲਪ ਕਿਵੇਂ ਜੁੜਦੇ ਹਨ)। ਉਦਾਹਰਣ:

• ਚਿੰਨ੍ਹ: ਕੁੱਤਾ , ਜਾਨਵਰ , ਹੈਸਟੇਲ

• ਨਿਯਮ: ਜੇਕਰ X ਇੱਕ ਕੁੱਤਾ ਹੈ → X ਇੱਕ ਜਾਨਵਰ ਹੈ।

ਇੱਥੋਂ, ਤੁਸੀਂ ਤਰਕ ਦੀਆਂ ਚੇਨਾਂ ਬਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹੋ - ਜਿਵੇਂ ਕਿ ਡਿਜੀਟਲ LEGO ਟੁਕੜੇ। ਕਲਾਸਿਕ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ ਨੇ ਤੱਥਾਂ ਨੂੰ ਟ੍ਰਿਪਲ (ਵਿਸ਼ੇਸ਼ਤਾ–ਵਸਤੂ–ਮੁੱਲ) ਵਿੱਚ ਵੀ ਸਟੋਰ ਕੀਤਾ ਅਤੇ ਸਵਾਲਾਂ ਨੂੰ ਕਦਮ ਦਰ ਕਦਮ ਸਾਬਤ ਕਰਨ ਲਈ ਇੱਕ ਟੀਚਾ-ਨਿਰਦੇਸ਼ਿਤ ਨਿਯਮ ਦੁਭਾਸ਼ੀਏ [1]।

ਪ੍ਰਤੀਕਾਤਮਕ AI ਦੀਆਂ ਅਸਲ-ਜੀਵਨ ਦੀਆਂ ਉਦਾਹਰਣਾਂ 🌍

1. MYCIN - ਛੂਤ ਦੀਆਂ ਬਿਮਾਰੀਆਂ ਲਈ ਡਾਕਟਰੀ ਮਾਹਰ ਪ੍ਰਣਾਲੀ। ਨਿਯਮ-ਅਧਾਰਤ, ਵਿਆਖਿਆ-ਅਨੁਕੂਲ [1]।

2. ਡੈਂਡਰਲ - ਸ਼ੁਰੂਆਤੀ ਰਸਾਇਣ ਵਿਗਿਆਨ AI ਜਿਸਨੇ ਸਪੈਕਟ੍ਰੋਮੈਟਰੀ ਡੇਟਾ [2] ਤੋਂ ਅਣੂ ਬਣਤਰਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ।

3. ਗੂਗਲ ਗਿਆਨ ਗ੍ਰਾਫ਼ - "ਚੀਜ਼ਾਂ, ਨਾ ਕਿ ਸਟ੍ਰਿੰਗਜ਼" ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਇਕਾਈਆਂ (ਲੋਕ, ਸਥਾਨ, ਚੀਜ਼ਾਂ) + ਉਹਨਾਂ ਦੇ ਸਬੰਧਾਂ ਦੀ ਮੈਪਿੰਗ [3]।

4. ਨਿਯਮ-ਅਧਾਰਿਤ ਬੋਟ - ਗਾਹਕ ਸਹਾਇਤਾ ਲਈ ਸਕ੍ਰਿਪਟਡ ਫਲੋ; ਇਕਸਾਰਤਾ ਲਈ ਠੋਸ, ਖੁੱਲ੍ਹੀ ਚਿਟ-ਚੈਟ ਲਈ ਕਮਜ਼ੋਰ।

ਸਿੰਬੋਲਿਕ ਏਆਈ ਕਿਉਂ ਠੋਕਰ ਖਾ ਗਿਆ (ਪਰ ਮਰਿਆ ਨਹੀਂ) 📉➡️📈

ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਸਿੰਬੋਲਿਕ ਏਆਈ ਉੱਪਰ ਉੱਠਦਾ ਹੈ: ਗੜਬੜ ਵਾਲਾ, ਅਧੂਰਾ, ਵਿਰੋਧੀ ਅਸਲ ਸੰਸਾਰ। ਇੱਕ ਵਿਸ਼ਾਲ ਨਿਯਮ ਅਧਾਰ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਥਕਾ ਦੇਣ ਵਾਲਾ ਹੈ, ਅਤੇ ਭੁਰਭੁਰਾ ਨਿਯਮ ਉਦੋਂ ਤੱਕ ਫੈਲ ਸਕਦੇ ਹਨ ਜਦੋਂ ਤੱਕ ਉਹ ਟੁੱਟ ਨਹੀਂ ਜਾਂਦੇ।

ਫਿਰ ਵੀ - ਇਹ ਕਦੇ ਵੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਦੂਰ ਨਹੀਂ ਹੋਇਆ। ਨਿਊਰੋ-ਸਿੰਬੋਲਿਕ AI : ਨਿਊਰਲ ਨੈਟ (ਧਾਰਨਾ ਵਿੱਚ ਚੰਗੇ) ਨੂੰ ਪ੍ਰਤੀਕਾਤਮਕ ਤਰਕ (ਤਰਕ ਵਿੱਚ ਚੰਗੇ) ਨਾਲ ਮਿਲਾਓ। ਇਸਨੂੰ ਇੱਕ ਰੀਲੇਅ ਟੀਮ ਵਾਂਗ ਸੋਚੋ: ਨਿਊਰਲ ਹਿੱਸਾ ਇੱਕ ਸਟਾਪ ਸਾਈਨ ਨੂੰ ਵੇਖਦਾ ਹੈ, ਫਿਰ ਪ੍ਰਤੀਕਾਤਮਕ ਹਿੱਸਾ ਇਹ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਟ੍ਰੈਫਿਕ ਕਾਨੂੰਨ ਦੇ ਤਹਿਤ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ। ਉਹ ਕੰਬੋ ਉਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ ਜੋ ਚੁਸਤ ਅਤੇ ਵਿਆਖਿਆਯੋਗ [4][5]।

ਸਿੰਬੋਲਿਕ ਏਆਈ ਦੀਆਂ ਤਾਕਤਾਂ 💡

• ਪਾਰਦਰਸ਼ੀ ਤਰਕ : ਤੁਸੀਂ ਹਰ ਕਦਮ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹੋ [1][5]।

• ਨਿਯਮ-ਅਨੁਕੂਲ : ਨੀਤੀਆਂ ਅਤੇ ਕਾਨੂੰਨੀ ਨਿਯਮਾਂ ਨੂੰ ਸਾਫ਼-ਸਾਫ਼ ਦਰਸਾਉਂਦਾ ਹੈ [5]।

• ਮਾਡਿਊਲਰ ਦੇਖਭਾਲ : ਤੁਸੀਂ ਇੱਕ ਪੂਰੇ ਮੋਨਸਟਰ ਮਾਡਲ [1] ਨੂੰ ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦਿੱਤੇ ਬਿਨਾਂ ਇੱਕ ਨਿਯਮ ਨੂੰ ਬਦਲ ਸਕਦੇ ਹੋ।

ਸਿੰਬੋਲਿਕ ਏਆਈ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ⚠️

• ਧਾਰਨਾ ਵਿੱਚ ਭਿਆਨਕ : ਤਸਵੀਰਾਂ, ਆਡੀਓ, ਗੜਬੜ ਵਾਲਾ ਟੈਕਸਟ - ਇੱਥੇ ਨਿਊਰਲ ਜਾਲ ਹਾਵੀ ਹਨ।

• ਸਕੇਲਿੰਗ ਦਰਦ : ਮਾਹਰ ਨਿਯਮਾਂ ਨੂੰ ਕੱਢਣਾ ਅਤੇ ਅਪਡੇਟ ਕਰਨਾ ਔਖਾ ਹੈ [2]।

• ਕਠੋਰਤਾ : ਨਿਯਮ ਆਪਣੇ ਜ਼ੋਨ ਤੋਂ ਬਾਹਰ ਟੁੱਟਦੇ ਹਨ; ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਹਾਸਲ ਕਰਨਾ ਔਖਾ ਹੈ (ਹਾਲਾਂਕਿ ਕੁਝ ਸਿਸਟਮਾਂ ਨੂੰ ਹੈਕ ਕਰਕੇ ਅੰਸ਼ਕ ਹੱਲ ਕੀਤੇ ਗਏ ਹਨ) [1]।

ਸਿੰਬੋਲਿਕ ਏਆਈ ਲਈ ਅੱਗੇ ਦਾ ਰਸਤਾ 🚀

ਭਵਿੱਖ ਸ਼ਾਇਦ ਸ਼ੁੱਧ ਪ੍ਰਤੀਕਾਤਮਕ ਜਾਂ ਸ਼ੁੱਧ ਨਿਊਰਲ ਨਹੀਂ ਹੈ। ਇਹ ਹਾਈਬ੍ਰਿਡ ਹੈ। ਕਲਪਨਾ ਕਰੋ:

1. ਨਿਊਰਲ → ਕੱਚੇ ਪਿਕਸਲ/ਟੈਕਸਟ/ਆਡੀਓ ਤੋਂ ਪੈਟਰਨ ਕੱਢਦਾ ਹੈ।

2. ਨਿਊਰੋ-ਸਿੰਬੋਲਿਕ → ਪੈਟਰਨਾਂ ਨੂੰ ਸੰਰਚਿਤ ਸੰਕਲਪਾਂ ਵਿੱਚ ਚੁੱਕਦਾ ਹੈ।

3. ਪ੍ਰਤੀਕਾਤਮਕ → ਨਿਯਮਾਂ, ਪਾਬੰਦੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ - ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ - ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ।

ਇਹ ਉਹ ਲੂਪ ਹੈ ਜਿੱਥੇ ਮਸ਼ੀਨਾਂ ਮਨੁੱਖੀ ਤਰਕ ਵਰਗੀਆਂ ਲੱਗਦੀਆਂ ਹਨ: ਵੇਖੋ, ਬਣਤਰ, ਜਾਇਜ਼ ਠਹਿਰਾਓ [4][5]।

ਇਸਨੂੰ ਸਮੇਟਣਾ 📝

ਤਾਂ, ਸਿੰਬੋਲਿਕ ਏਆਈ: ਇਹ ਤਰਕ-ਸੰਚਾਲਿਤ, ਨਿਯਮ-ਅਧਾਰਿਤ, ਵਿਆਖਿਆ-ਤਿਆਰ ਹੈ। ਚਮਕਦਾਰ ਨਹੀਂ, ਪਰ ਇਹ ਕੁਝ ਡੂੰਘੇ ਜਾਲ ਨੂੰ ਖੰਭ ਲਗਾਉਂਦਾ ਹੈ ਜੋ ਅਜੇ ਵੀ ਨਹੀਂ ਕਰ ਸਕਦਾ: ਸਪਸ਼ਟ, ਆਡੀਟੇਬਲ ਤਰਕ । ਸਮਾਰਟ ਬਾਜ਼ੀ? ਸਿਸਟਮ ਜੋ ਦੋਵਾਂ ਕੈਂਪਾਂ ਤੋਂ ਉਧਾਰ ਲੈਂਦੇ ਹਨ - ਧਾਰਨਾ ਅਤੇ ਪੈਮਾਨੇ ਲਈ ਨਿਊਰਲ ਜਾਲ, ਤਰਕ ਅਤੇ ਵਿਸ਼ਵਾਸ ਲਈ ਪ੍ਰਤੀਕ [4][5]।

ਮੈਟਾ ਵਰਣਨ: ਸਿੰਬੋਲਿਕ ਏਆਈ ਨੇ ਸਮਝਾਇਆ - ਨਿਯਮ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀਆਂ, ਤਾਕਤਾਂ/ਕਮਜ਼ੋਰੀਆਂ, ਅਤੇ ਨਿਊਰੋ-ਸਿੰਬੋਲਿਕ (ਤਰਕ + ਐਮਐਲ) ਅੱਗੇ ਦਾ ਰਸਤਾ ਕਿਉਂ ਹੈ।

ਹੈਸ਼ਟੈਗ:
#ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ 🤖 #ਸਿੰਬੋਲਿਕਏਆਈ 🧩 #ਮਸ਼ੀਨਲਰਨਿੰਗ #ਨਿਊਰੋਸਿੰਬੋਲਿਕਏਆਈ ⚡ #ਟੈਕਐਕਸਪਲੇਂਡ #ਗਿਆਨ ਪ੍ਰਤੀਨਿਧਤਾ #ਏਆਈਇਨਸਾਈਟਸ #ਏਆਈਓਫਿਊਚਰ

ਹਵਾਲੇ

[1] ਬੁਕਾਨਨ, ਬੀਜੀ, ਅਤੇ ਸ਼ਾਰਟਲਿਫ, ਈਐਚ ਨਿਯਮ-ਅਧਾਰਤ ਮਾਹਰ ਪ੍ਰਣਾਲੀਆਂ: ਸਟੈਨਫੋਰਡ ਹਿਊਰਿਸਟਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਪ੍ਰੋਜੈਕਟ ਦੇ ਮਾਈਸੀਆਈਐਨ ਪ੍ਰਯੋਗ , ਅਧਿਆਇ 15। ਪੀਡੀਐਫ

[2] ਲਿੰਡਸੇ, ਆਰ.ਕੇ., ਬੁਕਾਨਨ, ਬੀਜੀ, ਫੀਗੇਨਬਾਮ, ਈਏ, ਅਤੇ ਲੇਡਰਬਰਗ, ਜੇ. "ਡੈਂਡਰਲ: ਵਿਗਿਆਨਕ ਪਰਿਕਲਪਨਾ ਗਠਨ ਲਈ ਪਹਿਲੇ ਮਾਹਰ ਪ੍ਰਣਾਲੀ ਦਾ ਇੱਕ ਕੇਸ ਅਧਿਐਨ।" ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ 61 (1993): 209–261। PDF

[3] ਗੂਗਲ। "ਗਿਆਨ ਗ੍ਰਾਫ਼ ਦੀ ਜਾਣ-ਪਛਾਣ: ਚੀਜ਼ਾਂ, ਤਾਰਾਂ ਨਹੀਂ।" ਅਧਿਕਾਰਤ ਗੂਗਲ ਬਲੌਗ (16 ਮਈ, 2012)। ਲਿੰਕ

[4] ਮੋਨਰੋ, ਡੀ. "ਨਿਊਰੋਸਿੰਬੋਲਿਕ ਏਆਈ।" ਏਸੀਐਮ ਦੇ ਸੰਚਾਰ (ਅਕਤੂਬਰ 2022)। ਡੀਓਆਈ

[5] ਸਾਹੋਹ, ਬੀ., ਆਦਿ। "ਉੱਚ-ਦਾਅ ਵਾਲੇ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਵਿਆਖਿਆਯੋਗ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਭੂਮਿਕਾ: ਇੱਕ ਸਮੀਖਿਆ।" ਪੈਟਰਨ (2023)। ਪਬਮੇਡ ਸੈਂਟਰਲ। ਲਿੰਕ