经神经符号AI的自主业务系统

当前的业务环境要求组织不断重新配置跨职能流程，但企业系统仍然围绕孤立的部门、严格的工作流程和硬编码的自动化进行组织。与此同时，大语言模型 (LLM) 擅长解释自然语言和非结构化数据，但缺乏复杂业务逻辑的确定性、可验证的执行。为了解决这一差距，我们在这里引入 AUTOBUS，这是一个自治业务系统，它将基于 LLM 的人工智能代理、谓词逻辑编程和以业务语义为中心的企业数据集成到一个连贯的神经符号人工智能架构中，用于编排端到端业务计划。 AUTOBUS 将一项计划建模为具有明确前置/后置条件、所需数据、评估规则和 API 级操作的任务网络。企业数据被组织为知识图，其实体、关系和约束被转换为逻辑事实和基本规则，为任务推理提供语义基础。核心人工智能代理将任务指令、企业语义和可用工具合成为特定于任务的逻辑程序，这些逻辑程序由逻辑引擎执行，逻辑引擎强制执行约束、协调辅助工具并协调操作和结果的执行。人类定义和维护语义、策略和任务指令，管理工具，并监督高影响力或模糊的决策，确保问责制和适应性。我们详细介绍了 AUTOBUS 架构、人工智能代理生成的逻辑程序的剖析，以及人类和辅助工具在业务计划生命周期中的作用。