AAIP – Hoofdstuk 3
Logica, Redeneren & Symbolische AI
3.1 Waarom dit hoofdstuk belangrijk is
Moderne AI draait om neurale netwerken en deep learning, maar de wortels van AI liggen in
logica, redeneren en symbolische systemen.
Om AI op professioneel niveau te begrijpen, moet je weten:
- hoe AI begon als een logisch systeem,
- hoe machines redeneren met regels,
- waarom symbolische AI faalde,
- en waarom het vandaag opnieuw relevant wordt.
Symbolische AI vormt de basis voor reasoning‑modellen, kennisbanken, planning en AGI‑onderzoek.
3.2 Wat is symbolische AI?
Symbolische AI (ook wel GOFAI: Good Old‑Fashioned AI) gaat uit van het idee dat intelligentie
ontstaat door symbolen te manipuleren volgens logische regels.
3.2.1 Kernidee
“Intelligentie = logische regels + symbolen + redenering”
Symbolische AI werkt met:
- logische uitspraken,
- kennisregels,
- feiten en relaties,
- deductie en inferentie.
3.2.2 Voorbeelden van symbolische systemen
- Expert systemen
- Planningsalgoritmen
- Logische redeneermachines
- Prolog‑programma’s
3.3 Logica: de taal van klassieke AI
3.3.1 Propositional logic (propositionele logica)
Dit is de simpelste vorm van logica. Uitspraken zijn waar of onwaar.
- P = “Het regent”
- Q = “De straat is nat”
Regels:
- P → Q (als het regent, wordt de straat nat)
- P is waar → Q moet waar zijn
3.3.2 Predicate logic (predicatenlogica)
Veel krachtiger: werkt met objecten, relaties en variabelen.
- Mens(Jan)
- Vriend(Jan, Piet)
- ∀x Mens(x) → Sterfelijk(x)
Hiermee kun je echte kennis modelleren.
3.4 Redeneren: hoe machines conclusies trekken
3.4.1 Deductie
Van algemene regels naar specifieke conclusies.
Alle mensen zijn sterfelijk.
Socrates is een mens.
→ Socrates is sterfelijk.
3.4.2 Inductie
Van voorbeelden naar algemene regels.
Dit is de basis van machine learning.
3.4.3 Abductie
De beste verklaring zoeken voor een observatie.
Wordt gebruikt in medische AI en diagnose‑systemen.
3.5 Waarom symbolische AI faalde
Symbolische AI was krachtig, maar had grote beperkingen:
- Regels zijn moeilijk te maken en te onderhouden
- De echte wereld is te complex voor IF‑THEN logica
- Symbolische systemen kunnen niet leren
- Ze zijn fragiel: één ontbrekende regel → systeem faalt
Symbolische AI werkt goed in perfecte werelden,
maar slecht in rommelige, echte situaties.
3.6 Waarom symbolische AI nu terugkomt
Moderne AI combineert neurale netwerken met symbolische systemen.
Dit heet Neuro‑Symbolic AI.
Redenen voor de comeback:
- LLM’s zijn slecht in exacte logica → symboliek vult dat aan
- Symbolische systemen zijn uitlegbaar
- Ze zijn essentieel voor reasoning en planning
- AGI‑onderzoek gebruikt steeds meer logische structuren
Symbolische AI is dus geen verleden tijd — het is de toekomst van reasoning.
3.7 Reflectie‑opdracht
Beantwoord de volgende vragen schriftelijk:
- Leg in je eigen woorden uit wat symbolische AI is.
- Noem één voordeel en één nadeel van logica‑gebaseerde AI.
- Waarom denk je dat symbolische AI terugkomt in moderne systemen?
- Welke vorm van redeneren (deductie, inductie, abductie) spreekt jou het meest aan?