ニューロシンボリックAI（神経記号統合型人工知能）は、純粋なニューラルネットワークシステムの限界を克服するための有望なアプローチとして注目されています。従来のディープラーニングは高い予測精度を持つ一方で、意思決定過程が不透明で、論理的な推論能力に欠ける傾向があります。本研究は、ベルナップの型付き内包一階論理（IFOL_B）に基づくニューロシンボリックAIの認知能力を大幅に拡張することを目指しています。 研究チームは、ニルソンの確率構造をIFOL_Bに適用することで、未知の命題に対する確率計算を導入しました。これにより、システムは単なる論理的演繹だけでなく、確率的推論によって不確実性を処理できるようになります。さらに、グローバルな対称性変換とローカルな対称性変換という2つのレベルの変換を提案しており、グローバル変換は現在の知識ベースと論理的演繹を保存しながら、ローカル変換は具体的な部分問題に対するリアルタイム意思決定を支援します。 確率密度関数KIの計算にはシャノンの最大情報エントロピー原理が適用されており、この計算自体がニューラルネットワークによって実行されます。つまり、本研究が提案する確率的ニューロシンボリックAGIは、形式論理による自己参照能力と形式的厳密性を保ちながら、ニューラルネットワークの学習能力と確率的推論能力を統合した、より強力で汎用的な知能システムとなっています。これはAGI（汎用人工知能）の実現に向けた重要な一歩を示唆するものです。