L’Intelligenza Artificiale (IA) contemporanea si articola principalmente in due paradigmi fondamentali: l’approccio simbolico e quello sub-simbolico. L’IA simbolica si basa su rappresentazioni esplicite della conoscenza e su sistemi di inferenza logica, garantendo elevati livelli di trasparenza, verificabilità e controllo, risultando particolarmente adatta in contesti safety-critical. Tuttavia, essa presenta limitazioni significative nella gestione di dati non strutturati ad alta dimensionalità. Al contrario, l’IA sub-simbolica, fondata su reti neurali e modelli statistici, consente di apprendere rappresentazioni complesse a partire dai dati, ma soffre di scarsa interpretabilità e assenza di garanzie formali. In questo contesto, l’IA neuro-simbolica emerge come paradigma integrato, volto a combinare apprendimento automatico e ragionamento logico, migliorando robustezza, efficienza e capacità di generalizzazione.