GraphRAG (KG+LLM), constraint-guided generation, LLM как движок вывода + логика как guardrails, fuzzy+neural, онтологии как structured memory для RAG. Путь от символов к гибриду.
ANFIS, нейросеть обучает функции принадлежности, правила остаются интерпретируемыми
Microsoft GraphRAG (2024), KG как structured memory для RAG, извлечение графов из текста
Constraint-guided generation, fact-checking через онтологии, логические guardrails
Почему чистый DL недостаточен. Три параграфмы синтеза: DL+логика, DL+KG, DL+constraints
Арка направления: классический ИИ → зимы → DL → нейросимволический синтез. Что дальше