AS2: Neuro‑symbolische KI ohne Solver – 100 % Sudoku‑Genauigkeit

Eine neue, vollständig differenzierbare Neuro‑Symbolik-Architektur namens AS2 (Aufmerksamkeit-basierte weiche Antwortmengen) hat die Grenzen herkömmlicher KI‑Systeme sprengt. Statt eines diskreten Solver‑Schrittes nutzt AS2 eine weiche, kontinuierliche Annäherung an den unmittelbaren Konsequenzoperator der Antwortmengen-Programmierung (ASP). Dadurch bleibt während des gesamten Vorwärtspasses eine Wahrscheinlichkeitsverteilung für jede Symbolposition erhalten, und das Modell kann end‑to‑end trainiert werden, indem der Fixpunkt‑Residual des probabilistischen Operators minimiert wird.

AS2 verzichtet komplett auf klassische Positions‑Embeddings. Stattdessen werden die Strukturinformationen des Problems direkt über Embeddings der Constraint‑Gruppen kodiert, die exakt die deklarative ASP‑Spezifikation widerspiegeln. Diese Herangehensweise macht das Modell völlig positionsunabhängig und ermöglicht eine nahtlose Integration von logischen Beschränkungen in den Lernprozess.

Die Ergebnisse sind beeindruckend: Auf dem Visual‑Sudoku‑Datensatz erzielt AS2 eine Zell‑Genauigkeit von 99,89 % und erfüllt sämtliche Sudoku‑Regeln zu 100 % – alles ohne einen externen Solver. Bei der Aufgabe MNIST‑Addition mit 2, 4 oder 8 Addenden erreicht das Modell eine Ziffergenauigkeit von über 99,7 % in allen Skalen. Diese Leistungen zeigen, dass ein weicher, differenzierbarer Fixpunkt‑Operator in Kombination mit constraint‑aware Attention die Leistungsfähigkeit neuro‑symbolischer Systeme deutlich steigern kann.