Clavis: Ingestione multimodale e regole logiche. Come unire la visione AI al rigore del ragionamento simbolico

“Nihil est quod non ipsa ratio rationi iuncta perficiat.”
(“Non c'è nulla che la ragione stessa, unita alla ragione, non possa perfezionare.”)
Seneca

Del nostro software Clavis abbiamo già esplorato la sua architettura di sicurezza e il modo in cui gestisce il calcolo matematico esatto per scongiurare le allucinazioni dell'IA. Tuttavia, le sfide della conoscenza aziendale non si limitano a testi puliti e calcoli isolati. Molto spesso, i dati più preziosi sono intrappolati in scansioni complesse, grafici, tabelle o schemi visivi. Inoltre, le imprese non hanno solo bisogno di cercare informazioni, ma devono anche poter applicare a queste informazioni delle regole decisionali o prescrittive ("se si verificano le condizioni A e B, allora si applica la procedura C").

In questo articolo vedremo come Clavis affronta questi due scenari critici attraverso l'ingestione multimodale e un motore di inferenza neuro-simbolica dedicato, nato dalla passione per il Prolog e la programmazione logica di uno degli autori di questa piattaforma.

Partiamo con l'Ingestione Multimodale: i tradizionali software di riconoscimento ottico dei caratteri (OCR) mostrano evidenti limiti strutturali di fronte a documenti non uniformi. Di norma, una tabella scansionata viene frammentata in righe di testo illeggibili, mentre le formule scientifiche si trasformano in stringhe di simboli privi di senso. Clavis affronta l'acquisizione dei documenti con una logica nativamente multimodale. Invece di affidarsi a un OCR statico, la piattaforma invia i PDF e le immagini a un endpoint di visione avanzata (VLM - Vision Language Model) integrato nel servizio, le cui operazioni fondamentali si possono tradurre in:

• Ricostruzione del Layout: Il sistema identifica le gerarchie del testo, i titoli, i blocchi di citazione e le note a margine, preservandone l'ordine logico.
• Tabelle Strutturate: Le tabelle presenti nelle immagini o nelle scansioni non vengono lette come testo piano, ma ricostruite ed estratte direttamente in formato strutturato (JSON), pronte per essere interrogate con precisione chirurgica.
• Trascrizione di Formule e Diagrammi: Le equazioni matematiche, fisiche o finanziarie vengono convertite nel formato standard LaTeX, mappando esplicitamente le variabili coinvolte e le relative unità di misura per l'esecuzione deterministica.

E veniamo al Motore di Inferenza Neuro-Simbolica: Immaginiamo un'azienda manifatturiera che debba valutare la conformità di un nuovo materiale rispetto a una serie di vincoli tecnici, oppure un centro di ricerca alimentare che debba sostituire una proteina animale con un'alternativa vegetale rispettando soglie nutrizionali e strutturali. Come descrivere queste regole operative al sistema senza dover produrre ogni volta del nuovo codice informatico? Clavis integra un motore di inferenza dichiarativa (ispirato alla logica di programmazione Prolog) dove le regole vengono scritte in un linguaggio logico leggibile e memorizzate come dati isolati per ciascun cliente (senza richiedere riavvii del software). La vera innovazione di Clavis risiede nella natura ibrida (neuro-simbolica) di questo motore:

• Il controllo deterministico (simbolico): L'ordine di esplorazione delle regole, la gestione dei passaggi logici e la verifica rigorosa delle guardie matematiche sono guidati interamente da un algoritmo software rigido e trasparente. Inoltre, per evitare cicli infiniti o sovraccarichi del server, il sistema applica budget espliciti di passi ed esecuzione.
• L'unificazione semantica (neurale): Nei sistemi esperti tradizionali, una regola si attiva solo se c'è una corrispondenza testuale identica (es. "pollo" corrisponde solo a "pollo"). In Clavis, l'LLM funge da "oracolo neurale". Quando il motore incontra un predicato semantico, l'IA valuta la coerenza concettuale dei dati estratti (es. riconoscendo in autonomia che "pollo" unifica con il concetto di "proteina animale") e restituisce un grado di aderenza espresso in valori matematici da 0 a 1.

Il valore epistemico e la regola dell'anello debole: come si può valutare l'affidabilità di una conclusione raggiunta attraverso una catena di deduzioni logiche e semantiche? Clavis adotta un approccio improntato al massimo rigore e alla trasparenza decisionale: la t-norma di Gödel (o logica del minimo). Il punteggio di affidabilità dell'intera catena di ragionamento equivale a quello del suo anello più debole. Se Clavis compie cinque passaggi logici esatti al 100% e un solo passaggio semantico incerto valutato al 72%, la conclusione finale riporterà una confidenza globale del 72%. Inoltre, Clavis documenta visivamente l'intera derivazione logica: l'utente può esaminare l'albero decisionale completo, visualizzando non solo la strada intrapresa con le relative fonti citate, ma anche i tentativi falliti o scartati per insufficiente livello di confidenza.

Dall'acquisizione intelligente del layout dei file fino all'applicazione di regole decisionali flessibili ma controllate, Clavis è progettato per dare alle organizzazioni uno strumento di ragionamento stabile, integrato e privo di ambiguità per garantire strumenti concreti in termini di sicurezza aziendale.

Se volete approfondire come Clavis possa essere configurato per modellare le regole e i documenti specifici della vostra attività o se desiderate saperne di più sulle opportunità di partnership e investimento, vi invitiamo a contattarci direttamente scrivendo a luigi@verdelab.info.