Jakie są ontologie w AI?

Czym dokładnie są ontologie w AI? Jak mam je napisać i dlaczego są ważne?

Ontologia

Przed bezpośrednim rozważeniem pytania warto zapoznać się z pochodzeniem ontologii. Pomoże to zrozumieć, dlaczego wybrano ten termin i zachować jasność na temat tego, czym jest ontologia, a co nie.

rzeczownik ontologiczny on · tol · o · gy | \ än-ˈtä-lə-jē

1: gałąź metafizyki związana z naturą i relacjami bytu - Ontologia zajmuje się abstrakcyjnymi bytami.

2: szczególna teoria o naturze bytu lub rodzajach rzeczy, które istnieją

Pojęcie ontologii nie narodziło się w świecie oprogramowania, chociaż abstrakcja oprogramowania jest w pewnym stopniu ontologiczna. Niektóre literatury mylą ontologię z mapą zależności między konkretnymi typami w projektowaniu obiektowym, która może nie być wystarczająco abstrakcyjna, aby uzasadnić użycie tego terminu.

Ontologia w AI

Istnieje kilka klas interesariuszy lub zespołów profesjonalistów, którzy chcą odkryć rzeczy, które nie zostały wynalezione lub umieszczone, ale mimo to istnieją. Ten trend wywodzi się ze środowisk akademickich, jak wielu.

Mamy kilka oczywistych zastosowań odkrywania pojawiania się rzeczy, które nie były planowane lub nawet początkowo zauważane.

• Firmy zamierzające działać proaktywnie, czyli aplikacja Business Intelligence
• Badacze systemów języka naturalnego zamierzający zmapować sekwencje elementów językowych, takich jak słowa, przedrostki, sufiksy, koniugacje czasowników, żargon wielowyrazowy lub kolokwializm do i od sieci semantycznych i struktur asocjacyjnych
• Badacze danych zainteresowani śledzeniem pojawiania się światowych połączeń internetowych i redundancji treści

Artykuł, do którego odnosi się pierwszy komentarz do pytania, zawiera ciekawy akapit: „Literatura na temat sztucznej inteligencji zawiera wiele definicji ontologii; wiele z nich jest ze sobą sprzecznych. Dla celów tego przewodnika ontologia jest formalnym, wyraźnym opisem pojęć w dziedzinie dyskursu (klasy (czasem nazywane pojęciami)), właściwości każdego pojęcia opisujące różne cechy i atrybuty pojęcia (szczeliny (czasem nazywane rolami lub właściwościami)) oraz ograniczenia dotyczące automatów (aspekty (czasami nazywane ograniczeniami ról)) Ontologia wraz z zestawem poszczególnych instancji zajęć stanowi bazę wiedzy. W rzeczywistości istnieje linia, w której kończy się ontologia i zaczyna się baza wiedzy. ”

Zwróć uwagę na powyższą składnię LISP. Zwróć także uwagę na sprzeczne definicje ontologii, która dotyczy AI. Definicje te czasami odnoszą się do klas pojęciowych, jak w ramce uczenia się PAC (prawdopodobnie w przybliżeniu poprawnej). Mogą odnosić się do prac NLP dotyczących semantyki.

Rozsądne może być ustabilizowanie tego terminu, dlatego definicja słownika została odtworzona powyżej. Sztuczna inteligencja nie skorzystałaby na pojawieniu się wprowadzającego w błąd żargonu, w którym słowa nie oznaczają już tego, co kiedyś miały na myśli, tylko dlatego, że nikt nie poświęcił czasu, aby zobaczyć, co było uzasadnione w ich znaczeniu, zanim zaczęli pisać artykuły.

Niektóre referencje

Oto kilka publikacji akademickich, które zawierają przegląd wykorzystania pojęć ontologicznych w odkrywaniu.

• Uczenie się ontologii dla sieci semantycznej , A Maedche, S Staab - Inteligentne systemy IEEE, 2001

• W kierunku rozszerzalnej ontologii kontekstowej dla inteligencji otoczenia , D Preuveneers, J Van den Bergh, D Wagelaar, 2004

• Uczenie się ontologii z tekstu: metody, ocena i zastosowania *, P Buitelaar, P Cimiano, B Magnini, 2005

• Ekstrakcja informacji opartych na ontologii dla wywiadu gospodarczego , H Saggion, A Funk, D Maynard, K Bontcheva, The Semantic Web, 2007