نخستین پیشنشست هشتمین کنگره متخصصان علوم اطلاعات با موضوع هستاننگاری و هوش مصنوعی برگزار شد
نخستین پیشنشست سازماندهی دانش هشتمین کنگره متخصصان علوم اطلاعات با عنوان “نقش هستاننگاری در هوش مصنوعی” در تاریخ ۳ مهر ۱۴۰۳ به صورت مجازی و در بستر ادوبی کانکت برگزار شد. دبیر این پیشنشست دکتر ملیحه درخوش، معاون سیاستگذاری منابع علمی کتابخانه مرکزی و مرکز اسناد دانشگاه تهران و سخنران، مهندس محمد گیوهچی، آنتولوژیست شرکت برهان، بودند.
در ابتدای جلسه، ملیحه درخوش درباره معادل فارسی واژه آنتولوژی صحبت کرد. او توضیح داد که پس از بررسیهایی که با همکاری متخصصان علم اطلاعات و ادبیات فارسی و همچنین فرهنگستان زبان و ادب فارسی انجام شده است، به این نتیجه رسیدهاند که هستاننگاری به لحاظ محتوایی و آوایی از معادلهای دیگر نظیر هستیشناسی، هستانشناسی و هستینگاری مناسبتر است. وی اضافه کرد که مقالهای به همین عنوان توسط دکتر سودابه نوذری در پژوهشنامه پردازش و مدیریت اطلاعات در سال ۱۴۰۲ منتشر شده و در آن نیز این معادل پیشنهاد شده است.
مهندس محمد گیوهچی در ابتدای سخنان خود به رشد فزاینده هوشمصنوعی در حوزههای مختلفی چون تولید متنی و تصویری اشاره کرد. او توضیح داد که شرکتهای پیشرو در این زمینه ابزارهای متعددی را برای توسعه هوشمصنوعی ارائه میدهند و یکی از این ابزارها گراف دانش است که نقش مهمی در این حوزه دارد. گیوهچی تاکید کرد که هدف از این پیشنشست، بررسی ارتباط بین سازماندهی دانش و هوشمصنوعی است.
سرفصلهای ارائه شده توسط سخنران عبارت بودند از:
- هستاننگاری چیست؟
- ابزارهای هستاننگاری کداماند؟
- ویژگیهای منحصر به فرد هستاننگاری چیست؟
- هوشمصنوعی چیست؟
- آیا هوشمصنوعی محدود به مدلهای زبانی بزرگ است؟
- هوشمصنوعی توضیحپذیر چیست؟
مهندس گیوهچی با طرح این پرسش که هستاننگاری چیست؟، توضیح داد که هستاننگاری از ابزاری مانند گراف دانش استفاده میکند که توصیف رسمی از دانش به عنوان مجموعهای از مفاهیم در یک دامنه مشخص و بیان ارتباطات بین این مفاهیم درون این دامنه است. او سپس به ویژگیهای منحصر به فرد هستاننگاری اشاره کرد که شامل موارد زیر میشود:
- بازنمایی روابط منطقی
- هویتهای یکتا و موجودیتهای منحصر به فرد فراداده و دانشهای پنهان
- اولویت داشتن سطح معنایی
- قابلیت باز استفادگی و اشتراکپذیری
- یکپارچگی ماشینی
- قابلیت جستجوی بین پایگاهی
گیوهچی افزود که زبانهای OWL و SPARQL برای بازنمایی روابط موجود در فراداده به زبان ماشین استفاده میشوند. همچنین، RDF به عنوان یکی از روشهای بازنمایی گرافها به کار گرفته میشود که هویتهای یکتا و موجودیتهای منحصر به فردی دارد و باعث ایجاد یکپارچگی ماشینی بین دادهها میشود.
او ادامه داد که هوشمصنوعی به معنای توانایی انجام کارکردهای مختلف مانند انسان است، نظیر تولید زبان و توضیحپذیری. به عنوان مثال، در پزشکی، علائم بیمار توسط هوشمصنوعی تحلیل میشود و تشخیص داده میشود که بیمار به اماس مبتلا است. با این حال، پزشک به دنبال دلایل این تشخیص و مبانی منطقی آن است که هوشمصنوعی توضیحپذیر میتواند این چرایی را پاسخ دهد. گیوهچی اشاره کرد که سوگیری دادهها یکی از نگرانیهای مهم در هوشمصنوعی توضیحپذیر است و سالم بودن دادهها اهمیت زیادی دارد.
در ادامه، گیوهچی به بازنمایی دانش مبتنی بر آنتولوژی پرداخت و توضیح داد که تمامی ردهها، روابط و روابط بین آنها با ابزارهای مناسب طراحی میشوند. ابزارهایی مانند OWL، SWRL و SPARQL قابلیت خوانش ماشینی دارند و استدلالورزیهایی را از میان دادهها انجام میدهند.
او اشاره کرد که شرکت برهان در این زمینه فعالیت میکند و به دنبال انجام استدلالورزیهای پیچیده به شکل ماشینی است. آنها یک upper ontology مخصوص طراحی کردهاند که سیستمهای منطقی مختلف را پشتیبانی میکند. گیوهچی افزود که سیستمهای گرافی میتوانند ناهنجاریها در دادهها را تشخیص دهند و این ناهنجاریها منجر به ناسازگاری در سیستم میشوند.
در نهایت، گیوهچی به چهار استفاده آنتولوژی در هوشمصنوعی اشاره کرد:
- بازنمایی دانش مبتنی بر آنتولوژی و استدلالورزی
- کمک از آنتولوژیها برای بهبود LLMها
- بهبود پردازش زبان طبیعی با آنتولوژی
- استفاده از گراف دانش برای تقویت چتباتها
وی به عنوان جمعبندی توضیح داد که هوشمصنوعی، به ویژه LLMها، عرصه رقابتی جدی هستند و هر مزیتی که پیش روی ما قرار میدهند، چالشهایی نیز به همراه دارند که موجب بهبود روشهای قبل میشود. این امر نشان میدهد که ما با تکنولوژی پیش میرویم و آنتولوژیها را نیز بهبود میدهیم.
این نشست با نظرسنجی از کیفیت جلسه و پرسش و پاسخ حاضران با دبیر و سخنران به پایان رسید. هشتمین کنگره متخصصان علوم اطلاعات در تاریخ ۲۲ و ۲۳ آبانماه ۱۴۰۳ توسط انجمن کتابداری و اطلاعرسانی ایران برگزار خواهد شد و نشست سازماندهی دانش، یکی از نشستهای این کنگره خواهد بود.
نظر شما