論文の概要: The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies
- arxiv url: http://arxiv.org/abs/2404.03044v1
- Date: Wed, 3 Apr 2024 20:08:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 16:44:51.928241
- Title: The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies
- Title（参考訳）: 人工知能オントロジー:LLMによるAI概念階層の構築
- Authors: Marcin P. Joachimiak, Mark A. Miller, J. Harry Caufield, Ryan Ly, Nomi L. Harris, Andrew Tritt, Christopher J. Mungall, Kristofer E. Bouchard,
- Abstract要約: 人工知能オントロジー(AIO)は、人工知能の概念、方法論、それらの相互関係の体系化である。
AIOは、AI技術の技術的側面と倫理的側面の両方を含む包括的なフレームワークを提供することによって、急速に進化するAIの展望に対処することを目指している。
- 参考スコア（独自算出の注目度）: 0.7796141041639462
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Artificial Intelligence Ontology (AIO) is a systematization of artificial intelligence (AI) concepts, methodologies, and their interrelations. Developed via manual curation, with the additional assistance of large language models (LLMs), AIO aims to address the rapidly evolving landscape of AI by providing a comprehensive framework that encompasses both technical and ethical aspects of AI technologies. The primary audience for AIO includes AI researchers, developers, and educators seeking standardized terminology and concepts within the AI domain. The ontology is structured around six top-level branches: Networks, Layers, Functions, LLMs, Preprocessing, and Bias, each designed to support the modular composition of AI methods and facilitate a deeper understanding of deep learning architectures and ethical considerations in AI. AIO's development utilized the Ontology Development Kit (ODK) for its creation and maintenance, with its content being dynamically updated through AI-driven curation support. This approach not only ensures the ontology's relevance amidst the fast-paced advancements in AI but also significantly enhances its utility for researchers, developers, and educators by simplifying the integration of new AI concepts and methodologies. The ontology's utility is demonstrated through the annotation of AI methods data in a catalog of AI research publications and the integration into the BioPortal ontology resource, highlighting its potential for cross-disciplinary research. The AIO ontology is open source and is available on GitHub (https://github.com/berkeleybop/artificial-intelligence-ontology) and BioPortal (https://bioportal.bioontology.org/ontologies/AIO).
- Abstract（参考訳）: 人工知能オントロジー(AIO)は、人工知能の概念、方法論、それらの相互関係の体系化である。
手作業によるキュレーションを通じて開発され、大規模言語モデル(LLM)のさらなる支援により、AI技術の技術的側面と倫理的側面を包含する包括的なフレームワークを提供することによって、AIの急速に進化する状況に対処することを目的としている。
AIドメイン内の標準化された用語と概念を求めるAI研究者、開発者、教育者が含まれる。
ネットワーク、レイヤ、関数、LLM、前処理、バイアスの6つのトップレベルブランチで構成されており、それぞれがAIメソッドのモジュール構成をサポートし、ディープラーニングアーキテクチャとAIの倫理的考察の深い理解を促進するように設計されている。
AIOの開発では、オントロジー開発キット(ODK)を開発とメンテナンスに利用し、コンテンツはAI駆動のキュレーションサポートを通じて動的に更新された。
このアプローチは、AIの急激な進歩の中でオントロジーの関連性を保証するだけでなく、新しいAI概念と方法論の統合を簡素化することによって、研究者、開発者、教育者に対するその有用性を著しく向上させる。
オントロジーの実用性は、AI研究出版物のカタログにおけるAIメソッドデータのアノテーションとBioPortalオントロジーリソースへの統合を通じて実証され、学際的な研究の可能性を強調している。
AIOオントロジーはオープンソースで、GitHub(https://github.com/berkeleybop/artificial-intelligence-ontology)とBioPortal(https://bioportal.bioontology.org/ontologies/AIO)で入手できる。
関連論文リスト
- Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - Development of an Adaptive Multi-Domain Artificial Intelligence System Built using Machine Learning and Expert Systems Technologies [0.0]
人工知能(AGI)は、人工知能(AI)研究においてしばらくの間、明白な目標であった。
AGIは、人間のように、新しい問題領域にさらされ、それを学び、推論プロセスを使って意思決定する能力を持つでしょう。
本稿では,AGIの製作に向けての歩みについて述べる。
論文 参考訳（メタデータ） (2024-06-17T07:21:44Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - Advancing Explainable AI Toward Human-Like Intelligence: Forging the
Path to Artificial Brain [0.7770029179741429]
説明可能なAI(XAI)における人工知能(AI)と神経科学の交差は、複雑な意思決定プロセスにおける透明性と解釈可能性を高めるために重要である。
本稿では,機能ベースから人間中心のアプローチまで,XAI方法論の進化について考察する。
生成モデルにおける説明可能性の達成、責任あるAIプラクティスの確保、倫理的意味への対処に関する課題について論じる。
論文 参考訳（メタデータ） (2024-02-07T14:09:11Z) - A call for embodied AI [1.7544885995294304]
我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。
Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。
このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
論文 参考訳（メタデータ） (2024-02-06T09:11:20Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Watershed of Artificial Intelligence: Human Intelligence, Machine
Intelligence, and Biological Intelligence [0.2580765958706853]
本稿は,23年前に提案された1回学習機構と,それに続く画像分類におけるワンショット学習の成功をレビューする。
AIは、人工知能(AHI)、人工知能(AMI)、および人工知能(ABI)の3つのカテゴリに明確に分割されるべきである。
論文 参考訳（メタデータ） (2021-04-27T13:03:25Z) - AI from concrete to abstract: demystifying artificial intelligence to
the general public [0.0]
本稿では,コンクリートから抽象的(AIcon2abs)への新たな方法論,AIについて述べる。
主な戦略は、人工知能のデミスティフィケーションを促進することである。
WiSARDの軽量化により、トレーニングタスクと分類タスクの視覚化と理解が容易になる。
論文 参考訳（メタデータ） (2020-06-07T01:14:06Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。