論文の概要: Charting the Future of Scholarly Knowledge with AI: A Community Perspective
- arxiv url: http://arxiv.org/abs/2509.02581v1
- Date: Wed, 27 Aug 2025 09:46:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.224478
- Title: Charting the Future of Scholarly Knowledge with AI: A Community Perspective
- Title（参考訳）: AIによる学問的知識の未来をグラフ化する - コミュニティの視点
- Authors: Azanzi Jiomekong, Hande Küçük McGinty, Keith G. Mills, Allard Oelen, Enayat Rajabi, Harry McElroy, Antrea Christou, Anmol Saini, Janice Anta Zebaze, Hannah Kim, Anna M. Jacyszyn, Sören Auer,
- Abstract要約: 専門分野にわたる学術出版物の急激な増加は、現状を維持するのをますます困難にしている。
様々な研究コミュニティが独立してこの問題に取り組み始めており、信頼性があり、動的で、クエリ可能な知識ベースを構築するためのツールとフレームワークを開発している。
本写本は、学際的対話の育成、共有課題の特定、新しいコラボレーションの分類、学術的知識と組織における今後の研究方向の形成などを行う。
- 参考スコア（独自算出の注目度）: 11.741648697003768
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Despite the growing availability of tools designed to support scholarly knowledge extraction and organization, many researchers still rely on manual methods, sometimes due to unfamiliarity with existing technologies or limited access to domain-adapted solutions. Meanwhile, the rapid increase in scholarly publications across disciplines has made it increasingly difficult to stay current, further underscoring the need for scalable, AI-enabled approaches to structuring and synthesizing scholarly knowledge. Various research communities have begun addressing this challenge independently, developing tools and frameworks aimed at building reliable, dynamic, and queryable scholarly knowledge bases. However, limited interaction across these communities has hindered the exchange of methods, models, and best practices, slowing progress toward more integrated solutions. This manuscript identifies ways to foster cross-disciplinary dialogue, identify shared challenges, categorize new collaboration and shape future research directions in scholarly knowledge and organization.
- Abstract（参考訳）: 学術的な知識抽出や組織化を支援するツールが増えているにもかかわらず、多くの研究者は依然として手作業の手法に依存している。
一方、学問分野にわたる学術出版の急速な増加は、学術知識を構造化し合成するためのスケーラブルでAI対応のアプローチの必要性をさらに強調し、現状を維持するのがますます困難になっている。
様々な研究コミュニティが独立してこの問題に取り組み始めており、信頼性があり、動的で、クエリ可能な学術知識基盤を構築するためのツールやフレームワークを開発している。
しかし、これらのコミュニティ間の限られた相互作用は、メソッド、モデル、ベストプラクティスの交換を妨げ、より統合されたソリューションへの進歩を遅らせている。
本写本は、学際的対話の育成、共有課題の特定、新しいコラボレーションの分類、学術的知識と組織における今後の研究方向の形成などを行う。
関連論文リスト
- A Community-driven vision for a new Knowledge Resource for AI [59.29703403953085]
WordNetのような知識リソースの成功にもかかわらず、検証可能な汎用的な知識ソースは、AIインフラストラクチャにおいて重要な欠陥である。
本稿では,この知見を要約し,新しい知識基盤に向けたコミュニティ主導のビジョンを概説する。
論文 参考訳（メタデータ） (2025-06-19T20:51:28Z) - Recent Advances and Future Directions in Literature-Based Discovery [0.0]
本稿では,文献ベースの発見(LBD)における最近の方法論的進歩について調査する。
知識グラフ構築,ディープラーニングアプローチ,事前学習型および大規模言語モデル(LLM)の統合という,3つの重要な分野の進歩を概観する。
論文 参考訳（メタデータ） (2025-06-14T07:47:13Z) - Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences [50.9036832382286]
我々は、AI研究成果に対する信頼の侵食の増加についてレビューする。
我々は、AIエコシステムの断片化されたコンポーネントと、OpenとSustainable AIを最大限にサポートするためのガイドパスの欠如について論じる。
私たちの研究は、研究者と関連するAIリソースを結びつけることで、持続可能な、再利用可能な、透過的なAIの実装を容易にします。
論文 参考訳（メタデータ） (2025-05-22T12:52:34Z) - Towards deployment-centric multimodal AI beyond vision and language [67.02589156099391]
デプロイ不能なソリューションの可能性を減らすために、デプロイメント制約を早期に組み込んだデプロイメント中心のワークフローを提唱します。
我々は、複数の分野にまたがる共通のマルチモーダルAI固有の課題を特定し、3つの実世界のユースケースについて検討する。
複数の学際的な対話とオープンな研究プラクティスを育むことで、我々のコミュニティは、広く社会に影響を及ぼすためのデプロイメント中心の開発を加速できる。
論文 参考訳（メタデータ） (2025-04-04T17:20:05Z) - A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。
本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。
これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
論文 参考訳（メタデータ） (2025-01-19T23:25:21Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - AI Competitions and Benchmarks: The life cycle of challenges and
benchmarks [0.49478969093606673]
我々は、堅牢なイノベーションの軸として、科学研究とアルゴリズム開発コミュニティを創造的に活用する必要性を論じる。
高度に複雑で大規模なデータ分析における協調的なコミュニティの関与は、ロバストな方法論を見つけるための一つのアプローチとして現れてきた。
論文 参考訳（メタデータ） (2023-12-08T18:44:10Z) - AI for Science: An Emerging Agenda [30.260160661295682]
本報告では,Dagtuhl Seminar 22382 "Machine Learning for Science: Bridging Data-Driven and Mechanistic Modelling"のプログラムと成果について報告する。
AIの変革的ポテンシャルは、分野にわたって広く適用可能であることに由来するもので、研究領域間での統合によってのみ達成される。
技術的な進歩に加えて、この分野における次の進歩の波は、機械学習研究者、ドメインエキスパート、市民科学者、エンジニアのコミュニティを構築することにある。
論文 参考訳（メタデータ） (2023-03-07T20:21:43Z) - Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。
我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文 参考訳（メタデータ） (2023-02-04T04:54:30Z)
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。