論文の概要: Knowledge Cards: Structured Knowledge for AI Systems
- arxiv url: http://arxiv.org/abs/2608.26176v1
- Date: Fri, 31 Jul 2026 07:54:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 05:49:59.254308
- Title: Knowledge Cards: Structured Knowledge for AI Systems
- Title（参考訳）: 知識カード:AIシステムのための構造化知識
- Abstract要約: 本稿では、専門家がレビューできる形で、単一の境界概念に関する検証済みの知識をキャプチャする構造化アーティファクトである知識カードを紹介する。
初期のプロトタイプカードはエネルギーと医薬品の領域で製造されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI systems whose outputs inform real decisions, and increasingly consequential ones, require something that current documentation practice does not provide: a structured, inspectable representation of the knowledge they need to ground, contextualize, and reason about those decisions, ideally reviewed and signed off by a domain expert. Established documentation artefacts already capture important aspects of an AI system. Model cards describe how a system behaves, data cards describe what it was trained on, and system cards describe the risks of a deployed system. None of them addresses the layer between inputs and outputs, more precisely, the concepts a system holds, the relationships it models, and the patterns of reasoning it applies. For pattern-recognition tasks this gap is tolerable. For agentic AI, where systems act on their conclusions, it is the step that most often separates a promising proof of concept from an operational solution an organisation can rely on. This paper introduces the Knowledge Card, a structured artefact that captures validated knowledge about a single bounded concept in a form that experts can review, organisations can audit, and AI systems can reason over. For one concept, such as a specific failure mode, a compliance obligation, or a process decision, a Knowledge Card records the entities and relationships involved, the reasoning that connects them, the conditions under which that reasoning no longer holds, and the provenance of every claim, all grounded in a formal domain ontology and signed off by a domain expert. Initial prototype cards have been built in the energy and pharmaceutical domains. The schema is released as a public draft for community engagement.
- Abstract（参考訳）: アウトプットが実際の決定を通知し、その結果としてますます続くAIシステムは、現在のドキュメントのプラクティスが提供していないものを必要とします。
確立されたドキュメントアーティファクトは、すでにAIシステムの重要な側面を捉えています。
モデルカードはシステムの振る舞いを記述し、データカードはトレーニングされたことを記述し、システムカードはデプロイされたシステムのリスクを記述します。
これらはいずれも、入力と出力の間の層、より正確には、システムが持つ概念、モデル化する関係、適用する推論のパターンに対処するものではない。
パターン認識タスクでは、このギャップは許容できる。
システムが結論に反応するエージェントAIにとって、ほとんどの場合、ある組織が依存できる運用ソリューションから概念の有望な証明を分離するステップである。
本稿では、専門家がレビューし、組織が監査し、AIシステムが推論できる形式で、単一の境界概念に関する検証済みの知識をキャプチャする構造化されたアーティファクトであるKnowledge Cardを紹介する。
特定の障害モード、コンプライアンス義務、プロセス決定のような1つの概念では、知識カードは関連するエンティティと関係、それらを結ぶ推論、その推論がもはや持たない条件、すべてのクレームの証明を記録し、すべて正式なドメインオントロジーに根ざし、ドメインの専門家によって署名される。
初期のプロトタイプカードはエネルギーと医薬品の領域で製造されている。
スキーマはコミュニティエンゲージメントのためのパブリックドラフトとしてリリースされている。
関連論文リスト
- Knowledge-Centric Information Systems [0.0]
本稿では、企業人工知能(AI)システムが、組織的知識を表現、維持、管理、運用するためのアーキテクチャ分野への移行を示唆する。
我々は、管理単位がレコードから知識アーティファクトへ移行する際に、古典的なデータエンジニアリング保証をどのように再定義しなければならないかを示す概念モデルと分類を提供する。
中心的な主張は、組織的知識が受動的情報資源に終止符を打つと、知識アーキテクチャが有用になり、人間、エージェント、モデルが作業を実行するために使用する運用資産となることである。
論文 参考訳（メタデータ） (2026-07-01T15:05:40Z) - A Practice Auditing Framework for Large Language Model Use: Collective Empiricism, Pseudo-Rational Cognition, and Governance of AI-Generated Content [9.414394075880033]
本稿では,LLM利用とAI生成コンテンツガバナンスのための実践監査フレームワークを提案する。
本稿は,AIの主観的錯覚,入力材料における主観的構造,AI-AI会話におけるテンプレートループ,AIGC検出における統計的誤判断,生成したコンテンツが将来的なコンテキストに入る際のメモリ汚染を解析する。
論文 参考訳（メタデータ） (2026-06-02T00:46:47Z) - From Use to Oversight: How Mental Models Influence User Behavior and Output in AI Writing Assistants [70.1699066541501]
システムの動作に関する機能的、あるいは関連性、システムの動作に関する構造的、あるいは関連性という、2つのタイプのメンタルモデルについて検討する。
構造的精神モデル状態の参加者は、システムに対する理解を深める一方、これはバックフィリング効果をもたらす可能性がある。
論文 参考訳（メタデータ） (2026-04-06T20:50:44Z) - Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。
25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。
私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
論文 参考訳（メタデータ） (2025-10-01T07:59:03Z) - Information Inference Diagrams: Complementing Privacy and Security Analyses Beyond Data Flows [1.7999333451993953]
情報推論ダイアグラム(I2D)は、分散システムのプライバシとセキュリティ分析のための既存のアプローチを補完することを目的としている。
I2Dは情報伝達を表現し、単なるデータフローを超えて脅威モデリングにおけるより正式な推論を可能にする。
論文 参考訳（メタデータ） (2024-05-14T06:52:56Z) - Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。
人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。
本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
論文 参考訳（メタデータ） (2024-04-29T04:51:05Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - Knowledge-intensive Language Understanding for Explainable AI [9.541228711585886]
AIが主導する意思決定の仕方と、どの決定要因が含まれているかを理解することが不可欠である。
意思決定に直接関係する人間中心の説明を持つことは重要である。
人間が理解し、使用する明示的なドメイン知識を巻き込む必要がある。
論文 参考訳（メタデータ） (2021-08-02T21:12:30Z) - Explanation Ontology: A Model of Explanations for User-Centered AI [3.1783442097247345]
説明はしばしば、原則的でないポストホックな方法でAIシステムに追加されている。
これらのシステムの採用が拡大し、ユーザ中心の説明可能性に重点を置いているため、説明可能性について第一の考慮事項として扱う構造的表現が必要である。
我々は,説明の役割,システムとユーザ属性の双方をモデル化するための説明オントロジーを設計し,異なる文献に基づく説明型の範囲を設計する。
論文 参考訳（メタデータ） (2020-10-04T03:53:35Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z) - A Methodology for Creating AI FactSheets [67.65802440158753]
本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。
方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。
この方法論は、透明なAIドキュメントの採用を加速する。
論文 参考訳（メタデータ） (2020-06-24T15:08:59Z)
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。