Конвергенція моделей знань та моделей штучного інтелекту

Анотація

Цифровізація різних сфер діяльності для забезпечення сталого розвитку супроводжується дедалі більш широким використанням інструментів штучного інтелекту. Адаптація моделей штучного інтелекту до цільової області застосування може здійснюватися за допомогою предметних моделей знань. Використання штучного інтелекту в поєднанні з ефективним управлінням знаннями має вирішальне значення для забезпечення конкурентоспроможності організацій в умовах швидких змін навколишнього середовища. Інтеграція штучного інтелекту з моделями знань створює кілька проблем, пов'язаних з координацією моделей обробки інформації та інтерпретацією їх результатів. Ці проблеми пов’язані з технологічними, організаційними та етичними аспектами. Великі мовні моделі (LLM), що працюють на основі методів глибокого навчання (DL) використовуються у області розпізнавання натуральної мови (NLP). Конвергенція LLM та ГЗ спрямована на використання переваг обох моделей, забезпечуючи конвергентну модель, яка може добре працювати як у представленні знань, так і в логічному виведенні. Застосування моделей знань для класифікації застосувань ШІ у мережах 5G/6G відповідно до їхньої ролі в мережевих операціях та впливу на вертикальні сфери, такі як Інтернет речей (IoT), охорона здоров'я та транспорт забезпечують оптимізацію мережі, прогнозну аналітику та підвищення безпеки. Конвергенція моделей ШІ та моделей знань у метавсесвіт створює окремі проблеми, що виникають через взаємодію між віртуальними середовищами та технологіями. У статті розглядаються підходи до забезпечення узгодженого використання моделей штучного інтелекту та моделей знань у вирішенні різних завдань, а також визначаються пріоритетні завдання, пов'язані з інтеграцією моделей штучного інтелекту та моделей знань