神经概念人工智能：集成 OPM 与深度学习以提升问答质量
计算与语言
2025-02-17 v1 人工智能
摘要
知识表示与推理是人工智能中的关键挑战，尤其是在实现神经符号方法融合以构建可解释且透明的AI系统方面。传统的知识表示方法往往难以捕捉复杂过程和状态变化。我们引入神经概念人工智能（Neuro-Conceptual Artificial Intelligence, NCAI），这是一种针对神经符号AI方法的专业化形式，通过集成对象-过程方法（OPM, Object-Process Methodology）ISO 19450:2024与深度学习技术，来增强问答（Question Answering, QA）质量。通过利用原语学习将自然语言文本转换为 OPM 模型，NCAI 利用 OPM 的表达力，来表示复杂的 OPM 元素——过程、对象和状态——超越传统基于三元组的知识图谱所能轻易捕捉的范围。这种丰富的结构化知识表示提高了问答系统中推理的透明度和答案的准确性。我们进一步提出了透明度评估指标，以定量衡量预测推理过程如何忠实于基于 OPM 的概念逻辑。我们的实验表明，NCAI 在各类基准上均优于传统方法，凸显了其在提供丰富知识表征、可衡量的透明度以及改进推理方面的潜力，以推动神经符号AI的发展。
引用
@article{arxiv.2502.09658,
title = {Neuro-Conceptual Artificial Intelligence: Integrating OPM with Deep Learning to Enhance Question Answering Quality},
author = {Xin Kang and Veronika Shteingardt and Yuhan Wang and Dov Dori},
journal= {arXiv preprint arXiv:2502.09658},
year = {2025}
}
备注
15 pages, 3 figures,