Integrating knowledge graphs and multilingual scholarly corpora for domain-adaptive LLMs in SSH
Dieses Papier skizziert eine laufende Initiative innerhalb des LLMs4EU-Projekts und der ALT-EDIC-Infrastruktur zur Anpassung von Foundation Models für die Forschung in den Sozial- und Geisteswissenschaften durch die Integration von Wissensgraphen und multilingualen Korpora unter Anwendung eines strengen quantitativen und qualitativen Evaluierungsrahmens, um eine zuverlässige, ethisch konforme und domänensensible KI-Unterstützung für wissenschaftliche Aufgaben zu gewährleisten.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Ganze: KI lehren, wie ein Humanist zu lesen
Stellen Sie sich vor, Sie hätten einen superintelligenten Roboter-Bibliothekar (ein Large Language Model oder LLM), der fast alles im Internet gelesen hat. Er ist großartig darin, Fragen zu Wissenschaft, Mathematik und englischen Nachrichten zu beantworten. Aber wenn Sie ihn nach Geschichte, Philosophie oder Literatur auf Französisch oder Italienisch fragen, macht er oft Fehler. Er neigt dazu, Bücher zu ignorieren, sich nur auf englischsprachige Fachartikel zu konzentrieren und die tiefe, komplexe und interpretative Art und Weise zu übersehen, wie menschliche Gelehrte tatsächlich denken.
Dieses Papier beschreibt ein Projekt namens ReSearch_SSH (Teil einer größeren europäischen Initiative namens LLMs4EU), das versucht, dies zu korrigieren. Das Ziel ist es, diesen „allgemeinen“ Roboter-Bibliothekar speziell für das Verständnis der Sozial- und Geisteswissenschaften (SSH) zu trainieren. Sie wollen eine KI, die verschiedene Sprachen respektiert, versteht, dass ein Buch genauso wichtig ist wie ein Fachartikel, und weiß, dass derselbe Text je nach Leser auf viele verschiedene Arten interpretiert werden kann.
Das Problem: Die „Einheitslösung“-Falle
Die meisten KI-Tools für die Forschung sind derzeit wie eine generische Weltkarte. Sie sind größtenteils auf Englisch gezeichnet und heben nur die größten Städte hervor (große Fachzeitschriften). Wenn Sie versuchen, ein kleines Dorf in Italien oder eine spezifische historische Debatte in Frankreich mit dieser Karte zu navigieren, verirren Sie sich.
Die Autoren argumentieren, dass dies nicht neutral ist. Es drängt Gelehrte verdrängt, die in anderen Sprachen arbeiten oder Dinge wie alte Manuskripte, digitale Blogs oder lokale Geschichte untersuchen. Es zwingt alle dazu, wie ein „harter Naturwissenschaftler“ zu denken (auf einfache Fakten und Zitate fokussiert), anstatt wie ein Humanist (der nach Kontext, Nuancen und verschiedenen Perspektiven sucht).
Die Lösung: Ein spezialisiertes Werkzeugset
Anstatt eine brandneue Suchmaschine von Grund auf neu zu bauen, modernisiert das Team eine bestehende französische Forschungsplattform namens ISIDORE. Stellen Sie sich ISIDORE als ein riesiges, gut organisiertes Bibliothekskellergeschoss vor. Das Team installiert dort einen neuen „intelligenten Assistenten“.
So bauen sie ihn auf, unter Verwendung von drei Hauptwerkzeugen:
1. Die „Spezialisierte Leseliste“ (Daten)
Man kann einen Koch nicht lehren, französische Küche zu kochen, wenn man ihm nur amerikanische Rezepte gibt. Um die KI zu trainieren, füttern sie sie mit einer massiven, kuratierten Diät aus Texten der Sozial- und Geisteswissenschaften.
- Das Menü: Sie verwenden etwa 3 Millionen Dokumente aus einer Datenbank namens ISTEX. Dies umfasst Bücher, Artikel und Daten in über 60 Sprachen, wobei Französisch und Englisch die Hauptgänge bilden.
- Die Beilagen: Um sicherzustellen, dass die KI den spezifischen Jargon der Digital Humanities versteht, fügen sie italienische Konferenzbeiträge und spezialisierte Zeitschriften hinzu.
- Das Ziel: Dies stellt sicher, dass die KI den spezifischen „Dialekt“ von Gelehrten lernt, nicht nur den „Dialekt“ des Internets.
2. Die „Faktenprüfungs-Karte“ (Knowledge Graphs)
Dies ist der wichtigste Teil. Standard-KIs „halluzinieren“ oft (erfinden Dinge), weil sie basierend auf Mustern raten. Dieses Projekt verwendet einen Knowledge Graph, der wie ein riesiges, vernetztes Netz aus Fakten ist.
- Die Analogie: Stellen Sie sich vor, die KI ist ein Reiseleiter. Eine normale KI würde vielleicht raten, wo ein Wahrzeichen liegt. Diese KI hingegen hält eine detaillierte Karte (Wikidata und andere Graphen) in der Hand, die Autoren mit ihren Büchern, Bücher mit ihren Themen und Themen mit historischen Ereignissen verknüpft.
- Wie es funktioniert: Wenn die KI eine Frage beantwortet, rät sie nicht einfach; sie schaut auf die Karte, findet die exakte Seite im Buch und sagt: „Ich habe diese Antwort in diesem spezifischen Dokument gefunden.“ Dies macht die Antwort nachvollziehbar und zuverlässig.
3. Die „Menschliche Feedbackschleife“ (Evaluierung)
Das Team testet die KI nicht nur mit Computerwerten; sie testet sie mit echten menschlichen Experten.
- Das Gremium: Sie haben eine Gruppe von Digital-Humanities-Gelehrten aus Frankreich und Italien zusammengestellt.
- Der Test: Diese Experten stellen der KI komplexe Fragen und prüfen, ob die Antworten im Kontext einer echten Forschungsarbeit Sinn ergeben. Sie prüfen: „Ist diese Antwort tatsächlich nützlich für einen Historiker? Hat sie eine entscheidende Nuance übersehen?“
- Das Ergebnis: Wenn die KI versagt, erklären die Experten ihr warum, und die KI lernt, wie ein menschlicher Gelehrter zu denken.
Die Spielregeln (Rechtliches & Ethik)
Das Papier betont, dass dies kein „Wilder Westen“-Experiment ist. Sie bauen dies innerhalb eines strengen rechtlichen Rahmens (wie dem EU AI Act und der DSGVO).
- Kein wildes Raten: Die KI ist als „Forschungsassistent“ konzipiert, nicht als Entscheidungsträger. Sie schlägt vor, aber Menschen entscheiden.
- Privatsphäre: Sie achten darauf, keine personenbezogenen Daten zu verwenden, um Menschen zu profilieren.
- Urheberrecht: Sie respektieren die Regeln der verwendeten Bücher. Sie stehlen nicht einfach Inhalte, sondern nutzen lizenzierte Daten und stellen sicher, dass die KI auf die Originalquelle verweist, damit die Autoren die Anerkennung erhalten.
Wo stehen sie jetzt?
Das Projekt befindet sich derzeit in der Vorbereitungsphase.
- Sie sammeln und bereinigen die Daten (die „Zutaten“).
- Sie richten die rechtlichen und ethischen Regeln ein (die „Küchen-Sicherheitsprotokolle“).
- Sie stehen kurz davor, die erste Runde des Trainings des Modells mit diesen spezifischen Daten zu beginnen.
Das Fazone
Dieses Papier ist ein Entwurf für den Bau einer KI, die nicht nur wie ein Mensch „spricht“, sondern wie ein Gelehrter denkt. Durch die Kombination einer spezialisierten Bibliothek von Büchern, einer Faktencheck-Karte und einem Team von menschlichen Experten hoffen sie, ein Werkzeug zu schaffen, das Forscher dabei hilft, neue Ideen zu entdecken, ohne die Nuancen, die Sprache und die Ethik zu verlieren, die die Geisteswissenschaften so besonders machen. Es geht darum, sicherzustellen, dass die KI dem Gelehrten dient, anstatt den Gelehrten zu zwingen, seine Arbeitsweise zu ändern, um in die KI zu passen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.