OntoExtend: A Framework for Requirement-driven and Scalable Ontology Extension with LLMs
Cet article présente OntoExtend, un cadre axé sur les exigences qui exploite la génération augmentée par la récupération avec des modèles de langage de grande taille pour proposer des extensions d'ontologie ancrées basées sur des questions de compétence, démontrant à travers une évaluation sur des ensembles de données européens et industriels qu'il sert efficacement d'assistant de rédaction ne nécessitant que des révisions mineures pour une intégration dans le monde réel.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayiez de construire une immense bibliothèque de connaissances sur le monde en constante expansion. Dans le monde de l'informatique, cette bibliothèque est appelée une ontologie. Ne la voyez pas comme une étagère de livres, mais plutôt comme une carte numérique extrêmement stricte qui définit comment tout est connecté. C'est le livre de règles qui dit à un ordinateur qu'une « voiture » est un type de « véhicule », qu'un « véhicule » possède un « moteur », et qu'un « moteur » doit avoir une « source de carburant ». Ces cartes sont incroyablement utiles pour aider l'IA à comprendre le monde, mais elles sont notoirement difficiles à construire et encore plus difficiles à mettre à jour. Chaque fois que le monde réel change ou que nous découvrons quelque chose de nouveau, quelqu'un doit s'asseoir manuellement pour réécrire les règles, ce qui est lent, ennuyeux et sujet aux erreurs.
Récemment, un nouveau type de cerveau informatique super intelligent appelé Modèle de Langage Étendu (LLM) est arrivé. Vous les connaissez peut-être sous forme de chatbots capables d'écrire des histoires, de résoudre des problèmes mathématiques ou de répondre à presque toutes les questions que vous posez. Ces modèles sont excellents pour comprendre le langage, mais ils ne sont pas parfaits pour suivre des règles logiques strictes. Si vous leur demandez simplement de « faire une carte des voitures », ils pourraient se montrer créatifs et inventer des règles qui n'ont pas de sens, ou ils pourraient être submergés si vous leur donnez une bibliothèque trop grande pour être lue d'un coup. La grande question que les chercheurs se posent est la suivante : pouvons-nous utiliser ces cerveaux d'IA bavards et créatifs pour mettre à jour nos cartes de connaissances strictes et logiques sans qu'ils ne s'embrouillent ou n'inventent n'importe quoi ?
C'est précisément ce que l'article « OntoExtend » aborde. Les auteurs, une équipe de chercheurs issus d'universités et de l'industrie, ont conçu un nouveau cadre (un ensemble d'instructions pour les ordinateurs) appelé OntoExtend. Au lieu de demander à l'IA de construire une toute nouvelle carte à partir de zéro, OntoExtend agit comme un bibliothécaire intelligent. Lorsque vous avez une nouvelle question ou un nouveau besoin (comme « Nous devons suivre les batteries de véhicules électriques »), le système va d'abord dans la bibliothèque existante, trouve uniquement les pages et les règles spécifiques qui sont pertinentes pour ce sujet, et remet juste ces pages à l'IA. Il lui demande ensuite d'écrire les morceaux manquants de l'histoire en se basant uniquement sur ce qu'elle vient de lire.
Les chercheurs ont testé cette idée sur deux bibliothèques du monde réel très différentes : l'une provenant d'un projet de l'Union européenne sur le recyclage et l'économie circulaire, et l'autre d'une grande entreprise industrielle appelée Bosch. Ils ont soumis au système 39 questions spécifiques (appelées « questions de compétence ») auxquelles les bibliothèques devaient répondre. Les résultats ont été très prometteurs. L'IA, guidée par ce système de bibliothécaire intelligent, a réussi à rédiger de nouvelles sections de la carte des connaissances qui étaient presque parfaitement correctes. En fait, les nouvelles sections présentaient très peu d'erreurs, et lorsque des experts humains les ont examinées, ils ont déclaré que l'IA avait fait un si bon travail qu'ils n'avaient eu besoin que de faire de petites retouches mineures avant que les nouvelles règles ne puissent être officiellement ajoutées à la bibliothèque.
Cependant, l'article suggère également une limite cruciale : l'IA n'est aussi bonne que la question que vous lui posez. Si la question est vague ou peu claire, la réponse de l'IA le sera aussi. Mais lorsque les exigences sont claires, OntoExtend suggère que nous pouvons enfin utiliser ces puissants outils d'IA pour maintenir nos cartes de connaissances numériques à jour, transformant une tâche qui demandait autrefois des jours de travail manuel en une session de rédaction rapide et assistée. C'est comme avoir un assistant brillant qui sait exactement quels livres retirer de l'étagère pour vous aider à terminer votre projet, plutôt que d'essayer de lire toute la bibliothèque vous-même.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.