Narrative Understanding with Knowledge Graphs
Computerwetenschapper Inès Bli n laat zien dat het aanleren van een gestructureerd geheugen van feit en en relaties aan AI de antwoorden nauwkeuriger en gemakkelijker te verifiëren maakt.
Blins onderzoek richtte zich op hoe AI-systemen het menselijk begrip van de wereld beter kunnen onderste unen. Mensen begrijpen de wereld van nature door nieuwe gebeurtenisse n of informatie te koppelen aan wat ze al weten, en dit om te zetten in een samenhangend verhaal (bijvoorbeeld: wat er gebeurde, waarom he t gebeurde en waarom het ertoe doet). De huidige AI kan vloeiende tek st genereren, maar kan ook details verzinnen of moeite hebben om uit te leggen waar de antwoorden vandaan komen. Ik onderzocht hoe het com bineren van gestructureerde kennis (zoals kennisgrafieken) met andere AI-methoden systemen kan helpen bij het opbouwen van verhalen die be trouwbaarder, transparanter en bruikbaarder zijn in verschillende dom einen. De motivatie was om AI te ontwerpen die gestructureerde geheug ens kan gebruiken om verklaringen te ondersteunen, hypotheses te gene reren en debatten te analyseren op een manier die mensen kunnen vertr ouwen.
Nuttige alternatieven door AI
Haar o
nderzoek toonde aan dat het aanleren van een gestructureerd geheugen
van feiten en relaties aan AI de antwoorden nauwkeuriger en gemakkeli
jker te verifiëren maakt. In plaats van direct tekst te genereren, v
erzamelen de systemen die Blin bouwde eerst relevante informatie en o
rganiseren deze in een gestructureerde kaart van belangrijke entiteit
en en hun onderlinge verbanden. Ze testte deze aanpak in drie domeine
n: geschiedenis, discussies op sociale media en sociaalwetenschappeli
jk onderzoek. In het historische domein verbeterde de structurering v
an informatie de relevantie van wat het systeem ophaalde en verminder
de het feitelijke fouten. In het domein van sociale media maakte het
complexe debatten gemakkelijker te verkennen. In het domein van de so
ciale wetenschappen presteerden door AI gegenereerde hypotheses niet
altijd beter dan die van mensen, maar ze boden vaak nuttige alternati
even, wat een sterk potentieel voor samenwerking tussen mens en AI aa
ntoont.
Deze bevindingen zijn relevant voor iedereen die AI geb ruikt om complexe onderwerpen te begrijpen, vooral wanneer vertrouwen en duidelijkheid belangrijk zijn. Voor gewone gebruikers kunnen gest ructureerde narratieve weergaven AI helpen historische gebeurtenissen duidelijker en nauwkeuriger uit te leggen, in plaats van zelfverzeke rde maar onjuiste antwoorden te geven. Voor experts kan dezelfde aanp ak taken ondersteunen zoals het samenvatten van grote publieke debatt en, zoals discussies op sociale media over ongelijkheid, of het helpe n van onderzoekers bij het genereren van nieuwe ideeën in de sociale wetenschappen. In de praktijk zou dit kunnen leiden tot tools die ge bruikers helpen snel door grote hoeveelheden informatie te navigeren, de belangrijkste standpunten te begrijpen en te zien hoe beweringen verband houden met bewijsmateriaal. Deze toepassingen zijn realistisc h voor de nabije toekomst, omdat ze voortbouwen op bestaande AI-syste men en deze verbeteren met gestructureerde kennis.
Same
nwerken met domeinexperts
Blin voerde haar onderzoek uit
met een combinatie van literatuuronderzoek, computergestuurde experim
enten en gebruikersstudies. Eerst bestudeerde ze bestaand onderzoek n
aar narratieven en hoe deze computergestuurd kunnen worden weergegeve
n. Vervolgens ontwikkelde ze methoden om relevante informatie te verz
amelen en om te zetten in gestructureerde kennisrepresentaties, en te
stte deze in verschillende praktijkvoorbeelden. Ze evalueerde de resu
ltaten met behulp van zowel kwantitatieve als kwalitatieve analyses.
Voor de kwalitatieve analyses voerde ze gebruikersstudies uit om te b
eoordelen hoe nuttig de systeemoutput was, zowel voor door AI gegener
eerde hypothesen in de sociale wetenschappen als voor de kwaliteit va
n antwoorden in het historische domein. Ten slotte werkte Blin waar n
odig samen met domeinexperts om ervoor te zorgen dat de resultaten nu
ttig en realistisch waren in de praktijk.
Meer informatie over het proefschrift
DESCRIPTION: Computerwetenschapper Inès Blin laat zien dat he t aanleren van een gestructureerd geheugen van feiten en relaties aan AI de antwoorden nauwkeuriger en gemakkelijker te verifiëren maakt. Blins onderzoek richtte zich op hoe AI-systemen het menseli jk begrip van de wereld beter kunnen ondersteunen. Mensen begrijpen d e wereld van nature door nieuwe gebeurtenissen of informatie te koppe len aan wat ze al weten, en dit om te zetten in een samenhangend verh aal (bijvoorbeeld: wat er gebeurde, waarom het gebeurde en waarom het ertoe doet). De huidige AI kan vloeiende tekst genereren, maar kan o ok details verzinnen of moeite hebben om uit te leggen waar de antwoo rden vandaan komen. Ik onderzocht hoe het combineren van gestructuree rde kennis (zoals kennisgrafieken) met andere AI-methoden systemen ka n helpen bij het opbouwen van verhalen die betrouwbaarder, transparan ter en bruikbaarder zijn in verschillende domeinen. De motivatie was om AI te ontwerpen die gestructureerde geheugens kan gebruiken om ver klaringen te ondersteunen, hypotheses te genereren en debatten te ana lyseren op een manier die mensen kunnen vertrouwen. Nuttige a lternatieven door AI