Narrative Understand ing with Knowledge Graphs
Computerwetenschapper In ès Blin laat zien dat het aanleren van een gestructureerd geheugen v an feiten en relaties aan AI de antwoorden nauwkeuriger en gemakkelij ker te verifiëren maakt.
Blins onderzoek richtte zich op hoe AI-systemen het menselijk begrip van de wereld beter kunnen o ndersteunen. Mensen begrijpen de wereld van nature door nieuwe gebeur tenissen of informatie te koppelen aan wat ze al weten, en dit om te zetten in een samenhangend verhaal (bijvoorbeeld: wat er gebeurde, wa arom het gebeurde en waarom het ertoe doet). De huidige AI kan vloeie nde tekst genereren, maar kan ook details verzinnen of moeite hebben om uit te leggen waar de antwoorden vandaan komen. Ik onderzocht hoe het combineren van gestructureerde kennis (zoals kennisgrafieken) met andere AI-methoden systemen kan helpen bij het opbouwen van verhalen die betrouwbaarder, transparanter en bruikbaarder zijn in verschille nde domeinen. De motivatie was om AI te ontwerpen die gestructureerde geheugens kan gebruiken om verklaringen te ondersteunen, hypotheses te genereren en debatten te analyseren op een manier die mensen kunne n vertrouwen.
Nuttige alternatieven door AI
Haar onderzoek toonde aan dat het aanleren van een gestructureerd ge
heugen van feiten en relaties aan AI de antwoorden nauwkeuriger en ge
makkelijker te verifiëren maakt. In plaats van direct tekst te gener
eren, verzamelen de systemen die Blin bouwde eerst relevante informat
ie en organiseren deze in een gestructureerde kaart van belangrijke e
ntiteiten en hun onderlinge verbanden. Ze testte deze aanpak in drie
domeinen: geschiedenis, discussies op sociale media en sociaalwetensc
happelijk onderzoek. In het historische domein verbeterde de structur
ering van informatie de relevantie van wat het systeem ophaalde en ve
rminderde het feitelijke fouten. In het domein van sociale media maak
te het complexe debatten gemakkelijker te verkennen. In het domein va
n de sociale wetenschappen presteerden door AI gegenereerde hypothese
s niet altijd beter dan die van mensen, maar ze boden vaak nuttige al
ternatieven, wat een sterk potentieel voor samenwerking tussen mens e
n AI aantoont.
Deze bevindingen zijn relevant voor iedereen die AI gebruikt om complexe onderwerpen te begrijpen, vooral wanneer ver trouwen en duidelijkheid belangrijk zijn. Voor gewone gebruikers kunn en gestructureerde narratieve weergaven AI helpen historische gebeurt enissen duidelijker en nauwkeuriger uit te leggen, in plaats van zelf verzekerde maar onjuiste antwoorden te geven. Voor experts kan dezelf de aanpak taken ondersteunen zoals het samenvatten van grote publieke debatten, zoals discussies op sociale media over ongelijkheid, of he t helpen van onderzoekers bij het genereren van nieuwe ideeën in de sociale wetenschappen. In de praktijk zou dit kunnen leiden tot tools die gebruikers helpen snel door grote hoeveelheden informatie te nav igeren, de belangrijkste standpunten te begrijpen en te zien hoe bewe ringen verband houden met bewijsmateriaal. Deze toepassingen zijn rea listisch voor de nabije toekomst, omdat ze voortbouwen op bestaande A I-systemen en deze verbeteren met gestructureerde kennis.
Blin voerde haar onderzo
ek uit met een combinatie van literatuuronderzoek, computergestuurde
experimenten en gebruikersstudies. Eerst bestudeerde ze bestaand onde
rzoek naar narratieven en hoe deze computergestuurd kunnen worden wee
rgegeven. Vervolgens ontwikkelde ze methoden om relevante informatie
te verzamelen en om te zetten in gestructureerde kennisrepresentaties
, en testte deze in verschillende praktijkvoorbeelden. Ze evalueerde
de resultaten met behulp van zowel kwantitatieve als kwalitatieve ana
lyses. Voor de kwalitatieve analyses voerde ze gebruikersstudies uit
om te beoordelen hoe nuttig de systeemoutput was, zowel voor door AI
gegenereerde hypothesen in de sociale wetenschappen als voor de kwali
teit van antwoorden in het historische domein. Ten slotte werkte Blin
waar nodig samen met domeinexperts om ervoor te zorgen dat de result
aten nuttig en realistisch waren in de praktijk.
Meer informati e over het proefschrift
DESCRIPTION: Narrative Understanding with Knowledge Graphs Com puterwetenschapper Inès Blin laat zien dat het aanleren van een gest ructureerd geheugen van feiten en relaties aan AI de antwoorden nauwk euriger en gemakkelijker te verifiëren maakt.Blins onderzoe k richtte zich op hoe AI-systemen het menselijk begrip van de wereld beter kunnen ondersteunen. Mensen begrijpen de wereld van nature door nieuwe gebeurtenissen of informatie te koppelen aan wat ze al weten, en dit om te zetten in een samenhangend verhaal (bijvoorbeeld: wat e r gebeurde, waarom het gebeurde en waarom het ertoe doet). De huidige AI kan vloeiende tekst genereren, maar kan ook details verzinnen of moeite hebben om uit te leggen waar de antwoorden vandaan komen. Ik o nderzocht hoe het combineren van gestructureerde kennis (zoals kennis grafieken) met andere AI-methoden systemen kan helpen bij het opbouwe n van verhalen die betrouwbaarder, transparanter en bruikbaarder zijn in verschillende domeinen. De motivatie was om AI te ontwerpen die g estructureerde geheugens kan gebruiken om verklaringen te ondersteune n, hypotheses te genereren en debatten te analyseren op een manier di e mensen kunnen vertrouwen.Nuttige alternatieven door AI