KERAIA: An Adaptive and Explainable Framework for Dynamic Knowledge Representation and Reasoning

要約

このペーパーでは、ダイナミック、複雑、およびコンテキストに敏感な環境で知識を表現、推論、実行するという持続的な課題に対処するために設計された、象徴的な知識エンジニアリングのための新しいフレームワークとソフトウェアプラットフォームであるKeraiaを紹介します。
この作業を動機付ける中心的な研究の質問は、どのようにして構造化されていない、しばしば暗黙の、人間の専門知識を、AIシステムが効率的に利用できる計算的に扱いやすいアルゴリズムに効果的に変換することができますか？
Keraiaは、Minskyのフレームベースの推論やKラインなどの基本的な概念に基づいて構築することにより、このギャップを埋めることを目指しています。
これらには、動的集約のための知識の雲、コンテキストに敏感な継承のための動的な関係（DREL）、追跡可能な推論のための明示的な思考の線（ロット）、および適応知識変換のためのクラウドの詳細が含まれます。
このアプローチは、従来の、しばしば静的な知識表現パラダイムの制限を超えて移動します。
Keraiaは、特にロットの使用を通じて、透明性と解釈可能性を確保するために、説明可能なAI（XAI）を中核的な原則として設計されています。
このペーパーでは、フレームワークのアーキテクチャ、KSYNTH代表言語、および汎用パラダイムビルダー（GPPB）について詳しく説明し、統合された構造内に多様な推論方法を統合します。
海軍戦争シミュレーション、水処理プラントの産業診断、およびリスクのゲームにおける戦略的意思決定にまたがる複数のケーススタディの詳細な分析を通じて、ケライアの汎用性、表現力、および実用的な適用性を検証します。
さらに、確立された知識表現パラダイム（オントロジー、ルールベースのシステム、知識グラフを含む）に対する比較分析を提供し、Keraiaプラットフォームの実装の側面と計算上の考慮事項について説明します。

要約(オリジナル)

In this paper, we introduce KERAIA, a novel framework and software platform for symbolic knowledge engineering designed to address the persistent challenges of representing, reasoning with, and executing knowledge in dynamic, complex, and context-sensitive environments. The central research question that motivates this work is: How can unstructured, often tacit, human expertise be effectively transformed into computationally tractable algorithms that AI systems can efficiently utilise? KERAIA seeks to bridge this gap by building on foundational concepts such as Minsky’s frame-based reasoning and K-lines, while introducing significant innovations. These include Clouds of Knowledge for dynamic aggregation, Dynamic Relations (DRels) for context-sensitive inheritance, explicit Lines of Thought (LoTs) for traceable reasoning, and Cloud Elaboration for adaptive knowledge transformation. This approach moves beyond the limitations of traditional, often static, knowledge representation paradigms. KERAIA is designed with Explainable AI (XAI) as a core principle, ensuring transparency and interpretability, particularly through the use of LoTs. The paper details the framework’s architecture, the KSYNTH representation language, and the General Purpose Paradigm Builder (GPPB) to integrate diverse inference methods within a unified structure. We validate KERAIA’s versatility, expressiveness, and practical applicability through detailed analysis of multiple case studies spanning naval warfare simulation, industrial diagnostics in water treatment plants, and strategic decision-making in the game of RISK. Furthermore, we provide a comparative analysis against established knowledge representation paradigms (including ontologies, rule-based systems, and knowledge graphs) and discuss the implementation aspects and computational considerations of the KERAIA platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google