Standardizing Knowledge Engineering Practices with a Reference Architecture

要約

知識工学とは、知識を生み出すシステムを構築し、維持するプロセスである。コンピュータサイエンスとAIの歴史を通じて、知識工学のワークフローは、信頼性の高い知的エージェントのための高品質な知識の重要性から、広く利用されてきた。一方、エキスパートシステム、セマンティックウェブ、言語モデリングなどのパラダイムとともに、知識工学の対象領域は、その対象タスクやユースケースから明らかなように、変化してきた。これらのパラダイム間で意図されるユースケースやサポートされるユーザー要件は、グローバルに分析されていない。新しいパラダイムは、以前のペインポイントを満足させる一方で、新たなペインポイントを導入する可能性があるからである。最近、体系的なパターンが箱学に抽象化されたことで、知識工学の要求とユースケースを、それらを最も満たすことのできるシステム、コンポーネント、ソフトウェアと整合させるための口火が切られた。本稿では、参照アーキテクチャを作成するソフトウェア工学の手法を活用することで、知識工学の分野におけるベストプラクティスを調和させるというビジョンを提案する。既存の知識工学のワークフローや箱学の上に構築することで、ユーザニーズと繰り返し発生するシステムパターンを関連付けるために、参照アーキテクチャをどのように反復的に設計・実装できるかを説明する。このようなアーキテクチャの開発を可能にする6段階のロードマップを提供し、アーキテクチャの範囲の定義、情報源の選択、分析の初期設計と成果を提供する。このビジョンに従うことで、知識工学のための根拠のある参照アーキテクチャにつながり、神経記号的知識工学の空間を組織化する現在進行中のイニシアティブを前進させ、ソフトウェアアーキテクチャとデータサイエンスのコミュニティとの新たなつながりを構築することができると期待している。

要約(オリジナル)

Knowledge engineering is the process of creating and maintaining knowledge-producing systems. Throughout the history of computer science and AI, knowledge engineering workflows have been widely used given the importance of high-quality knowledge for reliable intelligent agents. Meanwhile, the scope of knowledge engineering, as apparent from its target tasks and use cases, has been shifting, together with its paradigms such as expert systems, semantic web, and language modeling. The intended use cases and supported user requirements between these paradigms have not been analyzed globally, as new paradigms often satisfy prior pain points while possibly introducing new ones. The recent abstraction of systemic patterns into a boxology provides an opening for aligning the requirements and use cases of knowledge engineering with the systems, components, and software that can satisfy them best. This paper proposes a vision of harmonizing the best practices in the field of knowledge engineering by leveraging the software engineering methodology of creating reference architectures. We describe how a reference architecture can be iteratively designed and implemented to associate user needs with recurring systemic patterns, building on top of existing knowledge engineering workflows and boxologies. We provide a six-step roadmap that can enable the development of such an architecture, providing an initial design and outcome of the definition of architectural scope, selection of information sources, and analysis. We expect that following through on this vision will lead to well-grounded reference architectures for knowledge engineering, will advance the ongoing initiatives of organizing the neurosymbolic knowledge engineering space, and will build new links to the software architectures and data science communities.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL