(Продолжение, начало см. http://rusrim.blogspot.com/2025/11/1_02116716694.html )
Стандартизация корпоративной деловой информации
Применяя основанный на онтологиях подход, организации могут заложить стандартизированный фундамент для управления документами, избавляясь от несоответствий и обеспечивая единообразное применение ИИ-процессов во всех деловых подразделениях и в различных регионах. Основанный на онтологиях подход к управлению документами и информацией также обеспечивает основу для интероперабельности между организациями и может обеспечить формирование согласованной схему метаданных и системы классификации данных как для информационных систем, используемых несколькими организациями, так и для «озёр данных».
Данный подход также позволяет использовать централизованный словарь данных, «деловую таксономию» или хранилище терминов. Благодаря этом в случае добавления нового элемента, или же в случае удаления или изменения термина, изменения могут применяться глобально во всей экосистеме данных, а не только локально в рамках конкретного изолированного хранилища, отдельного экземпляра или подмножества корпоративной информации и экосистемы данных.
Роль графов знаний в управлении документами на основе онтологий
Мой комментарий: Граф знаний - это способ хранить информацию в виде сети («графа»), узлы которого - это конкретные сущности (люди, места, события, понятия и т.д.), а связи (соединяющие узлы линии) - это отношения между сущностями. Такая структура позволяет компьютерам и людям легко выявлять сложные взаимосвязи и понимать контекст в виде «паутины» взаимосвязанных фактов. Графы знаний, в частности, являются основой для интеллектуального поиска или для генерирования рекомендаций.
Графы знаний играют очень важную роль в реализации управления документами на основе онтологий для ИИ. Они служат практичным, динамичным представлением онтологии, позволяя системам ИИ взаимодействовать со структурированными отношениями между документами и взаимосвязанными с ними данными, делать на их основе выводы и/или визуализировать их.
Динамическое представление данных
Графы знаний служат гибким и динамичным способом представления определенных в онтологии взаимосвязей и иерархий. Они организуют информацию в виде узлов (сущностей) и ребер (связей), что позволяет ИИ легко просматривать сложные структуры данных и выполнять по ним запросы. Тем самым обеспечивается согласованная основа для внедрения автоматизации управления документами и для повышения уровня зрелости.
Эта динамическая природа делает возможным непрерывное обновление и интеграцию новых данных, поддерживая эволюционирующие потребности организации, а также способствуя повышению зрелости и расширению возможностей управления документами и информацией.
Способствование выполнению сложных запросов и аналитике
Графы знаний позволяют системам ИИ выполнять сложные, контекстно-зависимые запросы, такие как выявление взаимосвязей между документами или выявление тенденций в наборах данных. Это особенно полезно для адекватного применения политик управления документами и информацией и для проведения экспертизы ценности.
Подход к управлению документами на основе онтологий позволяет деловым системам ИИ выдавать результаты, опираясь на четкое, структурированное и семантически насыщенное понимание документов, - что способствует интероперабельности, исполнению законодательно-нормативных требований, контекстной точности и масштабируемости. Такой подход обеспечивает способность систем ИИ эффективно управлять документами, одновременно поддерживая этичные и объяснимые практики при вводе запросов. Эта структурированная методология незаменима для достижения надежных, устойчивых и жизнеспособных реализаций ИИ в сфере управления документами, особенно при использовании подхода на основе запросов при применении политик управления документами, таких как, например, политики в отношении сроков хранения и проведения уничтожения.
Онтология как основополагающий элемент поддержки моделей проектирования ИИ
Онтология для моделей данных и информации использует для улучшения структуры, смысла и взаимосвязей данных такие концепции, как эпистемология, тавтология и семантика. Эти философские и лингвистические концепции играют свою роль следующим образом:
1. Эпистемология (учение о знаниях):
В контексте моделей данных и информации, эпистемология изучает, каким образом знания структурируются, приобретаются и проверяются в рамках системе на семантическом уровне. Онтологии используют эпистемологические принципы для обеспечения того, что данные не просто хранятся, но и имеется понимание их смысла и источников. Сюда входит:
- Представление знаний: Определение взаимосвязей между сущностями, и концепции представления знаний таким образом, чтобы их могли понимать как люди, так и машины. Это помогает системам различать между тем, «что мы знаем», и тем, «откуда мы это знаем».
- Утверждения и выводы: Онтологии позволяют проводить логические рассуждения, в рамках которых новые знания могут быть выведены из существующих данных. Эпистемология помогает обеспечивать поддержку структурами данных получения обоснованных выводов и принятия обоснованных решений.
- Возможность доверять: Эпистемология обеспечивает ясность происхождения данных (откуда они берутся и как они были получены), что позволяет оценить достоверность информации.
2. Тавтология (логическая истинность и неизбыточность):
Мой комментарий: Автор, как мне кажется, использует термин «тавтология» несколько нестандартным образом. Обычно же термин «тавтология» понимается как повторение близких по смыслу или однокоренных слов, а также повторение одной и той же мысли другими словами, что приводит к избыточности в речи или тексте. Тавтологией в логике называется тождественно истинное высказывание
Тавтология в онтологии обеспечивает логическую согласованность и отсутствие избыточности для взаимоотношений и определений. Это важно для:
- Согласованности определений: Онтологии должны избегать тавтологических определений (где термины определяются через самих себя), обеспечивая ясность и избегая циклических рассуждений во взаимоотношениях данных.
- Логической целостности: Хотя в естественном языке тавтологии часто считаются избыточностью, в формальной логике она может обеспечить то, что некоторые утверждения всегда будут истинны (например, «собака — это собака»). При проектировании онтологий тавтологические правила помогают поддерживать логическую целостность системы, обеспечивая правильную непротиворечивую классификацию любой сущности.
- Минимизации избыточности: Хорошо построенная онтология минимизирует тавтологическую (избыточную) информацию во избежание неэффективности и путаницы, обеспечивая уникальность и целесообразность определения каждого понятия.
3. Семантика (смысл понятий и взаимосвязей):
Семантика играет центральную роль в онтологиях, поскольку её основная цель - создание модели смысла данных и информации. Семантика фокусирует внимание на том, как определяются и трактуются понятия, термины и взаимосвязи. Онтологии используют семантические принципы несколькими способами:
- Определение терминов и понятий: Семантика обеспечивает, что каждый термин и понятие в рамках онтологии имеет чёткое, согласованное значение. Это крайне важно для обеспечения общего понимания, разделяемого различными системами и людьми.
- Установление связей между сущностями: Семантика в рамках модели онтологии определяет, каким образом сущности связаны друг с другом (примером могут служить связи «часть-целое», «тип-экземпляр», «причина-следствие»). Это позволяет системам интерпретировать смысл данных, а не рассматривать их как изолированные факты.
- Устранение неоднозначности: Семантика помогает различать омонимы (слова с несколькими значениями) и синонимы (различные слова с одинаковым значением), обеспечивая правильное отражение моделью данных смысла в данном контексте.
- Формальная семантика: Онтология использует формальную логику для определения взаимосвязей (отношений) между сущностями, позволяя системам осмысливать данные и выводить новые значения или факты на основе смоделированных взаимосвязей.
(Продолжение следует)
Стивен Кларк (Stephen Clarke)
Источник: сайт Substack
https://steffclarke.substack.com/p/the-convergence-of-ai-governance
Комментариев нет:
Отправить комментарий