Informatikai tudásleképezés paradigmái és problémái Szekeres András Márk

Ontológia projekt célja •A célja, hogy a nyelv fogalmainak formális reprezentációjával a világ megértését biztosítsuk a gép számára. •Gyökerei a 70-es évek AI kutatásában •Újabb fellendülés 2000 körül, Semantic Web •Csalódás mindkét esetben, 2007-től kezdve csökken az érdeklődés

Ontológia alapja •Fogalmak és köztük lévő viszony formális logikai leírása. •Pl: ha X feleség, akkor kell léteznie Y-nak, hogy Y egy férfi, és X férje. •Fontos fajtája a relációknak a generikus reláció (a kutya az egy emlős, az emlős az egy állat), amik mentén taxonómiába rendezhetőek a fogalmak.

Az ontológia projekt naivitása •A kudarc az alapkoncepcióból következik •Naív elképzelés azt hinni, hogy a nyelv reprezentációjával a világ entitásait tudjuk megragadni. •“ontológia” = lételmélet, a név is szerencsétlen. Valójában a fogalmak és nem a létezők rendszerezése történik. •A filozófia 2500 éve lefutotta ezeket a köröket.

Világról szóló tudás formalizálása •A világ formális leírása mikrovilágok esetében bizonyult csak kivitelezhetőnek. •Expert systems –Szakemberrel megfogalmaztatjuk a szabályokat –A tudás itt merev, végleges és egy szempontot érvényesít csak

Nyelv formalizálása •A formális logikán alapuló megközelítés csődöt mondott nagy domain esetében. •A nagy domain fontos esete a nyelv •A nyelv rendkívül komplex és végtelen kreativitással működik. –Épp ezért tudunk bármiről beszélni –Formalizáltan nem sikerül megragadni

Nyelv formalizálása •Az ontológia projekt az elavult logikai pozitivista nyelvfilozófiára alapozott. –Ők a szavak jelentést logikailag formalizálhatónak tartották –Legfőbb képviselőik maguk mondták ki saját tévedésüket (Wittgenstein, Carnap) •Az informatikusok nem voltak naprakészek a nyelvfilozófia területén •Pedig nagyon is praktikus dolgokat tanulhattak volna, pl metafóra elmélet.

Statisztikai megközelítések •Nyelvtechnológia terén statisztikai megközelítések térnyerése –Ontológia projekt újabb kudarca –Növekvő számítási kapacitás –Interneten elérhető növekvő corpus. •Big Data •Corpus nyelvészet •Ontológiák terén is inkább Topic Maps

Statisztikai megközelítés hátrányai •Nagy corpus szükséges –Legtöbb szervezetnek nincs elég saját adata •A felismert összefüggések bizonytalanok, képlékenyek •Nem látnak túl a corpuson, az előállított összefüggéseknek nincs semmi megbízható kapcsolata a szövegeken túli világgal

Korreláció bizonytalansága •Statisztikai megközelítések lényegében egy viszonnyal dolgoznak: korreláció. •Erős clusterezésben, de nagyon rossz döntési pontokban. –Macska és kutya sok tulajdonsága egyezik, de ha tudjuk, hogy X ugat... –Google search színész+film esetén

Összefoglalás OntológiaStatisztikai módszerek Szakértő explikálja a tudástSzöveg korrelációkból következik Világot próbálja leírniSzövegek összefüggéseit látja csak Komplex összefüggések, de előállítása nagy domainre lehetetlen Egyszerű összefüggések, amik értelme, jelentése bizonytalan Merev, formalizált, végleges tudásábrázolás Flexibilis, de nagyon lassan, sok eset tudán revideálja csak magát Jó a döntési pontok megtalálásábanJó a clusterezésben

Igény egy új megközelítésre •Tudás kinyerés automatizálása, hogy képes legyen nagy domaineket feldolgozni, de ne csak a szövegből táplálkozzon •Komplex viszonyokat kezeljen, ne csak korrelációkat •A benne tárolt tudás változásokat tudja flexibilisen követni •Döntés támogatás, döntési pontok felismerése