في عالم الذكاء الاصطناعي المتطور، لا يكفي مجرد استخراج المعلومات. الأنظمة المعرفية الحديثة تحتاج إلى موثوقية وشفافية تامة، وهذا ما يسعى إليه الإطار الجديد المعروف باسم MAGG (Multi-Agent Governed Knowledge Graph).

بدلاً من اعتبار الرسوم البيانية المعرفية مخازن مسطحة للمعلومات المستخرجة، يتعامل MAGG مع الحقائق بنظام يدعمها بقرارات ادارة محددة تضمن موثوقية المعلومات المتاحة. يحقق هذا الإطار توازناً بين السرعة والدقة من خلال توفير تصنيفات كيان وعلاقة مباشرة من محتوى الوثائق، مما يجعل من السهل التعامل مع بيئات مفتوحة دُون الحاجة إلى مخططات ثابتة.

تُعيّن الحقائق المرشحة لأصحاب مجالات محددة، وتُراجع ضد الأدلة المؤيدة قبل قبولها، مع إضافة بيانات تدقيق للمساعدة في تتبع المصدر. تعمل هذه الهيكلية أيضًا كداعم للرد على الاستفسارات، حيث تُوجه الأسئلة إلى خبراء الرسوم البيانية الذين يتخصصون في مجالات معينة، بدلاً من الرد بطريقة غير مخصصة.

تظهر تقييمات MAGG فعالية في تحسين دقة البيانات، حيث أظهر تحسنًا بنسبة 47% في دقة التقاط الحقائق و51% في دقة الربط بالمقارنة مع طرق الإدراج المسطحة. وقد أكدت المراجعات العمياء على دعم المعلومات في 100% من الحالات.

إذا كنت تعمل في مجال البحث أو الصناعة التي تعتمد على الذكاء الاصطناعي، هذا الإطار يستحق نظرة معمقة كونه يعد تحولاً في كيفية مشاركة المعرفة وزيادة ثقة المستخدمين.