في عالم متسارع التطور، تسعى الأنظمة الذكية إلى التفوق في الفهم واتخاذ القرارات. تقدم الورقة البحثية الجديدة حلاً مبتكراً من خلال دمج نماذج اللغة الكبيرة (LLMs) مع طبقة ذاكرة أنطولوجية خارجية، مما يمكّن هذه الأنظمة من بناء وتحديث رسومات معرفية منظمة باستخدام تمثيلات RDF/OWL.

بدلاً من الاعتماد فقط على المعرفة المعلمية واسترجاع البيانات القائم على المتجهات، يقوم هذا النهج الجديد بإنشاء وصيانة هيكل معرفي بطبقات متعددة، مما يجعل عمليات الاستنتاج قائمة على أسس دائمة وقابلة للتحقق.

تتضمن الميزات الرئيسية للأنظمة المطروحة مساراً مؤتمتاً لبناء الأنطولوجيا من مصادر بيانات متنوعة، مثل الوثائق وسجلات المحادثات. تقوم الأنظمة بالتعرف على الكيانات واستخراج العلاقات، بالإضافة إلى توليد ثلاثيات المعرفة والتحقق منها باستخدام معايير SHACL وOWL.

أظهرت التجارب التي أُجريت، مثل تجارب برج هانوي، أن تعزيز بنية الأنطولوجيا يحسن أداء النظام في سيناريوهات الاستدلال متعددة الخطوات مقارنة بالنظم المعتمدة فقط على نماذج اللغة الكبيرة. بالإضافة إلى ذلك، تُمكّن طبقة الأنطولوجيا النظام من التحقق الرسمي من المخرجات التي يتم توليدها، مما يعزز من موثوقية القرارات المتخذة.

يساهم هذا النمط الجديد من البناء المعرفي في معالجة القيود الرئيسية لنظم LLM الحالية، مثل نقص الذاكرة على المدى الطويل والفهم الهيكلي الضعيف، مما يجعلها مناسبة لتطبيقات الروبوتات وحلول الذكاء الاصطناعي المؤسسية التي تتطلب معارف مستدامة وقدرة على التفسير واتخاذ قرارات موثوقة.