The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies
摘要
本文介绍了人工智能本体论（AIO），这是一个系统化的AI概念、方法及其相互关系的知识框架。AIO通过人工策划和大语言模型辅助开发，旨在应对快速发展的AI领域，为AI研究者、开发者和教育工作者提供标准化术语和概念体系。该本体论围绕六个顶层分支构建，涵盖技术与伦理层面，采用本体开发工具包（ODK）进行创建和维护，通过AI驱动的策展支持实现动态更新，已在GitHub和BioPortal开源发布。
阅读原文或https://t.zsxq.com/xhDfh获取原文pdf
一、引言：AI知识建模的重要性与挑战
人工智能领域正在对众多研究领域和人类生活产生变革性影响。作为一门学科，AI不仅包括计算方法，还涵盖社会和伦理层面。对AI知识进行建模，通过标准化术语、概念及其关系，可以带来重要价值。
过去的研究工作主要集中在机器学习概念的高层建模或统计概念和方法的详细建模上。例如，机器学习本体论（MLOnto）定义了七个顶层类别，涵盖ML的过程和工具以及领域特定的词汇和分类（如定义无监督学习等类别）。Blagec等人开发了智能任务本体和知识图谱（ITO），特别强调测量和基准结果，以及性能指标之间的关系。其他资源如NIST AI词汇表更关注广泛AI生态系统中的术语，而不是相关方法的层级结构。跨领域本体如EDAM、计算机科学本体（CSO）和软件本体（SWO）也定义了许多与AI相关的概念，但重点在各自领域而非AI应用或影响。
二、AIO的开发动机与核心设计理念
2.1 开发背景与目标
我们开发人工智能本体论（AIO）主要是为了标准化AI方法中不可或缺的概念和关系，同时也为了应对AI应用中更全面的考量需求。我们定义的类别涵盖了最新的大语言模型（LLM）进展和早期方法。着眼于技术应用，我们将本体论与Tensorflow和PyTorch等机器学习平台使用的术语保持一致。
2.2 设计特色
AIO的设计具有以下突出特点：
快速扩展性：AIO被设计为能够快速扩展并响应该领域的新创新。这种灵活性确保了本体论能够与AI技术的快速发展保持同步。
伦理与法律维度：至关重要的是，我们还纳入了与AI方法的伦理和法律影响相关的类别。例如，我们将"偏见"（Bias）定义为顶层类别，体现了对AI技术社会责任的重视。
LLM辅助开发：AIO专为LLM辅助内容建议和策展支持而设计和构建，这使得本体论能够更容易地保持最新状态，并随AI领域的进展而扩展。
这些设计决策共同使AIO能够满足社区在AI/ML概念标准化方面的需求，跨越其众多应用领域。
三、AIO的架构体系
3.1 六大顶层分支
AIO围绕六个顶层分支构建，每个分支都旨在支持AI方法的模块化组合，并促进对深度学习架构和AI伦理考量的深入理解：
-
网络（Networks）
：涵盖各类神经网络架构
-
层（Layers）
：定义神经网络中的各种层结构
-
函数（Functions）
：包括激活函数、损失函数等
-
大语言模型（LLMs）
：专门针对大语言模型的概念体系
-
预处理（Preprocessing）
：数据预处理方法和技术
-
偏见（Bias）
：AI系统中的偏见类型和伦理问题
3.2 本体论的结构特征
这种模块化的结构设计使得AIO不仅能够描述技术细节，还能整合伦理考量，为AI研究和应用提供全面的概念框架。通过这种分层结构，用户可以清晰地理解AI方法之间的关系和层级。
四、开发方法论与技术实现
4.1 基于本体开发工具包的创建
我们使用本体开发工具包（ODK）来组织AIO，并建立包含源组件和工作流程的GitHub存储库，用于构建本体论。ODK包含一套本体工具，包括高度可配置的开源ROBOT库。因此，每次AIO构建都包含多种序列化格式（OBO、OWL和obojson）的产物，以及支持多种用例的变体（例如，不含导入公理的基础版本）。AIO是从本体ROBOT模板构建的。ODK还支持直接的可重现性，因为它以Docker容器形式分发；任何用户都可以使用与"官方"构建相同的开源工具集来构建或修改AIO。
4.2 发布与访问方式
我们通过BioPortal平台发布本体论的每个版本。BioPortal平台提供了AIO层级结构的便捷导航，以及通过中央API和Web用户界面的可访问性。此外，Bioportal API还能够自动生成AIO类别与其他本体论类别之间的预测词汇映射。该本体论还通过semantic-sql存储库以SQLite数据库形式提供，支持表达性SQL查询，或通过OAK库进行程序化访问。
4.3 AI辅助的本体开发创新
LLM在本体开发中的应用：AI可以在本体开发的多个环节支持人类工作，包括本体播种、扩展、维护和更新，这在最近涌现的依赖LLM的工具中得到体现。ROBOT本体创建模板使我们能够利用LLM来简化AIO本体扩展和完善的过程。
表格化格式的优势：这种简单的表格化本体格式适合与LLM交互，可以通过提供少样本学习示例，甚至允许将整个AIO输入到提示文本中。此外，AIO本体格式支持与基于LLM的工具的互操作性，包括Curate-GPT等LLM驱动的策展辅助工具。
动态整合能力：这种方法使我们能够在新的AI概念和方法出现时动态地将其整合到AIO中。总之，AI辅助的本体开发允许编辑人员更快地使用表格化本体格式（ROBOT模板），从其他来源（如图像、自由文本）提取数据，所有这些都在人工监督下进行。
五、应用场景与实际价值
5.1 多样化的应用场景
AIO的用例多种多样，反映了其在AI研究和开发中的广泛适用性。从提高AI方法的透明度到促进AI模型的注释和比较，AIO有潜力成为增加AI技术透明度的基础工具。
5.2 核心应用价值
方法识别与检索：AIO能够帮助研究人员识别引用标准化AI术语的方法集或出版物，还支持更复杂的应用，如比较模型代码实现和开发AI/ML方法之间的正式距离度量。
代码与论文注释：通过标准化AI术语，AIO支持对代码库和学术论文的注释。我们认为这种术语一致性是研究人员之间、特别是在AI方法被新领域采用时澄清沟通的一种策略。
知识普及与教育：提供标准化的方法学词汇还可以帮助AI研究新手理解这个通常不透明领域的出版物，特别是方法代码、方法描述和方法分类之间的联系。
5.3 实际应用示例
本体论的实用性通过AI研究出版物目录中的AI方法数据注释以及与BioPortal本体资源的整合得到了证明，凸显了其在跨学科研究中的潜力。
六、开放性与社区参与
6.1 开源项目定位
AIO是一个开源项目，鼓励更广泛的社区不仅使用本体论和相关工具，还可以贡献评论、请求和补充内容。这种开放性确保了AIO能够持续吸收社区智慧，与时俱进。
6.2 获取途径
AIO本体论可通过以下渠道访问：
-
GitHub存储库：https://github.com/berkeleybop/artificial-intelligence-ontology
-
BioPortal平台：https://bioportal.bioontology.org/ontologies/AIO
这些平台确保了全球研究者和开发者能够便捷地访问和使用AIO。
七、技术特色与创新点
7.1 与主流ML平台的对齐
AIO与Tensorflow和PyTorch等机器学习平台使用的术语保持一致，这使得本体论在实际应用中更具实用价值，能够无缝对接主流开发工具和框架。
7.2 动态更新机制
AIO的内容通过AI驱动的策展支持进行动态更新。这种方法不仅确保了本体论在AI快速发展中的相关性，还通过简化新AI概念和方法的整合，显著增强了其对研究人员、开发者和教育工作者的实用性。
7.3 全面性与前瞻性
AIO定义的类别涵盖了最新的大语言模型进展和早期方法，这种全面性确保了本体论既能服务于前沿研究，也能支持传统方法的标准化描述。
八、伦理维度的整合
8.1 偏见作为顶层类别
将"偏见"设定为顶层类别之一，体现了AIO对AI伦理和社会影响的高度重视。这一设计反映了研究团队对AI技术不仅要追求技术卓越，更要关注其社会责任的理念。
8.2 法律影响的考量
AIO纳入了与AI方法的伦理和法律影响相关的类别，这使得本体论不仅是技术工具，更是促进负责任AI发展的知识框架。
九、未来展望与发展方向
9.1 持续演进的知识体系
随着AI技术的快速发展，AIO将继续演进和扩展。通过LLM辅助的开发方式，本体论能够快速响应新兴概念和方法，保持其时效性和相关性。
9.2 跨学科研究的桥梁
AIO作为标准化的知识框架，有望成为连接AI与其他学科的桥梁，促进跨学科协作和知识交流。其在BioPortal等平台上的整合已经展示了这种潜力。
9.3 透明度与可解释性
通过提供清晰的概念层级和标准化术语，AIO将继续为提高AI系统的透明度和可解释性做出贡献，这对于建立公众对AI技术的信任至关重要。
十、结语
人工智能本体论（AIO）代表了AI知识标准化的重要尝试。通过结合人工策划和大语言模型辅助，AIO构建了一个全面、动态且开放的知识框架。其六大顶层分支的结构设计，既涵盖了技术细节，又整合了伦理考量，为AI研究、开发和教育提供了宝贵的资源。
随着AI技术的持续发展和应用场景的不断扩展，AIO这样的标准化工具将变得越来越重要。它不仅能够帮助研究人员更好地理解和交流AI概念，还能够促进负责任AI的发展，确保技术进步与社会价值的协调一致。
作为一个开源项目，AIO欢迎全球社区的参与和贡献。无论您是AI研究者、开发者还是教育工作者，都可以通过使用、评论或扩展AIO来推动这一重要工作的发展，共同塑造AI领域更加清晰、标准化的知识体系。