🔍 چطور تناقض‌های اطلاعاتی در هوش مصنوعی را شناسایی کنیم؟

داده‌های ما در وب معمولاً در قالب‌های مختلفی مثل متن، جدول و گراف‌های دانش (Knowledge Graphs) پراکنده هستند. اما وقتی این منابع با هم اختلاف نظر دارند چه اتفاقی می‌افتد؟

محققان به تازگی ابزاری به نام «Kontrast» معرفی کرده‌اند که می‌تواند این تناقض‌ها را شناسایی و تحلیل کند. این ابزار با استفاده از استدلال‌های مدل‌های زبانی (LLM) و تبدیل متن به SPARQL، تفاوت‌های بین داده‌های جدولی و گراف‌های دانش را بررسی می‌کند.

این تحقیق نشان می‌دهد که این روش نه تنها به پیدا کردن خطاهای داده‌ای کمک می‌کند، بلکه باعث می‌شود دقت مدل‌های هوش مصنوعی در درک دنیای واقعی و به‌روزرسانی اطلاعاتشان بسیار بالاتر برود. ابزار Kontrast حالا به صورت متن‌باز در دسترس است تا گامی بزرگ برای بهبود کیفیت داده‌های آموزشی مدل‌ها باشد. 🚀

منبع: arXiv AI