Los TIMOs de Minerva solo vuelan al anochecer – Patently Intelligent Ontology

El desarrollo de WAGI, Web Artificial General Intelligence, puede implicar, por ejemplo, un algoritmo de inteligencia con dos transiciones de metasistema, como expliqué en mi artículo anterior «Bloom’s Beehive: la inteligencia es un algoritmo». En su libro «Creating Internet Intelligence», Ben Goertzel también lo describe implícitamente. Los pasos 3 y 6 que mencioné en mi artículo anterior son los pasos más importantes porque identifican las diferencias, las correspondencias y las relaciones espacio-temporales se mapean como patrones. Se dice que un patrón P está basado en una mente, cuando la mente contiene un número de entidades específicas en las que P es de hecho un patrón. A partir de correspondencias, significados compartidos y patrones fundamentados, se pueden derivar abstracciones y reglas de simplificación, mientras que las diferencias incitan a la evaluación hacia una posible modificación.

Para los procesos de abstracción y simplificación en los que a partir de numerosos eventos de datos se derivan patrones existen y se desarrollan programas de Inteligencia Artificial, pero a menudo están dedicados a un nicho muy específico. Cuando se trata de datos numéricos, como el análisis del mercado de valores, el análisis de la actividad comercial, los datos experimentales científicos, etc. o los datos espaciotemporales, como los sistemas de tráfico o los datos basados ​​en reglas y patrones, como en los juegos, estos programas funcionan bastante bien para su nicho específico. Lo que Goertzel está intentando en el software OpenCog y el proyecto Novamente está trayendo estas características al mundo de la Inteligencia General Artificial (AGI). Aquí, la extracción de datos, que implica una gran cantidad de análisis de naturaleza lingüística y semántica, es de un orden bastante diferente. Aunque existen bastantes programas (por ejemplo, DOGMA; OBO, OWL: Web Ontology Language, etc.) y se ha trabajado mucho en el campo de la ontología (la ontología en el campo de la IA es una «especificación formal y explícita de una conceptualización compartida») todavía hay espacio para la mejora de las reglas y esquemas que ayuden a establecer ontologías.

Es aquí donde el trabajo diario de los abogados de patentes y examinadores de patentes puede aportar ideas para el desarrollo en el campo de la Ontología. De hecho, gran parte de los trabajos de los abogados de patentes y los examinadores de patentes implican el establecimiento de ontologías. Cuando un abogado de patentes redacta una reivindicación de una invención, que es una entidad específica, trata de conceptualizar de qué manera se puede describir la invención de la manera más general, manteniendo todas las características esenciales para definir la invención. Al redactar una solicitud, debe tener en cuenta todos los componentes posibles de una ontología que se conoce comúnmente como individuos, clases, atributos, relaciones, términos de función, restricciones, reglas, axiomas y eventos, como se ilustra a continuación:

  • Las entidades específicas en las que se basa un patrón, de las cuales al menos una debe describirse de manera detallada y que pueden reivindicarse en reivindicaciones dependientes, pueden considerarse como «individuos», los objetos básicos.

  • La estructura de dependencia de reclamos, el llamado árbol de reclamos, tiene varios tipos de generalizaciones intermedias antes de llegar a entidades específicas individuales y puede considerarse que proporciona las «clases».

  • Esencialmente, existe una afirmación de una lista de características que califican como «atributos».

  • Por medio de la dependencia en el árbol de reclamaciones se proporcionan las «relaciones».

  • Las llamadas «características funcionales» que engloban una serie de entidades específicas proporcionan los «términos de función».

  • Descargos de responsabilidad, las condiciones califican como «restricciones».

  • Si… entonces las «reglas» dan como resultado demandas dependientes de combinaciones particulares de requisitos condicionales

  • La provisión de «axiomas» se realiza con mayor frecuencia en la descripción; equivale a dar una explicación plausible de por qué las características estructurales y funcionales dan lugar al efecto técnico descrito que la invención tiene sobre el estado de la técnica.

  • Los cambios en los atributos o relaciones que conducen a la redacción de diferentes reivindicaciones independientes se califican como «eventos».

De una manera astuta, los abogados de patentes son extremadamente competentes en este proceso. Con un mínimo de características y relaciones funcionales entre esas características, para garantizar una reivindicación lo más amplia posible sin violar las enseñanzas del estado de la técnica, llegan a dar una definición ontológica de una invención.

Todo el proceso de redacción de una solicitud de patente y, en especial, un árbol de reclamaciones exitoso depende de la competencia del abogado de patentes para identificar clases y subclases: hiperónimos e hipónimos. En la descripción de la característica tendrá que usar holónimos y merónimos. Y en la situación ideal, la reivindicación independiente más amplia se ha generalizado de tal manera que prima facie es difícil ver qué tipos concretos de invenciones caen bajo la conceptualización.

Y no quedan ahí las diferencias en cuanto al estado de la técnica propicio para la evaluación hacia posibles modificaciones y/o aplicaciones industriales adicionales.

Cuando un examinador de patentes tiene que evaluar una solicitud de patente, tiene que pasar por este proceso en orden inverso. Tiene que averiguar qué entidades específicas han permitido la generalización y tiene que imaginar qué tipos de invenciones existentes podrían caer dentro del alcance de las reivindicaciones generalizadas. Tiene que identificar qué características (estructurales y/o funcionales) son responsables del efecto técnico sobre el estado de la técnica. A partir de esas nociones, puede construir una estrategia de búsqueda para identificar el estado de la técnica relevante, que anticipa y cae dentro del alcance del objeto de las reivindicaciones. Para que esta estrategia de búsqueda sea completa, debe combinar un conjunto de conceptos de búsqueda que reflejen todas las características esenciales individuales que describen la invención. La búsqueda comenzará con algunos ejemplos concretos de entidades individuales y sinónimos en un nivel, pero cuando las estrategias de búsqueda simples fallan, tendrá que definir (en la medida en que no lo haya hecho el abogado de patentes) hiperónimos e hipónimos de las características y combinar estos. O tendrá que describir una característica como un conjunto de merónimos o, por el contrario, un conjunto de características como un holónimo. Los problemas desagradables ocurren a menudo con acrónimos que tienen más de un significado, es decir, son holónimos, lo que conduce a resultados de búsqueda que tienen demasiados documentos. Luego, el operador booleano NOT debe agregarse en una declaración de búsqueda adicional para filtrar los documentos irrelevantes, el llamado ruido. Los antónimos cercanos a los términos negativos como «no» o «no» también pueden generar resultados positivos. Si los conjuntos de resultados contienen demasiados miembros, debe reducirse, agregando más términos de búsqueda o términos de búsqueda más específicos. Además, los términos de búsqueda que tienen una relación definida se pueden combinar de una manera específica para garantizar una proximidad entre los términos: esto se hace con los llamados operadores de proximidad, que son más poderosos en esos casos que los simples operadores booleanos «Y». Por el contrario, si un conjunto de resultados tiene muy pocos miembros, puede expandirse utilizando términos más generales, menos declaraciones de búsqueda o proximidades menos estrictas.

De hecho, al construir una estrategia de búsqueda, el examinador de búsqueda está haciendo una Ontología parcial muy detallada, y es una lástima (pero una consecuencia lógica del requisito de secreto) que estas ontologías no se almacenen en una base de datos de acceso público en analogía con la Semántica. Web. Además, la comunidad de examinadores de patentes ha creado y sigue creando un esquema de clasificación muy detallado, como el IPC, que puede utilizarse adecuadamente como inspiración en el desarrollo de esquemas de clasificación ontológica. También sería útil para todos (no solo los profesionales de patentes, científicos, inventores y ontólogos de IA) si los motores de búsqueda como Google y Yahoo finalmente pusieran a disposición operadores de proximidad. Hay muchas críticas del mundo de los científicos e inventores sobre los resultados inadecuados que ofrecen los motores de búsqueda basados ​​en la web (ver Grivell, L. en informes EMBO (2006) 7, pp.10-13). Los motores de búsqueda empleados por las oficinas de patentes son muy superiores en muchos aspectos. Desafortunadamente para usted, no son accesibles al público. De cualquier manera, los rastreadores y las arañas basados ​​en AIbot no ingresan a las bases de datos de la web profunda, donde puede estar esperándote información extremadamente relevante.

Las ontologías almacenadas en una base de datos específica con enlaces a otras bases de datos de la web profunda que se pueden buscar por completo en combinación con bots de minería de datos que no sean rastreadores ni rastreadores pueden ser un gran paso adelante en el suministro de información.

La relación de proximidad es un concepto que puede requerir mayor atención en el campo de la ontología, ya que es un indicador de cómo ciertos términos se conectan semánticamente entre sí. Por ejemplo, sería útil mapear cada término definido en una web semántica para conocer la distancia promedio entre todos los documentos en la web entre sí. Tal vez de tal extracción de datos resultaría que ciertos términos tienen proximidades promedio muy cercanas, donde ambos términos no han sido definidos en la web semántica para tener alguna relación entre sí. Proporcionaría un mayor grado de mapeo ontológico. En un nivel más concreto que involucra datos geográficos, tales procesos ya están en marcha (p. ej., Arpinar et al. en «Manual de ciencia de la información geográfica»: Desarrollo de ontologías geoespaciales y análisis semántico).

Las ontologías son necesarias de alguna manera para construir un Webmind basado en WAGI y ya es hora de que los desarrolladores de IA en Google, Yahoo, etc. comiencen a trabajar en estos temas y eviten que los OWL de Hegel solo vuelen al anochecer.

Deja un comentario