Semantic Web and Creative AI -- A Technical Report from ISWS 2023

📄 arXiv: 2501.18542v1 📥 PDF

作者: Raia Abu Ahmad, Reham Alharbi, Roberto Barile, Martin Böckling, Francisco Bolanos, Sara Bonfitto, Oleksandra Bruns, Irene Celino, Yashrajsinh Chudasama, Martin Critelli, Claudia d'Amato, Giada D'Ippolito, Ioannis Dasoulas, Stefano De Giorgis, Vincenzo De Leo, Chiara Di Bonaventura, Marco Di Panfilo, Daniil Dobriy, John Domingue, Xuemin Duan, Michel Dumontier, Sefika Efeoglu, Ruben Eschauzier, Fakih Ginwa, Nicolas Ferranti, Arianna Graciotti, Philipp Hanisch, George Hannah, Golsa Heidari, Aidan Hogan, Hassan Hussein, Alexane Jouglar, Jan-Christoph Kalo, Manoé Kieffer, Antonis Klironomos, Inês Koch, Weronika Lajewska, Nicolas Lazzari, Mikael Lindekrans, Anna Sofia Lippolis, Majlinda Llugiqi, Eleonora Mancini, Eleonora Marzi, Laura Menotti, Daniela Milon Flores, Soulakshmee Nagowah, Kerstin Neubert, Emetis Niazmand, Ebrahim Norouzi, Beatriz Olarte Martinez, Anouk Michelle Oudshoorn, Andrea Poltronieri, Valentina Presutti, Disha Purohit, Ensiyeh Raoufi, Celian Ringwald, Johanna Rockstroh, Sebastian Rudolph, Harald Sack, Zafar Saeed, Mohammad Javad Saeedizade, Aya Sahbi, Cristian Santini, Aleksandra Simic, Dennis Sommer, Rita Sousa, Mary Ann Tan, Vidyashree Tarikere, Tabea Tietz, Liam Tirpitz, Arnaldo Tomasino, Frank van Harmelen, Joao Vissoci, Caitlin Woods, Bohui Zhang, Xinyue Zhang, Heng Zheng

分类: cs.AI

发布日期: 2025-01-30

备注: Technical Report

💡 一句话要点

ISWS 2023探索语义网技术与创造性AI的交叉，聚焦LLM在知识工程及创意内容生成中的应用

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 语义网 大型语言模型 创造性AI 知识工程 知识图谱

📋 核心要点

  1. 现有知识工程和创意内容生成面临知识获取、模型泛化和伦理风险等挑战。
  2. 利用语义网技术和大型语言模型（LLM）的结合，探索知识表示、推理和生成的新方法。
  3. ISWS 2023的研究涵盖法律、人机协作、去中心化模型、常识推理等多个创造性AI应用领域。

📝 摘要（中文）

国际语义网研究学校（ISWS）是一个为期一周的沉浸式项目。本文档报告了参加ISWS 2023的十个学生团队的合作成果，每个团队都由一位资深研究员指导。各团队从不同角度探讨了创造性AI这一主题，并以一系列研究问题作为其调查的主要内容。2023年ISWS关注语义网技术与创造性AI的交叉。重点关注LLM作为知识工程支持工具的潜力。参与者还深入研究了LLM的多方面应用，包括创意内容生产的法律方面、人机协作、多模态生成AI模型的去中心化方法、纳米出版物和用于个人科学知识图谱的AI、自动故事和叙事补全中的常识知识、用于艺术评论的生成AI、提示工程、自动音乐创作、常识原型设计和概念融合以及隐性知识的获取。随着大型语言模型和语义技术的不断发展，新的前景正在涌现：创意表达和事实知识之间的界限日益模糊，从而创造一个既具有信息性又具有启发性的知识世界。

🔬 方法详解

问题定义：当前知识工程面临知识获取困难、知识表示形式单一等问题。在创意内容生成方面，缺乏对常识知识的有效利用，导致生成内容缺乏深度和连贯性。此外，生成式AI的法律和伦理风险日益突出，需要有效应对。

核心思路：论文的核心思路是探索语义网技术与大型语言模型（LLM）的结合，利用语义网的知识表示和推理能力来增强LLM的知识理解和生成能力，同时利用LLM的生成能力来辅助知识工程，并解决创意内容生成中的挑战。

技术框架：ISWS 2023的各个团队分别研究了不同的技术框架，包括：1) 利用LLM进行知识图谱构建和补全；2) 开发基于LLM的创意内容生成系统，如自动音乐创作和故事生成；3) 研究LLM在艺术评论中的应用；4) 探索基于纳米出版物的个人科学知识图谱构建；5) 分析生成式AI的法律和伦理问题。这些框架都旨在将语义网技术与LLM相结合，以解决特定领域的挑战。

关键创新：论文集的主要创新在于探索了语义网技术与LLM在多个创意AI领域的交叉应用。例如，利用语义网的知识表示能力来提高LLM生成内容的质量和一致性，或者利用LLM来辅助知识图谱的构建和维护。此外，对生成式AI的法律和伦理风险的关注也是一个重要的创新点。

关键设计：由于ISWS 2023包含多个团队的研究，因此没有统一的关键设计。每个团队都根据其研究方向设计了特定的技术细节。例如，在自动音乐创作方面，可能涉及到特定的音乐知识表示方法和LLM的训练策略。在知识图谱构建方面，可能涉及到特定的实体识别和关系抽取算法。

📊 实验亮点

ISWS 2023汇集了多个团队的研究成果，展示了语义网技术与LLM在创意AI领域的广泛应用潜力。虽然没有具体的性能数据，但各个团队的研究都为未来的研究方向提供了有价值的启示，例如如何利用LLM辅助知识工程，如何解决生成式AI的法律和伦理问题。

🎯 应用场景

该研究成果可应用于知识图谱构建、智能问答系统、创意内容生成（如音乐、故事、艺术评论）、个人知识管理等领域。通过结合语义网技术和LLM，可以提升AI系统的知识理解和推理能力，从而创造更智能、更具创造力的应用。

📄 摘要（原文）

The International Semantic Web Research School (ISWS) is a week-long intensive program designed to immerse participants in the field. This document reports a collaborative effort performed by ten teams of students, each guided by a senior researcher as their mentor, attending ISWS 2023. Each team provided a different perspective to the topic of creative AI, substantiated by a set of research questions as the main subject of their investigation. The 2023 edition of ISWS focuses on the intersection of Semantic Web technologies and Creative AI. ISWS 2023 explored various intersections between Semantic Web technologies and creative AI. A key area of focus was the potential of LLMs as support tools for knowledge engineering. Participants also delved into the multifaceted applications of LLMs, including legal aspects of creative content production, humans in the loop, decentralised approaches to multimodal generative AI models, nanopublications and AI for personal scientific knowledge graphs, commonsense knowledge in automatic story and narrative completion, generative AI for art critique, prompt engineering, automatic music composition, commonsense prototyping and conceptual blending, and elicitation of tacit knowledge. As Large Language Models and semantic technologies continue to evolve, new exciting prospects are emerging: a future where the boundaries between creative expression and factual knowledge become increasingly permeable and porous, leading to a world of knowledge that is both informative and inspiring.