Gibt es lexikalische/semantische Wissensdatenbanken für Physik, die für automatisiertes Denken und KI verwendet werden können (wie Princetons Wordnet und MITs Conceptnet für den gesunden englischen Sprachgebrauch)?
Falls nicht vorhanden, gibt es physikspezifische Probleme, die bei der Entwicklung einer solchen Wissensbasis zu berücksichtigen sind? Kann es beispielsweise unter Verwendung vorhandener semantischer Beziehungsklauseln in Conceptnet entwickelt werden? Hinweise auf Rezensionsartikel, Bücher usw. sind ebenfalls gut.
Ich verstehe, dass eine solche Wissensbasis ohne die mit dem Lexikon verbundene Mathematik nicht vollständig sein wird. Aber wenn Sie hier durch die Fragen und Antworten blättern, scheinen viele von ihnen überhaupt keine Mathematik zu beinhalten (nur reine englische Wörter). Auf jeden Fall sollte es nicht unmöglich sein, die Mathematik hinzuzufügen, sobald es ein nicht-mathematisches Lexikon/semantisches Netzwerk gibt (und es scheint einige Initiativen zu geben, Mathematik in das semantische Web aufzunehmen, wie OpenMath, Content-MathML, OMDoc usw.).
PS: Das ist kein verrücktes Geschwafel. Ich bin ein Doktorand in theoretischer Hochenergiephysik. Ich bin zu dieser Frage gekommen, als ich darüber nachdachte, wie viel der aktuellen Physik durch KI automatisiert werden kann.
Bearbeiten 1: Etwas Verwandtes: http://www.cs.utexas.edu/users/novak/physics.html
Bearbeiten 2: Chat-Thread erstellt (Update 2a: Anscheinend wurde der Chat-Thread geschlossen)
Bearbeiten 3: Einige Ressourcen für enthaltene Mathematik in semantischen Diagrammdaten enthalten
Edit 4: Ed Shayas Ontologie der Astrophysik, die auch einige andere Bereiche der Physik umfasst: http://www.astro.umd.edu/~eshaya/astro-onto/
Ich bin der Autor der in der ursprünglichen Frage erwähnten Astronomie- und Physik-Ontologie. Der ursprüngliche Zweck dieser Ontologie bestand darin, die Suche nach Daten und Artikeln in der Astronomie zu verbessern. Die Idee war, Datensatztabellen und einzelne Spalten in Tabellen mit relevanten Schlüsselwörtern zu kennzeichnen.
Die Datenreihen in der Astronomie sind in der Regel verschiedene astronomische Objekte unterschiedlicher Art. Dann könnte eine Suche nach einer Reihe von Werten auf einer Eigenschaft für einen bestimmten Objekttyp durchgeführt werden, und die Rückgabe wären alle relevanten Daten in allen astronomischen Archiven.
Aber im Laufe der Zeit dachten wir an viele weitere Möglichkeiten, wie eine solche Ontologie verwendet werden könnte. Ein Neuling könnte aus der Ontologie schnell alle verschiedenen astronomischen Arten und Unterarten, ihre Eigenschaften und ihre hellsten oder ähnlichsten Beispiele lernen. Man könnte nach den neuesten Papieren fragen, die sich speziell mit einer bestimmten Art der Beobachtung eines bestimmten Objekttyps innerhalb eines Bereichs von Entfernungen oder Himmelsrichtungen befassen.
Ich denke, das meiste davon lässt sich auch in die Physik übertragen. Man könnte nach bestimmten Experimenten oder Artikeln zu einem Thema fragen und dann, je nach Ergebnis, nach Ergebnissen zu weiter gefassten oder engeren Begriffen fragen. Neulinge können lernen, welche Begriffe fast dasselbe bedeuten und wie sie sich unterscheiden, wenn sie sich doch unterscheiden.
Eine Sache, die wir untersucht haben, war, ob ein komplexer langer Artikel auf ein paar einfache ontologische Aussagen reduziert werden kann. Es hilft, dass eine Denkmaschine Ihnen sagen kann, welche Aussagen Wiederholungen von bereits bekannten Dingen sind und welche neu sind. Dann könnte man mit etwas Übung die Ergebnisse eines ganzen Physics Review-Journals in wenigen Minuten lesen. Die Liste geht weiter und weiter.
Die dafür erforderlichen Mittel sind jedoch groß, und im Moment sind die einzigen Gruppen, die ich sehe, die solche Dinge tun, Microsoft, Google und Apple, und all das geschieht hinter verschlossenen Türen.
Ich bin der Entwickler eines Projekts namens Physics Derivation Graph , siehe auch auf GitHub .
Meine Absicht ist es, eine Reihe von Ableitungen zu einem Graphen zu entwickeln, der den aktuellen Wissensstand in der Physik erfasst. Obwohl ich automatisches Schließen außerhalb des Rahmens meines Projekts betrachte, können Sie sich gerne die Datenbanken ansehen und darüber nachdenken, was Sie verwenden können.
Ich vermeide absichtlich die Abhängigkeit von Englisch, um die Grafik zu erstellen. Der Graph sollte in der Lage sein, durch ein Computeralgebrasystem analysiert zu werden. Dies bedeutet, dass es Ihren Interessen am automatisierten Denken zugänglich sein könnte, wenn Sie dies mathematisch angehen.
PS: Ich denke auch, dass ich kein Spinner bin, da ich in Computational Physics promoviert habe
Edit 20150708: Link zur Seite und zum Quellcode in GitHub.
Dieses Papier könnte Sie interessieren:
Vorhersage von Forschungstrends mit semantischen und neuronalen Netzen mit einer Anwendung in der Quantenphysik. Mario Krenn und Anton Zeilinger. arXiv:1906.06843 (2019).
In ihren eigenen Worten,
Hier demonstrieren wir eine Methode zum Aufbau eines semantischen Netzwerks aus veröffentlichter wissenschaftlicher Literatur, die wir SemNet nennen
wo sie Wikipedia als Quelle für Konzepte verwenden, die Knoten im Wissensnetzwerk bilden, und die veröffentlichte Literatur als Quelle für Kanten, die diese Knoten mit der Stärke dieser Kanten verbinden.
Ich weiß nicht, wie nützlich das am Ende sein wird, aber es ist einen Blick wert, wenn Sie an diesem Genre interessiert sind.
rauben
GuSuku
ACuriousMind
GuSuku
Neugierig
GuSuku
Neugierig
GuSuku
Neugierig
GuSuku
David Hammen
dmckee --- Ex-Moderator-Kätzchen