¿Existen bases de conocimiento léxico/semántico para la física que se puedan usar para el razonamiento automatizado y la IA (como Wordnet de Princeton y Conceptnet del MIT para el uso del sentido común en inglés)?
Si no existen, ¿hay problemas específicos de física que se deban tener en cuenta al desarrollar dicha base de conocimientos? Por ejemplo, ¿puede desarrollarse utilizando cláusulas de relación semántica existentes en Conceptnet? Los consejos para revisar artículos, libros, etc. también serán buenos.
Entiendo que tal base de conocimientos no estará completa sin las matemáticas relacionadas con el léxico. Pero, al navegar por las preguntas y respuestas aquí, muchas de ellas no parecen involucrar matemáticas en absoluto (solo palabras puras en inglés). En cualquier caso, no debería ser imposible agregar las matemáticas una vez que haya un léxico/red semántica no matemática (y parece haber algunas iniciativas para incluir matemáticas en la web semántica, como OpenMath, Content-MathML, OMDoc, etc.)
PD: Esto no es una divagación chiflada. Soy estudiante de doctorado en física teórica de altas energías. Llegué a esta pregunta mientras pensaba en cuánto de la física actual se puede automatizar a través de la IA.
edición 1: algo relacionado: http://www.cs.utexas.edu/users/novak/physics.html
edición 2: creó un hilo de chat (actualización 2a: aparentemente, el hilo de chat se cerró)
edición 3: se incluyeron pocos recursos para las matemáticas incluidas en los datos de gráficos semánticos
edición 4: ontología astrofísica de Ed Shaya, que también incluye un poco de otras áreas de la física: http://www.astro.umd.edu/~eshaya/astro-onto/
Soy el autor de la ontología de astronomía y física mencionada en la pregunta original. El propósito original de esa ontología era mejorar la búsqueda de datos y artículos en astronomía. La idea era tener tablas de conjuntos de datos y columnas individuales en tablas marcadas con palabras clave relevantes.
Las filas de datos en astronomía suelen ser diferentes objetos astronómicos de diferentes tipos. Entonces se podría hacer una búsqueda de un rango de valores en una propiedad para algún tipo de objeto y el retorno sería todos los datos relevantes en todos los archivos astronómicos.
Pero a medida que avanzábamos, pensamos en muchas más formas de utilizar dicha ontología. Un novato podría aprender rápidamente por sí mismo de la ontología todas las diferentes especies y subespecies astronómicas, sus propiedades y sus ejemplos más brillantes o cercanos. Uno podría pedir los artículos más recientes que traten específicamente sobre un tipo particular de observación de un tipo particular de objeto dentro de un rango de distancias o direcciones en el cielo.
Creo que la mayor parte de esto también puede trasladarse a la física. Uno podría solicitar experimentos o documentos específicos sobre un tema y luego, dependiendo de los resultados, solicitar resultados en términos más amplios o más específicos. Los novatos pueden aprender qué términos significan casi lo mismo y en qué se diferencian, si es que difieren.
Una cosa que analizamos es si un artículo largo y complejo puede reducirse a unas pocas declaraciones ontológicas simples. Ayuda que una máquina de razonamiento pueda decirle qué declaraciones son repeticiones de cosas ya conocidas y cuáles son nuevas. Luego, con entrenamiento, uno podría leer los resultados de una revista completa de Physics Review en unos pocos minutos. La lista sigue y sigue.
Sin embargo, los fondos necesarios para hacer esto son grandes y, en este momento, los únicos grupos que veo haciendo este tipo de cosas son Microsoft, Google y Apple, y todo eso está a puertas cerradas.
Soy el desarrollador de un proyecto llamado Physics Derivation Graph , véalo también en GitHub .
Mi intención es desarrollar un conjunto de derivaciones en un gráfico que capture el estado actual del conocimiento en Física. Aunque considero que el razonamiento automatizado está fuera del alcance de mi proyecto, le invitamos a mirar las bases de datos y pensar en lo que puede usar.
Estoy evitando intencionalmente la dependencia del inglés para construir el gráfico. El gráfico debe poder ser analizado por un sistema de álgebra computacional. Esto significa que podría estar disponible para sus intereses en el razonamiento automatizado si lo está abordando matemáticamente.
PD: yo también creo que no soy un chiflado ya que tengo un doctorado en física computacional
Editar 20150708: enlace al sitio y al código fuente en GitHub.
Usted puede encontrar este documento interesante:
Predicción de tendencias de investigación con redes semánticas y neuronales con una aplicación en física cuántica. Mario Krenn y Anton Zeilinger. arXiv:1906.06843 (2019).
En sus propias palabras,
Aquí demostramos un método para construir una red semántica a partir de literatura científica publicada, que llamamos SemNet
donde usan Wikipedia como fuente de conceptos que forman nodos en la red de conocimiento, y la literatura publicada como fuente de enlaces que vinculan esos nodos con la fuerza de esos bordes.
No sé qué tan útil terminará siendo esto, pero vale la pena echarle un vistazo si estás interesado en ese género.
robar
gusuku
una mente curiosa
gusuku
curioso
gusuku
curioso
gusuku
curioso
gusuku
david hamen
dmckee --- gatito ex-moderador