Ontologias e knowledge graphs voltam a ser centrais para agentes de IA

Resumo

• Engenheiros de IA estão redescobrindo ontologias como forma de manter agentes probabilísticos dentro de limites determinísticos.

  Isso indica uma tendência de usar estruturas semânticas para controlar a imprevisibilidade dos modelos de linguagem.

• Frank Coyle argumenta que sistemas agênticos precisam de guarda-corpos lógicos, que são as ontologias, para serem eficazes.

  A declaração de um professor de Berkeley reforça a importância de regras explícitas para agentes autônomos.

• O CEO da Neo4j, Emil Eifrem, apresentou três tipos de ontologias para habilitar uma 'base compartilhada mais inteligente' para agentes em escala.

  A Neo4j, especialista em bancos de dados de grafos, está aplicando ontologias em seus produtos para agentes, mostrando adoção prática.

• A Icite usa knowledge graphs para normalizar dados de clientes, permitindo que agentes de IA os percorram com segurança.

  A declaração do CEO da Icite mostra como knowledge graphs são usados para dar contexto determinístico e evitar alucinações em agentes de segurança.

Dados

Tipos de ontologias apresentados

três

Citações

• “Coyle argued that while LLMs are very effective at providing probabilistic reasoning, for agentic systems to be truly effective they need “logical guardrails” — by which he means ontologies.”

  A declaração de um professor de Berkeley reforça a importância de regras explícitas para agentes autônomos.

  — Frank Coyle, professor de ciência da computação na UC Berkeley · ver em Latent Space ↗

• “We consume all of our customers’ data, but we normalize it. We massage it in our format that we want, and that’s how our agents are able to do it.”

  A declaração do CEO da Icite mostra como knowledge graphs são usados para dar contexto determinístico e evitar alucinações em agentes de segurança.

  — Wes Mullins, fundador e CEO da Icite Inc. · ver em SiliconANGLE (AI) ↗