- 大規模言語モデル（LLMs）は、データを抽出し連結した応答を生成する能力を示しているが、これらの人工知能（AI）モデルがどのようにして答えに至るのかについて疑問がある。
- SMUのCorey ClarkとSteph Buongiornoは、イタリアのミラノで8月5日から8日に開催されるIEEE Conference on Gamesで論文を発表する予定。
- 彼らは、”Gaming for Augmenting Metadata and Enhancing Knowledge Graphs”を意味するGAME-KGフレームワークを作成しており、知識グラフ（KG）の明示的および暗黙の接続を変更してLLMの正確な応答能力を向上させている。
- 知識グラフは、情報の構造化された表現であり、人間と機械の両方が容易に解釈できるようにエンティティ間の関係を捉える。人間は、自分たちの専門知識と自動化ツールおよびアルゴリズムを組み合わせて知識グラフを作成し維持している。
- ClarkとBuongiornoが開発したGAME-KGフレームワークは、ビデオゲームを使用して人間のフィードバックを収集し、知識グラフを修正して検証することで、知識グラフを作成する複雑さに対処している。
- 研究者は、GAME-KGフレームワークがゲームを活用して知識グラフを修正し、LLMsが正確なデータを生成するのを支援する重要な一歩であると考えている。
私の考え：知識グラフを修正してAIの正確性を向上させるためにゲームを活用するというアプローチは非常に興味深いです。人間の介入がAIの信頼性向上に重要であることが示唆されており、AI技術の発展において重要な視点を提供しています。
元記事: https://www.miragenews.com/smu-unveils-ai-transparency-tool-at-ieee-1286260/