通过使用众包反馈通过视频游戏收集到的信息，GAME-KG 框架显示出是一种增强知识图谱的有效方法，同时为人类提供由其验证的可解释的结构化事实。

Apr, 2024

人工智能的快速发展，特别是通过深度神经网络，已经在视觉和文本处理等领域取得了显著进展。但是，实现人类类似的推理和可解释的人工智能系统仍然面临重大挑战。神经符号学范式将神经网络的深度学习能力与符号系统的推理能力结合起来，提供了开发更透明和可理解的人工智能系统的有希望途径。本文探讨了基于知识图谱的神经符号一体化的最新进展，阐明了知识图谱在三个关键类别中支撑着这种一体化：通过引入符号知识来增强神经网络的推理和可解释性（Symbol for Neural），通过神经网络方法来提高符号系统的完整性和准确性（Neural for Symbol），以及促进两者在混合神经符号一体化中的应用。本文强调了当前的趋势，并提出了神经符号人工智能领域未来研究的方向。

May, 2024

通过使用大型语言模型（LLM）、专家法律系统（即法律决策路径）和贝叶斯网络的方法，本文概述了一种应用于自主汽车方面的方法的原理证明，该方法旨在通过对 AI 代理控制设备的代理软件中编码现有规则，实现人工智能代理理解法律并与之推理的能力。

Mar, 2024

本论文提出了一种针对电子信息专业的自动化知识提取，可视化知识图谱构建和图形融合的框架，旨在通过探索学科交叉的热门知识概念，增强学习效率，提高学生对其专业各个概念和课程之间关系的全面理解，探索由人工智能实现的新教育范式。

May, 2023

知识图谱在医疗人工智能中扮演重要角色，尤其在药物发现和制药研究方面，通过提供结构化的方式整合多样化信息源，增强了人工智能系统的可解释性。该综述总结了知识图谱在医疗行业的最新文献研究，以及其在开发可解释人工智能模型中的作用。重点介绍了知识图谱的工作流程，包括构建、关系提取、推理，以及在药物相互作用、药物靶标相互作用、药物开发、不良药物反应和生物信息学等领域的应用。强调了通过在医疗领域运用具有知识注入的学习方法，使知识图谱更具可解释性的重要性。最后，提出了研究挑战，并为未来的发展方向提供了见解。

Sep, 2023

本文提出了基于知识图谱和本体论的自动驾驶解决方案，涵盖了本体学习、感知、场景理解、运动规划和验证等五大主要领域，并讨论了当前的挑战和未来研究方向。

Sep, 2022

知识图谱是许多数据密集型应用程序的基础，它们能够表示数据及其含义和上下文。本文通过检查当前知识图谱对齐的现状并探索神经符号集成的潜力，突出结合这些领域的有希望的研究方向。

Oct, 2023

本文探讨了人工智能技术的风险，并介绍了一种名为 AI 治理的框架，以确保人工智能的负责任使用，从而避免和减轻包括监管、合规性、声誉、用户信任、财务和社会风险在内的风险。

Nov, 2022

机器学习在工业系统中的应用以及其安全性和合规性对于决策辅助等关键功能具有重要意义，然而，当前机器学习组件的低形式化程度和不确定性使得使用传统的关键系统工程方法难以验证和验证其安全性，因此需要制定适用于人工智能的规范和监管标准，提出可信的人工智能认证方法和工具。

Sep, 2023

本文系统综述知识图谱领域中的机遇和挑战。通过回顾知识图谱在人工智能系统和潜在应用领域中的机遇，以及知识图谱嵌入、知识获取、知识图谱完成、知识融合和知识推理等技术上的严重挑战，我们期望本次调查将为未来的研究和知识图谱的发展带来新的见解。

Mar, 2023