همگرایی هوش مصنوعی، وب معنایی و مدل های زبانی بزرگ در سیستم های مدیریت دانش متون اسلامی: یک بررسی انتقادی از منظر مهندسی سیستم

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 9

فایل این مقاله در 38 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIKM-7-2_005

تاریخ نمایه سازی: 22 مهر 1405

چکیده مقاله:

مدیریت دانش متون اسلامی با چالش های دیرینه ای در سازماندهی، بازیابی و تحلیل داده های حجیم و پیچیده متنی روبروست. ظهور و بلوغ فناوری های هوش مصنوعی، بویژه وب معنایی، گراف های دانش و مدل های زبانی بزرگ، افق های تازه ای را در این قلمرو گشوده است. این مقاله به ارائه یک مرور تحلیلی و نقادانه از همگرایی این سه جریان فناورانه در سامانه های مدیریت دانش متون اسلامی در بازه زمانی ۲۰۲۳ تا ۲۰۲۶ می پردازد. هدف اصلی، نه تنها شناسایی و دسته بندی پیشرفت های اخیر، بلکه ارزیابی عمیق و مهندسی آنها از منظر معماری سیستم، قابلیت مقیاس پذیری، دقت معنایی، قابلیت اطمینان و انطباق با الزامات دامنه است. با تحلیل دقیق نوشتارهای پژوهشی (بیش از هفتاد مقاله گزینش شده از میان دویست عنوان اولیه)، یک چهارچوب مفهومی نوین برای تحلیل سامانه های مدیریت دانش متون اسلامی هوشمند ارائه می شود که ابعاد فنی، روش شناختی و ملاحظات دامنه را دربر می گیرد. یافته ها نشان می دهد که در حالی که فناوری هایی نظیر گراف های دانشی معنایی و مدل های زبانی بزرگ توانمندی های چشمگیری در سازماندهی، بازیابی و تولید دانش از متون اسلامی از خود نشان داده اند، چالش های بنیادینی نظیر پدیده «توهم» در مدل های زبانی، جزیره ای بودن هستی شناسی ها، کمبود داده های برچسب گذاری شده با کیفیت، پیچیدگی های اعتبارسنجی سند و نیاز به تفسیرپذیری مدل ها، همچنان به عنوان موانع اصلی در دستیابی به سامانه های کاملا قابل اعتماد و با کارایی بالا باقی مانده اند. مقاله با ارائه یک نقشه راه پژوهشی شش محوری، مسیرهای آتی را برای توسعه سامانه های هوشمند مدیریت دانش متون اسلامی که بتوانند به طور موثر و مسئولانه به نیازهای تحلیل و پردازش متون اسلامی پاسخ دهند، روشن می سازد.

کلیدواژه ها:

مدیریت دانش متون اسلامی ، هوش مصنوعی ، وب معنایی ، گراف دانش ، مدل های زبانی بزرگ

نویسندگان

علی میرعرب

گروه اشاعه اطلاعات و دانش، پژوهشکده مدیریت اطلاعات و مدارک اسلامی، پژوهشگاه علوم و فرهنگ اسلامی، قم، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alshammari, I. K. , Atwell, E. , & Alsalka, M. ...
  • ArabicNLP Shared Task. (۲۰۲۵). Retrieval-augmented LLMs for Qur'anic and Hadith ...
  • Bashir, M. H. , et al. (۲۰۲۳). Arabic natural language ...
  • Bendjamaa, F. , & Taleb, N. (۲۰۲۴). OntoDin: An Islamic ...
  • Berners-Lee, T., Hendler, J. , & Lassila, O. (۲۰۰۱). The ...
  • Brown, T. B. , Mann, B. , Ryder, N. , ...
  • European Commission. (۲۰۱۹). Ethics guidelines for trustworthy AI. High-Level Expert ...
  • Haji Esmaeili, M. , & Haji Molla Mirzaee, H. (۲۰۲۱). ...
  • Harrag, Fouzi & Al-Nasser, Abdullah & Al-Musnad, Abdullah & Al-Shaya, ...
  • Hogan, A. , Blomqvist, E. , Cochez, M. , D’amato, ...
  • Ji, S. , Pan, S. , Cambria, E. , Marttinen, ...
  • Kamran, A. B. , Abro, B. , & Basharat, A. ...
  • Kamran, A. B. , Butt, N. A. , & Basharat, ...
  • Khan, H. U. , Saqlain, S. M. , Shoaib, M. ...
  • Kommineni, V. K. , König-Ries, B. , & Samuel, S. ...
  • Malhas, R. , Mansour, W. , & Elsayed, T. (۲۰۲۳). ...
  • Mohammad, Y. , Nachouki, M. , & Mohamed, E. A. ...
  • National Institute of Standards and Technology (NIST). (۲۰۲۳). Artificial intelligence ...
  • Peng, H. , & Yang, W. (۲۰۲۴). Knowledge graph construction ...
  • Qamar, F. , Latif, S. , & Latif, R. (۲۰۲۴). ...
  • Ta'a, A. , ShaariaHj Ashari, M. S., Che Mohamed Arif, ...
  • Uriawan, Wisnu & Hamza, Aria & Nuralim, Ade & Purnama, ...
  • Xue, B. , & Zou, L. (۲۰۲۳). Knowledge graph quality ...
  • نمایش کامل مراجع