Framework Neuro-Simbolico per l'Estrazione della Conoscenza Tacita nella Produzione
Un nuovo articolo di ricerca introduce un framework neuro-simbolico che combina Logic-Augmented Generation e Active Inference per estrarre conoscenza tacita da domini procedurali. Pubblicato su arXiv (2605.07639), lo studio affronta la sfida di catturare assunzioni implicite, vincoli contestuali e abilità incarnate che sono raramente documentate. L'approccio viene valutato in un caso studio manifatturiero utilizzando procedure di riparazione simili ad assemblaggi, con l'obiettivo di trasformare la conoscenza tacita in Knowledge Graphs interpretabili da macchine. Il framework integra ragionamento simbolico con modelli generativi per formalizzare competenze incentrate sui processi per interrogazione, validazione e riutilizzo.
Fatti principali
- Articolo pubblicato su arXiv con ID 2605.07639
- Si concentra sull'estrazione di conoscenza tacita in domini procedurali
- Combina Logic-Augmented Generation e Active Inference
- Utilizza la costruzione di Knowledge Graphs basati su ontologie
- Valutato in un caso studio manifatturiero con procedure di riparazione simili ad assemblaggi
- Affronta la sfida di catturare abilità implicite e incarnate
- Mira a creare rappresentazioni interpretabili da macchine
- Approccio neuro-simbolico che integra ragionamento simbolico e modelli generativi
Entità
Istituzioni
- arXiv