My Ontologist: Evaluating BFO-Based AI for Definition Support

生成式人工智能（AI）在2022年发布的GPT-3.5等方面取得了显著进展，大大推进了大型语言模型（LLMs）的潜在应用，包括本体论开发和知识图谱创建。本体论是组织信息的结构化框架，而知识图谱则将本体论与实际数据相结合，是实现互操作性和自动推理的关键。然而，目前的研究在扩展基本形式本体论（BFO）等已建立的上层框架方面大多被忽视，存在着创建不可集成的本体论孤岛的风险。本研究探讨了LLMs，特别是GPT-4，对接受BFO培训的本体论者的支持程度。通过迭代开发名为“My Ontologist”的专门GPT模型，我们旨在生成符合BFO的本体论。初始版本面临保持定义约定和有效利用基础文本的挑战。My Ontologist 3.0通过遵守结构化规则和模块化本体论套件表现出潜力，但GPT-4的发布打乱了这一进展，改变了模型的行为。我们的研究结果强调了将LLM生成的本体论与顶层标准对齐的重要性，并突显了将不断发展的AI能力整合到本体论工程中的复杂性。

论文探讨了如何使用生成式人工智能（AI）来支持基于Basic Formal Ontology（BFO）的本体工程，并解决了当前研究忽视了扩展已有上层框架的本体生成问题的问题。

使用GPT-4生成BFO符合规范的本体，通过迭代开发一个名为“My Ontologist”的专门GPT模型，该模型可以遵守结构化规则和模块化本体套件。

论文强调了将LLM生成的本体与顶级标准对齐的重要性，以及整合不断发展的AI能力在本体工程中的复杂性。实验通过迭代开发My Ontologist模型，使用BFO符合规范的本体，同时也发现GPT-4o发布后会影响模型的行为。论文提出的方法值得进一步深入研究。

最近的相关研究包括使用GPT-3.5生成大型语言模型（LLM）的应用，以及本体和知识图的创建。