本报告由来自美国陆军研究实验室、美国国防情报局、美国国家地理空间情报局(NGA)、英国国防部国防科学技术实验室（Dstl）、加拿大国防研究与发展部、德国弗劳恩霍夫FKIE研究所等多个单位联合撰写。介绍了北约信息系统技术（IST）探索小组111（ET-111）的调查结果。成立ET-111是为了在北约各国之间分享对知识表示和推理（KRR）现状的理解，以了解技术现状并考虑未来的合作活动是否有益。为了支持高水平的数据融合，当下有一个基础性的需求，即信息和知识要能被人类和机器理解。知识表示是将知识以计算机可操作的形式表达出来，以便对其进行利用。这样做的一个关键原因是，知识可以被推理。基于知识的系统也可能被称为符号人工智能和基于规则的人工智能，并且在过去50多年里一直是一个活跃的研究领域。因此，它可能被一些人认为是 "老派 "的人工智能，与近年来日益突出的基于算法和机器学习的人工智能方法不同（众所周知，后者存在可解释性和概括性问题）。在 "大数据 "时代，知识表示和推理为利用灵活、可解释和基于人类知识的数据提供了一个途径。这篇综述的第一个目的是为知识表示和推理领域提供一个技术介绍。为读者提供关键概念的知识--以培养理解力--将使人们能够欣赏到知识系统的能力。第二个目的是通过实例，提供创建知识系统的过程，以及如何在军事背景下使用这种系统来解决现实世界问题。对知识系统最适用的现实世界问题的理解，有助于成功实施KRR并将其与北约系统和理论相结合。在这份报告中，我们首先讨论了北约成员国面临的一些挑战，以及北约的知识表示和推理可能会对这些领域产生的影响。然后，我们对知识表示、知识工程和推理方法的技术方面做了一个总结。我们讨论了知识表示的具体例子，如MIP信息模型（MIM）、富事件本体（REO）、OPIS和国防情报核心本体（DICO）。我们还描述了WISDOM研发平台和智能态势感知（INSANE）框架，作为使用知识表示来支持感知的例子。随后，我们回顾了更广泛的研究，包括文本分析如何支持从报告和其他来源的文本中提取知识，关于因果关系的工作以及推理系统中的可解释性和信任问题。最后，我们总结了报告的结论和对北约联盟的影响，提出了进一步工作的主要建议：

  • 建议1--北约科技组织应赞助一项技术活动，以展示符号和亚符号方法的互补使用及其对改善决策的益处。
  • 建议2--北约科技组织应赞助一个虚拟系列讲座/研讨会，以提高北约科学和业务部门对KRR技术的认识，从而为该领域的进一步技能发展提供催化作用。
  • 建议3--北约科技组织应赞助一个专门的探索小组，考虑因果模型的具体兴趣，以及它在基于知识的系统中的应用，作为未来在诸如建议1活动下进行实际演示的先导。

https://www.sto.nato.int/publications/STO%20Technical%20Reports/STO-TR-IST-ET-111/$$TR-IST-ET-111-ALL.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除