XiaoMi-AI文件搜索系统
World File Search SystemOntology
电子游戏的本体论
电子游戏的本体论是一个相对较新但迅速增长的研究领域，探讨了与电子游戏的性质和身份有关的问题。考虑Elden Ring，这是由软件发行的最新广受好评的视频游戏，这是标志性的Dark Souls系列背后的工作室。该视频游戏具有许多值得注意的特征：一个美丽而巨大的开放世界，一个令人困扰的配乐，探索和发现的叙述等等。电子游戏本体论的核心任务之一是确定这些方面如何促进Elden Ring作为视频游戏的身份。换句话说：是什么让埃尔登（Elden）将视频游戏响起？在哪些理由下，我们将其与其他视频游戏（例如Super Mario World或Dark Souls）区分开来？是什么解释了埃尔登戒指的特定演奏，即使它们示例了显着的差异，仍然被认为是同一电子游戏的播放？如果在街机机上播放了Elden Ring的身份，如果它的游戏引擎或原声带已完全重写，或者将新的可玩内容添加到游戏中，是否会受到影响？
论消耗战：战争本体论
威廉·林德 (William Lind) 等作家认为，消耗战是一种战争形式。3 根据林德的说法，消耗战以牺牲机动性为代价，使用火力来减少敌方战斗人员的数量。林德和他的同事们进一步指出，其他类型的战争利用火力和机动性为对手创造意想不到的危险局面。4 爱德华·鲁特瓦克 (Edward Luttwak) 持几乎相同的观点，他写道，“消耗战”以牺牲更多以机动为中心的战争方式为代价，创造了对火力的过度依赖。5 在经常被引用但有缺陷的《奔向迅捷：对二十一世纪战争的思考》一书中，理查德·辛普金 (Richard Simpkin) 将机动和消耗战置于对比的悬置位置——将每种理论视为另一种理论的对立面，并断言前者远远优于后者。6
物理学的现象学本体论
让我们想象一下，尽管缺乏任何包罗万象的图像，但抽象的数学结构可以比以往更有效地指导我们的（技术）活动，可能还会借助一组笨拙、不完整的辅助图像。在这种新情况下，通常的知识层次结构将被颠倒过来。与标准的优先顺序不同，以情境为中心的实践知识将优先于与精心设计的统一表征相关的理论知识；就像在胡塞尔的《欧洲科学的危机》中，生活世界优先于理论“子结构”一样。在这里，人们不会将表征解释为超越原始体现对不断变化的现象模式的适应的知识的完成阶段，而是将表征视为有时用于高度高级体现适应形式的可选工具。至于数学形式主义，它们将不再被视为现实世界的结构图像，而是被理解为我们针对变化的现象景观做出身体行为的最精确可能性的系统清单（与让·皮亚杰的遗传心理学或安德鲁·皮克林的新实用主义一起）。柏拉图式的了解自然形式的梦想将被这样的认识所驱散：数学物理理论是形式化知识的变体。
绿色人工智能本体：用于建模人工智能模型能耗的本体
诸如 GPT 之类的预训练语言模型因其通用人工智能能力而受到称赞，如今被广泛用于问答、信息提取和文本摘要等任务。但是，对于拥有 1750 亿个参数的 GPT-3，训练需要 10,000 个 GPU，耗费 552 公吨二氧化碳。1 因此，出现了一个问题，即 AI 模型有多“绿色”。无论道德评估如何，我们认为对 AI 系统的能源消耗和可持续性特征（例如运营成本）进行建模是有用的，从而扩展了 FAIR 数据原则 [ 1 ]，该原则侧重于研究数据和其他工件的可用性和重用。现有的本体和知识图谱侧重于研究格局的建模、出版物、作者和场所的建模（例如 FaBiO、ORKG、MAKG）[ 2 ]。此外，还提出了用于建模软件和神经网络的本体。例如，信息学研究工件本体 (OIRA) [ 3 ] 提供了一种对软件和数据集进行建模的方法。在 FAIRnets [ 4 ] 中，作者提出了一种用于建模神经网络的模式。然而，令人惊讶的是，这些本体都无法对 AI 模型的能耗进行建模（例如，预训练语言模型的运行时间或二氧化碳足迹，可以通过工具进行测量 [ 5 ]）。
从本体到系统体系结构
Urban Air Mobility（UAM）是通过涉及各种相互关联系统的系统（SOS）实现的先进航空概念。基于模型的系统工程（MBSE）非常适合定义此类SOS的体系结构。但是，尽管UAM SOS有一些共同的基本特征，但特定的体系结构和操作参数将从一个都会区变成另一个都会区。在每个都会区的UAM体系结构和运营的适当模型可能会导致不一致，混乱，并最终导致操作困难。为了防止这种结果，本文提出了一个结构化框架，用于利用本体论和参考模型来阐述UAM体系结构。这些用于得出Metro-rarea-特定的架构和操作模型。本体论统一了对UAM SOS中系统，关系和过程的理解。以本体论为基础，基线档位的参考模型是地铁区特异性建筑模型的模板。组合有助于快速生成特定的UAM架构和用例，如本文所示。我们总结了为什么专门为UAM准备的完全模块化和可重复使用的框架这一步骤可以加速进步，以实现这一雄心勃勃的概念。
策略本体的必要性和要求
战略一词源于希腊语 stratēgia (στρατηγία)，其含义集中在军事概念“军队领袖的艺术；将军、指挥、将领的职责”[19]。“战略”一词于公元 6 世纪（伊斯兰回历 -50 年）在东罗马地区开始使用。它于 18 世纪首次进入西方世界。当时直到 20 世纪，“战略”一词相反地被称为“一种试图追求政治目的的综合方法，包括威胁或实际使用武力，在意志的辩证法中”[4]。然而，这更多地与双方互动的战斗斗争有关 [4]。如今，在国防工业中，它指的是在与敌人交战之前规划方向性组件并调动资源。一旦敌人交战，战略执行就会发挥作用，将注意力转移到战术上。然而，为了确保战略的不断改进，需要在运营层面开展活动。了解战略的百年军事起源，让我们能够将当今一些常见的商业术语联系起来，例如：
本体学习的观点 - CiteSeerX
让机器具备常识和特定领域的知识，使它们能够像人类一样理解某些问题领域，这一直是人工智能研究的主要目标，现在仍然是。在这种情况下，一个关键问题是，将所有相关知识编码成机器可以利用的自动推理、不一致性检测等方式的成本实际上有多高。虽然最近有一些研究开发了可以估算知识工程项目成本的方法 [12]，但可以合理地假设并非所有相关知识都可以手动编码。通过分析人类行为及其产生的数据来提取和发现知识的技术可以在这方面做出重要贡献。本体学习领域是 Alexander Mädche 和 Steffen Staab 于 2001 年创造的一个术语 [7]，它涉及从数据中得出相关本体知识的方法的开发。到目前为止，该领域已经进行了十多年的深入研究。该领域早期的研究集中于将浅层方法应用于术语和概念提取以及层次和非层次关系提取 [7]。后来，在我的博士论文《从文本中进行本体学习和填充：算法、评估和应用》中，我将本体学习定义为从数据中获取领域模型，并尝试通过引入所谓的本体学习层来系统地概述本体学习任务，这从那时起就受到了广泛关注。近年来，一些研究人员试图提高从文本数据中学习到的本体的表达能力，特别是尝试提取更深层次的公理知识（例如参见 [13]、[14] 和 [4]）。本卷中也可以找到一些类似的贡献，例如旨在通过应用归纳技术学习 OWL 公理（参见本卷中的 Lehmann 等人 [5] 和 Lisi [6]）。本体学习的问题比预期的要困难得多。在我看来，主要原因是本体总是反映概念化世界或给定领域的方式，而从一组数据中学习的本体学习算法的结果本质上反映了所讨论数据集的特性。因此，将本体算法的结果转化为实际上反映领域概念化的本体可能比从头开始构建本体的成本更高。本体学习的问题比预期的要困难得多。在我看来，主要原因是本体总是反映概念化世界或给定领域的方式，而从一组数据中学习的本体学习算法的结果本质上反映了所讨论数据集的特性。因此，将本体算法的结果转化为实际上反映领域概念化的本体可能比从头开始构建本体的成本更高。而本体学习算法从一组数据中学习的结果本质上反映了数据集的特性。因此，将本体的结果转化为
知识应用本体的开发...
摘要 在飞机项目的早期阶段，工业架构师需要评估不同的工业场景并进行权衡，以根据不同的关键绩效指标优化未来的工业架构。在以前的项目中积累的专家知识为新项目奠定了基础。以一致的方式捕获和重用专家知识是一项具有挑战性的任务。本文介绍了一个关于飞机装配过程正式应用本体开发的案例研究。它旨在促进从现有程序中捕获专家知识并将其重用以支持新的飞机装配系统设计。该应用本体继承了 IOF-Core 本体的结构和类作为基础，采用 BFO 作为顶级本体。历史装配过程规范和领域专家的反馈被用作本体的知识源。包括所有操作、材料和制造资源在内的装配过程的相关元素被提取并作为个体集成到本体中。基于对这些个体的分析，可以在类似过程中重用的共同知识可以概括为本体的相互关联的类。使用工业试点介绍了应用本体的详细开发方法。开发的本体被集成为交易空间框架的核心功能块。它可以帮助跟踪权益
物理学本体学中的数学事实
如果物理主义是正确的，那么一切都是物理。换句话说，一切都超过或必须由物理上的一切。在连贯的物理学本体论中，与逻辑和数学相关的抽象和心理实体没有余地。因此，如果存在逻辑/数学事实，则必须从物理现实来理解它们。世界的身体事实必须需要它们。因此，在物理学本体论中，必须回答以下两个问题：1）逻辑/数学事实是什么？换句话说：世界的身体事实必须需要什么？2）这种必需品是如何产生的？物理主义数学哲学的目的（[1]中概述的第一个）是澄清这些问题，并解释如何在纯粹的物理本体论中构成逻辑和数学。在本文中，我将阐明基本