هوش مصنوعی

پیشنهاد معماری چهارلایه برای حفظ و بازنگری تفسیرهای سازمانی

پیش‌چاپی در arXiv معماری‌ای به نام «قشر مشترک سازمانی» معرفی می‌کند که قرار است تفسیرها را همراه با شواهد و فرض‌های پشت آن‌ها نگه دارد و با تغییر شواهد بازنگری کند.

۱ دقیقه مطالعه

پژوهشگران در پیش‌چاپی در arXiv معماری‌ای چهارلایه با نام‌های Signals، Domains، Claims و Dimensions پیشنهاد کرده‌اند. به‌گفتهٔ نویسندگان، سازمان‌ها شواهد را در گفت‌وگوها، اسناد، تصمیم‌ها و روابط انباشته می‌کنند، اما برای اقدام به تفسیرهایی تکیه دارند که از چند مشاهده ساخته شده‌اند، بر فرض‌هایی متکی‌اند و ممکن است با تغییر شرایط عوض شوند. آن‌ها می‌گویند ابزارهای بازیابی اطلاعات، گراف‌های دانش و حافظهٔ عامل‌ها سوابق را نگه می‌دارند، اما تفسیر را از دست می‌دهند.

در معماری پیشنهادی، تفسیرها همراه با توجیه‌ها و وضعیت اعتبارشان حفظ می‌شوند. شبکه‌ای برای نگهداری سازگاری میان گزاره‌ها، با تغییر شواهد وضعیت آن‌ها را بازنگری می‌کند؛ همچنین Dimensions نسخه‌بندی‌شده و اعتبارسنجی‌شده، تفسیرها را روی محورهای نام‌گذاری‌شده جای می‌دهند. نویسندگان این مجموعه را «قشر مشترک سازمانی» می‌نامند.

چکیده از یک آزمایش بازیابیِ ثبت‌شده نیز خبر می‌دهد و می‌گوید افزودن مؤلفهٔ Dimension امتیاز را ۰٫۰۲۸ افزایش می‌دهد؛ اما در متن ارائه‌شده، معیار سنجش یا جزئیات بیشتر آزمایش نیامده است. این مقاله نسخهٔ اولیه و پیش‌چاپ است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست