テキスト、表、知識グラフ間の知識の不整合検出

インターネットで情報を探すとき、私たちはWikipedia（ウィキペディア）やWikidata（ウィキデータ）といった、みんなが作る情報源をよく利用しますよね。これらの情報源は、AI（人工知能）が賢くなるための「学習データ」としても、すごく大切に使われています。

でも、ここで一つ問題が。情報は、文章（テキスト）、表、そして「知識グラフ」という、ちょっと専門的なデータのカタチで、あちこちに散らばって存在しています。例えるなら、一つの物語が、本、新聞記事、そして登場人物の関係図にバラバラに書かれているようなものです。こうなると、情報同士で「あれ？なんか違うぞ？」という「不整合」が起きやすくなるんです。

この度、そんな「知識のズレ」を、AIが見つけ出すための新しい研究が登場しました。これは、文章、表、知識グラフといった、異なる情報のカタチ（これを「モダリティ」と呼びます）の間にある不整合を、自動で見つけようという試みです。

研究チームは、この不整合をいくつか種類に分類し、それを自動で見つけるための「Kontrast（コントラスト）」という名前の仕組み（フレームワーク）を提案しています。まるで、バラバラになった物語の断片をAIが読み比べて、矛盾点や「この登場人物、さっきと違う行動してるぞ！」といった違いを見つけ出すようなイメージです。

実際に実験してみたところ、こうした異なる情報の間での不整合は、思った以上にたくさんあることが分かりました。そして、この仕組みを使うことで、例えば「Aという事実は、文章ではこう書かれているのに、知識グラフでは全く違うことが言われている」といった「知識の対立」や、「知識グラフにそもそも情報が足りていない」といった「知識グラフの不備」、さらには「去年のデータではこうだったのに、今年はこうなっている」といった「時間的なズレ」まで、色々な種類の不整合を明らかにできる可能性が示されたのです。

この技術が進めば、私たちが普段使っている情報源が、より正確で信頼できるものになるかもしれません。AIがさらに賢くなるためにも、この「知識のズレ」をなくしていくことは、とても重要なステップと言えそうです。