إلى أنظمة عصبية-رمزية قابلة للتوسع العام للإجابة على الأسئلة الواقعية
تظل مهام الاستجابة للأسئلة بالمنطق العام غير الاستخراجية تحديًا كبيرًا في مجال الذكاء الاصطناعي، نظرًا لاحتياج الأنظمة إلى التفكير والتحليل والتجميع المتكامل لمجموعة متنوعة من المعلومات المختلفة، بهدف إنتاج إجابات دقيقة على الأسئلة. أظهرت الأساليب الحديثة في هذا المجال تحسنًا ملحوظًا في الأداء، ولكن فقط عندما يتم تدريب النماذج مسبقًا باستخدام معلومات إضافية، أو عند استخدام قواعد منطقية مخصصة للنطاق، دون أخذ نوع مصدر المعرفة بعين الاعتبار بشكل خاص. في هذه الورقة، نقوم بدراسة شاملة للأساليب الحديثة في مجال الاستجابة للأسئلة بالمنطق العام، ونقدم تحليلًا منهجيًا للمصادر الشائعة للمعرفة وطرق دمج المعرفة، عبر مجموعة من مجموعات البيانات التي تُستخدم في اختبارات المنطق العام. تُظهر نتائجنا وتحليلاتنا أن طريقة التضمين القائمة على الانتباه تُعد خيارًا مفضّلًا لدمج المعرفة، وأن مدى التداخل بين مجالات قواعد المعرفة والبيانات المستخدمة في التدريب يلعب دورًا حاسمًا في تحديد نجاح النموذج.