「大模型」之所短，「知識圖譜」之所長
??點擊“博文視點Broadview”，獲取更多書訊
近兩年，人工智能領(lǐng)域的大模型可謂炙手可熱。以自然語言處理領(lǐng)域為例，自BERT橫空出世，在各種評測上分數(shù)一飛沖天，在斯坦福閱讀理解評測集上超越人類水平之后，各種越來越大的自然語言處理模型不斷涌現(xiàn)，并在各種評測中不斷刷新出新的記錄。
圖1是近年來不同的預(yù)處理模型的情況，可以看出模型規(guī)模呈指數(shù)級增長。由此，許多人已經(jīng)對模型越大效果越好（Larger model, better performance）深信不疑，并逐漸形成了AI領(lǐng)域的“軍備競賽”。
圖1?“大模型”的參數(shù)指數(shù)級增長
確實！如果僅僅考慮各種評測，以刷榜為目標(biāo)的話，這種趨勢毫無爭議。不管是微軟與 OpenAI的Megatron-Turing NLG，還是谷歌的 PaLM，以及國內(nèi)如智源研究院的悟道、百度文心3.0等，其評測成績之斐然是有目共睹的。但這一切并不是沒有批評的聲音。
一方面，這種超大模型的能力是存在爭議的，其到底是具備“超級能力”，還是因為其訓(xùn)練語料足夠豐富而使得模型僅僅是“記憶”這些內(nèi)容？進一步地，這種基于深度學(xué)習(xí)的大模型，還有其天然的難以解釋的特點。
另一方面，這種依靠超級計算資源和數(shù)據(jù)資源打造的大模型，在面對真正的應(yīng)用時顯得心有余而力不足，絕大多數(shù)情況下，僅僅適用于“刷個榜”，即使財大氣粗，也無法真正使用這些看起來非常美好的“大模型”。
此外，在許多領(lǐng)域的專業(yè)應(yīng)用中，比如尖端醫(yī)療器械制造的失效分析，因其語料在廣泛的數(shù)據(jù)中顯得數(shù)據(jù)量如此之少，而在使用這些大模型時毫無優(yōu)勢。
于是，有識之士在這種“超級算力”+“海量數(shù)據(jù)”+“大模型”的范式之外，提出了以“算法”+“算力”+“數(shù)據(jù)”+“知識”的新范式。
比如，張鈸院士就說過“人的智能沒法通過單純的大數(shù)據(jù)學(xué)習(xí)把它學(xué)出來，那怎么辦？很簡單，加上知識，讓它有推理的能力，做決策的能力。”
而知識圖譜則是人工智能領(lǐng)域中用以存儲和表示知識的最新的一種方法，目前正驅(qū)動這人工智能的進一步發(fā)展，也被認為是實現(xiàn)認知智能的核心技術(shù)之一。
事實上，對于蕓蕓眾生，這些大模型“可望而不可及”。
最近幾年我一直在達觀數(shù)據(jù)做自然語言處理和知識圖譜的技術(shù)研究、產(chǎn)品開發(fā)和產(chǎn)業(yè)落地方面的工作。期間走訪了各行各業(yè)的頭部企業(yè)，了解到不管是金融行業(yè)的巨頭，制造業(yè)各細分領(lǐng)域的領(lǐng)頭羊還是壟斷性大國企，都沒有將這些大模型使用在其業(yè)務(wù)上，用于提升效率、降低成本、提升競爭力等。甚至于人工智能巨頭也沒有很好地用上這些大模型。
而以知識圖譜為核心的認知智能技術(shù)，因加入了“知識”這一人類發(fā)展經(jīng)驗的總結(jié)，使得能夠擺脫“大模型”的缺陷，更適合于在各行各業(yè)的實踐應(yīng)用。
并且，以知識圖譜為核心的認知智能技術(shù)，因其計算資源更少，推斷結(jié)果可解釋，進而在產(chǎn)品落地和產(chǎn)業(yè)應(yīng)用中具備了極大的優(yōu)勢。
為了介紹這種具備巨大前景又具有非常實在的產(chǎn)業(yè)應(yīng)用的認知智能技術(shù)，我傾注了大量的心血，梳理知識圖譜的前沿技術(shù)研究成果，總結(jié)十多年來在人工智能產(chǎn)品開發(fā)和產(chǎn)業(yè)應(yīng)用方面的經(jīng)驗，寫下了學(xué)術(shù)界和企業(yè)界十多位知名專家傾力推薦的《知識圖譜：認知智能理論與實戰(zhàn)》一書。
本書系統(tǒng)全面地介紹了知識圖譜的核心技術(shù)，既有宏觀整體的技術(shù)體系，也有關(guān)鍵技術(shù)和算法細節(jié)，內(nèi)容包括：
知識圖譜模式設(shè)計的方法論——六韜法；
知識圖譜構(gòu)建中的實體抽取和關(guān)系抽取；
知識存儲中的屬性圖模型及圖數(shù)據(jù)庫，重點介紹了JanusGraph分布式圖數(shù)據(jù)庫；
知識計算中的圖論基礎(chǔ)，以及中心性、社區(qū)檢測等經(jīng)典圖計算算法；
知識推理中的邏輯推理、幾何變換推理和深度學(xué)習(xí)推理，及其編程實例。
最后，本書以金融、醫(yī)療和智能制造三大行業(yè)的應(yīng)用場景為例，梳理了知識圖譜的應(yīng)用價值和應(yīng)用程序形態(tài)。
圖2 《知識圖譜：認知智能理論與實戰(zhàn)》內(nèi)容框架
本書既適合人工智能行業(yè)從業(yè)者和研究人員系統(tǒng)學(xué)習(xí)知識圖譜，也適合一線工程師和技術(shù)人員參考使用，并可作為企業(yè)管理人員、政府人員、政策制定人員、公共政策學(xué)者的參考材料，以及高等院校計算機、金融和人工智能等相關(guān)專業(yè)師生的參考資料和培訓(xùn)學(xué)校的教材。
知識圖譜作為人工智能中知識獲取、存儲和使用的技術(shù)，是彌補深度學(xué)習(xí)和“大模型”短處的良方，是縫合認知智能前沿技術(shù)理論和產(chǎn)業(yè)應(yīng)用的有效方法。“日月麗乎天，百谷草木麗乎土”，知識乃是人工智能不斷進步必不可少的養(yǎng)分，因而知識圖譜也正是人工智能進步的階梯。
希望《知識圖譜：認知智能理論與實戰(zhàn)》這本書能夠為讀者在探索這個人工智能中提供一點幫助，能夠為認知智能的產(chǎn)業(yè)應(yīng)用做出微薄的貢獻。
?
如果喜歡本文 歡迎?在看丨留言丨分享至朋友圈?三連 ?熱文推薦??
▼點擊閱讀原文，了解本書詳情~