Γράφοι γνώσης: πώς η τεχνητή νοημοσύνη οργανώνει όσα γνωρίζει

Γράφοι γνώσης: πώς η τεχνητή νοημοσύνη οργανώνει όσα γνωρίζει

Το πρόβλημα της γνώσης

Η τεχνητή νοημοσύνη γνωρίζει πολλά. Πραγματικά, πάρα πολλά. Γεγονότα. Συσχετίσεις. Μοτίβα. Terabytes πληροφοριών.

Αλλά το να γνωρίζεις δεν αρκεί. Η οργάνωση έχει σημασία. Το πώς δομείς τη γνώση καθορίζει τι μπορείς να κάνεις με αυτήν. Να τη βρεις. Να τη συνδέσεις. Να συλλογιστείς πάνω σε αυτήν.

Οι γράφοι γνώσης λύνουν αυτό το πρόβλημα. Έτσι οργανώνουν ό,τι γνωρίζουν τα πιο έξυπνα συστήματα τεχνητής νοημοσύνης. Η κατανόησή τους σε βοηθά να κατανοήσεις τη σύγχρονη τεχνητή νοημοσύνη.

Τι είναι στην πραγματικότητα οι γράφοι γνώσης

Ένας γράφος γνώσης είναι ένα δίκτυο οντοτήτων και σχέσεων. Όχι μια παραδοσιακή βάση δεδομένων. Όχι μια ιεραρχική δομή. Ένας γράφος. Κόμβοι συνδεδεμένοι με ακμές. Οι σχέσεις είναι ρητές.

Δομή:

Οντότητες (Κόμβοι): Πράγματα. Άνθρωποι. Έννοιες. Οτιδήποτε υπάρχει ή μπορεί να περιγραφεί.

Παραδείγματα: "Albert Einstein", "Theory of Relativity", "Nobel Prize", "1921"

Σχέσεις (Ακμές): Πώς συνδέονται οι οντότητες. Το νόημα προκύπτει από τις συνδέσεις, όχι από την απομόνωση.

Παραδείγματα: "Einstein" → (developed) → "Theory of Relativity"

"Einstein" → (won) → "Nobel Prize"

"Nobel Prize" → (year) → "1921"

Ιδιότητες: Χαρακτηριστικά οντοτήτων ή σχέσεων. Πρόσθετες λεπτομέρειες.

Παραδείγματα: Einstein.birthdate = "1879-03-14"

Nobel Prize.field = "Physics"

Αυτό είναι όλο. Οντότητες, σχέσεις, ιδιότητες. Απλή δομή. Ισχυρή αναπαράσταση.

Ορίστε ένα οπτικό παράδειγμα:

Γιατί οι γράφοι υπερτερούν των παραδοσιακών βάσεων δεδομένων

Παραδοσιακές βάσεις δεδομένων: πίνακες και γραμμές. Σταθερό σχήμα. Άκαμπτη δομή. Οι σχέσεις είναι δύσκολες.

Γράφοι γνώσης: ευέλικτοι, με επίκεντρο τις σχέσεις, διαχειρίζονται φυσικά την πολυπλοκότητα.

Φυσική αναπαράσταση σχέσεων:

Σε μια σχεσιακή βάση δεδομένων, το να βρεις «Ποιοι είναι οι συνάδελφοι του Αϊνστάιν που κέρδισαν επίσης Νόμπελ;» απαιτεί πολλαπλά JOIN. Πολύπλοκο ερώτημα. Αργό.

Σε έναν γράφο γνώσης: ακολουθείς τις σχέσεις. Αϊνστάιν → (συνάδελφος) → Άτομο → (κέρδισε) → Βραβείο Νόμπελ. Φυσική περιήγηση. Γρήγορο.

Ευέλικτο σχήμα:

Σχεσιακές βάσεις δεδομένων: ορίζεις το σχήμα εκ των προτέρων. Η προσθήκη νέων τύπων οντοτήτων ή σχέσεων σημαίνει αλλαγές στο σχήμα. Μεταναστεύσεις. Πόνος.

Γράφοι γνώσης: προσθέτεις κόμβους και ακμές οποτεδήποτε. Το σχήμα εξελίσσεται φυσικά. Νέοι τύποι σχέσεων; Απλώς τους προσθέτεις. Καμία μετανάστευση δεν χρειάζεται.

Σημασιολογικό νόημα:

Οι πίνακες δεν κωδικοποιούν νόημα. Ένα ξένο κλειδί είναι απλώς ένας αριθμός. Το νόημα προέρχεται από τον κώδικα της εφαρμογής.

Οι ακμές του γράφου έχουν σημασιολογικές ετικέτες. «worked_with», «inspired_by», «contradicts». Η ίδια η σχέση φέρει νόημα. Ερωτήσιμη. Κατανοητή.

Καλύτερο για πολύπλοκα ερωτήματα:

«Βρες όλα τα άτομα που συνεργάστηκαν με κάποιον με τον οποίο συνεργάστηκε ο Αϊνστάιν» (σχέση συναδέλφου 2 βημάτων). Ασήμαντο σε έναν γράφο. Εφιαλτικά JOIN σε SQL.

Κάθε διαχειριστής βάσεων δεδομένων που έχει γράψει ένα JOIN επτά πινάκων για να απαντήσει σε μια απλή ερώτηση σχέσης κατανοεί τον πόνο. Η SQL σχεδιάστηκε για λογιστική, όχι για «δείξε μου όλους όσους βρίσκονται σε απόσταση τριών βαθμών διαχωρισμού από αυτό το άτομο». Αυτό το ερώτημα γίνεται ένας αναδρομικός εφιάλτης με προσωρινούς πίνακες και δημιουργικές βρισιές.

Οι γράφοι υπερέχουν σε ερωτήματα με πολλές σχέσεις. Οι βάσεις δεδομένων υπερέχουν σε συγκεντρωτικά στοιχεία και συναλλαγές. Διαφορετικά εργαλεία για διαφορετικές δουλειές.

Πώς η τεχνητή νοημοσύνη χρησιμοποιεί τους γράφους γνώσης

Οι γράφοι γνώσης τροφοδοτούν πολλές δυνατότητες τεχνητής νοημοσύνης:

Απάντηση ερωτήσεων:

Ο χρήστης ρωτά: «Ποιος κέρδισε το Βραβείο Νόμπελ Φυσικής το 1921;»

Η τεχνητή νοημοσύνη αναζητά στον γράφο γνώσης: Βραβείο Νόμπελ → (έτος) → 1921 → (πεδίο) → Φυσική → (κερδήθηκε από) → Αϊνστάιν

Απάντηση: «Albert Einstein»

Άμεση αναζήτηση μέσω σχέσεων. Δεν χρειάζεται να επεξεργαστεί κάθε έγγραφο για τον Αϊνστάιν. Ο γράφος κωδικοποιεί την απάντηση.

Συστήματα συστάσεων:

«Σε όσους άρεσε το X άρεσε και το Y» γίνεται διάσχιση γράφου. Χρήστης → (του άρεσε) → Αντικείμενο → (άρεσε επίσης σε) → Άλλοι Χρήστες → (τους άρεσε) → Άλλα Αντικείμενα

Η Amazon, το Netflix και το Spotify χρησιμοποιούν όλα γράφους γνώσης. Προϊόντα, χρήστες, προτιμήσεις ως κόμβοι. Αγορές, προβολές, βαθμολογίες ως ακμές. Οι συστάσεις είναι ερωτήματα σε γράφο.

Βελτίωση αναζήτησης:

Ο Γράφος Γνώσης της Google τροφοδοτεί εκείνα τα πλαίσια πληροφοριών. Αναζητήστε «Einstein» και βλέπετε ημερομηνία γέννησης, επιτεύγματα, σχετικά πρόσωπα. Αυτό δεν είναι εξαγόμενο κείμενο. Είναι δομημένη γνώση.

Ο γράφος επιτρέπει τη σημασιολογική αναζήτηση. Όχι μόνο αντιστοίχιση λέξεων-κλειδιών. Κατανόηση οντοτήτων και σχέσεων. «Ποια είναι η σύζυγος του Einstein;» κατανοεί ότι η «σύζυγος» είναι μια σχέση και ο Einstein μια οντότητα. Η διάσχιση γράφου βρίσκει την απάντηση.

Συλλογιστική και εξαγωγή συμπερασμάτων:

Οι γράφοι γνώσης επιτρέπουν τη λογική συλλογιστική. Αν το A → (υποκλάση του) → B, και το B → (υποκλάση του) → C, τότε το A → (υποκλάση του) → C. Μεταβατική συλλογιστική. Αυτόματη εξαγωγή νέας γνώσης από την υπάρχουσα.

Ιατρικοί γράφοι γνώσης: σύμπτωμα → (υποδηλώνει) → ασθένεια → (θεραπεύεται με) → φάρμακο. Διαγνωστική συλλογιστική μέσω διάσχισης γράφου.

Επεξηγησιμότητα:

Γιατί έλαβε η τεχνητή νοημοσύνη αυτή την απόφαση; Ιχνηλατήστε μέσα από τον γράφο γνώσης. Ποια γεγονότα χρησιμοποιήθηκαν; Ποιες σχέσεις; Η διαδρομή μέσα στον γράφο δείχνει τη συλλογιστική. Επεξηγήσιμη τεχνητή νοημοσύνη μέσω ορατής δομής γνώσης.

Οι ευρωπαϊκές ρυθμιστικές αρχές εκτιμούν ιδιαίτερα αυτό. Η Πράξη για την Τεχνητή Νοημοσύνη της ΕΕ απαιτεί επεξηγησιμότητα για συστήματα υψηλού κινδύνου. «Το μοντέλο μας έλαβε αυτή την απόφαση επειδή...» ακολουθούμενο από μια κατανομή πιθανοτήτων δεν ικανοποιεί τις ρυθμιστικές απαιτήσεις. «Εδώ είναι η ακριβής διαδρομή μέσα από τον γράφο γνώσης μας που δείχνει ποια γεγονότα οδήγησαν σε αυτό το συμπέρασμα» τις ικανοποιεί. Η διάσχιση γράφου παρέχει ίχνη ελέγχου. Το Άρθρο 22 του GDPR απαιτεί ουσιαστικές πληροφορίες σχετικά με τη λογική των αυτοματοποιημένων αποφάσεων: οι γράφοι γνώσης το καθιστούν τετριμμένο.

Δημιουργία γράφων γνώσης

Η δημιουργία ενός γράφου γνώσης δεν είναι τετριμμένη:

• Εξαγωγή οντοτήτων: Εντοπισμός οντοτήτων σε κείμενο. Αναγνώριση Ονομαστικών Οντοτήτων (NER). Ο «Albert Einstein» είναι πρόσωπο. Το «Βραβείο Νόμπελ» είναι βραβείο. Το «1921» είναι έτος. Εξαγωγή οντοτήτων από μη δομημένα δεδομένα.
• Εξαγωγή σχέσεων: Εντοπισμός του πώς σχετίζονται οι οντότητες. «Ο Einstein κέρδισε το Βραβείο Νόμπελ» → Einstein → (κέρδισε) → Βραβείο Νόμπελ. Η επεξεργασία φυσικής γλώσσας προσδιορίζει τις σχέσεις. Όχι πάντα τέλεια. Υπάρχει ασάφεια.
• Επίλυση οντοτήτων: Ίδια οντότητα, διαφορετικά ονόματα. «Einstein», «A. Einstein», «Albert Einstein». Όλα το ίδιο πρόσωπο. Συγχώνευση κόμβων. Αφαίρεση διπλοτύπων. Η επίλυση οντοτήτων είναι κρίσιμη και δύσκολη.
• Ενοποίηση γνώσης: Πολλαπλές πηγές, ίδιες οντότητες. Η Wikipedia λέει ένα πράγμα. Η Εγκυκλοπαίδεια λέει άλλο. Επίλυση συγκρούσεων. Προσδιορισμός αλήθειας. Ανάθεση βαθμών εμπιστοσύνης. Η ενοποίηση είναι συνεχής.
• Σχεδιασμός σχήματος: Ποιοι τύποι οντοτήτων υπάρχουν; Ποιοι τύποι σχέσεων; Ιδιότητες; Χρειάζεται κάποια δομή. Οι οντολογίες το ορίζουν αυτό. Αλλά αρκετά ευέλικτο για να εξελίσσεται.

Η δημιουργία μεγάλων γράφων γνώσης (δισεκατομμύρια κόμβοι) είναι σοβαρή μηχανική. Ο Γράφος Γνώσης της Google περιέχει εκατοντάδες δισεκατομμύρια γεγονότα σε δισεκατομμύρια οντότητες. Αυτή η κλίμακα απαιτεί κατανεμημένα συστήματα.

Το ευρωπαϊκό έργο DBpedia, που προέρχεται από γερμανικά πανεπιστήμια, καταδεικνύει την πολυγλωσσική πολυπλοκότητα. Ίδια οντότητα, είκοσι τέσσερις επίσημες γλώσσες της ΕΕ. Ο «Albert Einstein» γίνεται «Albert Einstein» (γερμανικά), «Albert Einstein» (γαλλικά, ίδια ορθογραφία, διαφορετική προφορά), «Άλμπερτ Αϊνστάιν» (ελληνικά). Η επίλυση οντοτήτων μεταξύ γλωσσών είναι δυσκολότερη από ό,τι φαντάζονται οι Αμερικανοί που δημιουργούν συστήματα μόνο στα αγγλικά. Οι ευρωπαϊκοί γράφοι γνώσης διαχειρίζονται αυτή την πολυπλοκότητα από προεπιλογή: δεν είναι προαιρετική, είναι επιχειρησιακή πραγματικότητα.

Ερωτήματα σε γράφους γνώσης

Ειδικές γλώσσες ερωτημάτων για γράφους:

Cypher (Neo4j):

Σύνταξη αντιστοίχισης προτύπων. ASCII αναπαράσταση για μοτίβα γράφων.

Παράδειγμα: MATCH (einstein:Person {name: "Albert Einstein"})-[:WON]->(prize:Award)

RETURN prize.name

Βρίσκει όλα τα βραβεία που κέρδισε ο Einstein. Το μοτίβο περιγράφει τη δομή του γράφου. Το ερώτημα αντιστοιχίζεται στο μοτίβο.

SPARQL (Γράφοι RDF):

Πρότυπο σημασιολογικού ιστού. Τριπλά μοτίβα.

Παράδειγμα: SELECT ?prize WHERE { :Einstein :won ?prize . ?prize :type :NobelPrize }

Παρόμοια ιδέα. Διαφορετική σύνταξη. Ερωτά δεδομένα σημασιολογικού ιστού.

Διάσχιση γράφου:

Προγραμματιστική περιήγηση στον γράφο. Ξεκινάς από έναν κόμβο. Ακολουθείς τις ακμές. Συλλέγεις αποτελέσματα. Πιο ευέλικτο από τις γλώσσες ερωτημάτων. Πλήρης αλγοριθμικός έλεγχος.

Οι βάσεις δεδομένων γράφων βελτιστοποιούν αυτά τα ερωτήματα. Ευρετηρίαση. Προσωρινή αποθήκευση. Κατανεμημένη εκτέλεση. Δισεκατομμύρια κόμβοι, ερωτήματα σε κλάσματα δευτερολέπτου. Όταν γίνεται σωστά.

Γράφοι γνώσης στο Dweve

Χρησιμοποιούμε εκτενώς γράφους γνώσης:

• Σημασιολογικό δίκτυο γνώσης: Τα γεγονότα αποθηκεύονται ως κόμβοι του γράφου. Οι σχέσεις είναι ρητές. Βαθμοί εμπιστοσύνης στις ακμές. Επίλυση αντιφάσεων μέσω ανάλυσης γράφου. Πολλαπλές πηγές, αντικρουόμενα γεγονότα; Η δομή του γράφου βοηθά στην επίλυση.
• Κατανεμημένος γράφος γνώσης (Loom): Χαρτογράφηση σχέσεων σε κλίμακα πεταμπάιτ. Υποδομή Neo4j. Κατανεμημένος σε κόμβους. Δυνατότητα επεξεργασίας τρισεκατομμυρίων κόμβων. Βελτιστοποίηση διάσχισης γράφου. Έξυπνη προφόρτωση. Αυτό δεν είναι παιχνίδι. Είναι υποδομή παραγωγής.
• Διατροπική σύντηξη γνώσης: Γνώση από διαφορετικούς τρόπους (κείμενο, εικόνες, δομημένα δεδομένα) ενσωματώνεται σε κοινό γράφο. Η ίδια οντότητα εμφανίζεται σε εικόνα και κείμενο; Συγχώνευσε κόμβους. Σύντηξε γνώση. Ετερογενείς πηγές, ενοποιημένη αναπαράσταση.
• Μηχανή γράφων γνώσης (Nexus): Δυναμική αναπαράσταση γνώσης βασισμένη σε γράφους. Οι πράκτορες ανακτούν πληροφορίες από τον γράφο. Συλλογιστική μέσω διάσχισης γράφου. Οι σχέσεις καθοδηγούν τη λήψη αποφάσεων. Ο γράφος γνώσης είναι το σύστημα μνήμης.

Δεν είναι απλώς αποθήκευση. Είναι ενεργό υπόστρωμα συλλογιστικής. Η δομή του γράφου ΕΙΝΑΙ η οργάνωση της γνώσης.

Προκλήσεις με τους γράφους γνώσης

Ισχυροί αλλά όχι τέλειοι:

• Πληρότητα: Οι γράφοι γνώσης δεν είναι ποτέ πλήρεις. Πάντα λείπουν οντότητες. Λείπουν σχέσεις. Υπάρχουν κενά. Πρέπει να διαχειρίζεσαι το άγνωστο με χάρη.
• Ποιότητα: Η εξαγόμενη γνώση περιέχει σφάλματα. Λάθος οντότητες. Λάθος σχέσεις. Οι βαθμολογίες εμπιστοσύνης βοηθούν. Αλλά ο θόρυβος παραμένει. Η επικύρωση είναι συνεχής.
• Κλίμακα: Δισεκατομμύρια κόμβοι. Τρισεκατομμύρια ακμές. Η αποθήκευση είναι διαχειρίσιμη. Η αναζήτηση σε κλίμακα είναι δύσκολη. Απαιτούνται κατανεμημένα συστήματα. Η πολυπλοκότητα αυξάνεται.
• Χρονική Δυναμική: Η γνώση αλλάζει. Τα γεγονότα ξεπερνιούνται. Οι σχέσεις εξελίσσονται. Η έκδοση της γνώσης είναι πολύπλοκη. Οι γράφοι με επίγνωση του χρόνου βοηθούν, αλλά προσθέτουν πολυπλοκότητα.
• Ασάφεια: Ο "Ερμής" είναι ο πλανήτης ή το στοιχείο; Το πλαίσιο αποσαφηνίζει. Αλλά οι γράφοι συχνά στερούνται πλαισίου. Η ανάλυση οντοτήτων δεν είναι ποτέ τέλεια.
• Όρια Συλλογισμού: Η δομή του γράφου επιτρέπει κάποιο συλλογισμό. Αλλά η λογική είναι περιορισμένη. Ο πιθανοτικός συλλογισμός είναι δύσκολος. Ο αιτιώδης συλλογισμός είναι δυσκολότερος. Οι γράφοι αναπαριστούν, δεν συλλογίζονται σε βάθος.
• Κυριαρχία Δεδομένων: Οι ευρωπαϊκοί οργανισμοί αντιμετωπίζουν μοναδικές προκλήσεις. Ο GDPR απαγορεύει ορισμένες μεταφορές δεδομένων εκτός ΕΕ. Οι γράφοι γνώσης με κόμβους προσωπικών δεδομένων πρέπει να σέβονται τα όρια δικαιοδοσίας. Δεν μπορείς απλώς να αναπαράγεις σε παγκόσμιο cloud. Απαιτείται φιλοξενία εντός των εγκαταστάσεων ή μόνο εντός ΕΕ. Οι αμερικανικές εταιρείες που χτίζουν συγκεντρωτικούς γράφους γνώσης το ανακαλύπτουν με ακριβό τρόπο, μέσω ρυθμιστικών προστίμων.

Παρά τις προκλήσεις, οι γράφοι γνώσης παραμένουν η καλύτερη δομή για οργανωμένη γνώση σε κλίμακα.

Το μέλλον των γράφων γνώσης

Πού πάει αυτό;

• Αυτόματη κατασκευή: Καλύτερη εξαγωγή οντοτήτων και σχέσεων. Μεγαλύτερη ακρίβεια. Ευρύτερη κάλυψη. Λιγότερη ανθρώπινη παρέμβαση. Η τεχνητή νοημοσύνη χτίζει μόνη της τους γράφους γνώσης από ακατέργαστα δεδομένα.
• Δυναμική ενημέρωση: Ενημερώσεις γράφου γνώσης σε πραγματικό χρόνο. Συμβαίνουν ειδήσεις. Ο γράφος ενημερώνεται. Συνεχής ανανέωση γνώσης. Πάντα επίκαιρο.
• Πιθανοτικοί γράφοι: Ακμές με πιθανότητες. Αβέβαιες σχέσεις. Διάδοση εμπιστοσύνης. Συμπερασμός κατά Bayes πάνω στη δομή του γράφου.
• Χρονικοί γράφοι: Γνώση με επίγνωση του χρόνου. «Ήταν αλήθεια τότε. Δεν είναι αλήθεια τώρα.» Ιστορικός συλλογισμός. Πρόβλεψη του μέλλοντος. Παρακολούθηση της εξέλιξης του γράφου.
• Πολυτροπικοί γράφοι: Οι κόμβοι είναι εικόνες, ήχος, βίντεο, κείμενο. Οι σχέσεις διαπερνούν τα μέσα. Ενοποιημένη γνώση ανεξάρτητα από τη μορφή της πηγής.
• Ομοσπονδιακοί γράφοι: Πολλοί οργανισμοί, ξεχωριστοί γράφοι. Ερωτήματα πέρα από οργανωτικά όρια. Σεβασμός στην ιδιωτικότητα. Κατανεμημένη γνώση χωρίς συγκεντρωτισμό. Η ευρωπαϊκή πρωτοβουλία Gaia-X αποτελεί χαρακτηριστικό παράδειγμα: ομοσπονδιακή υποδομή δεδομένων όπου οι οργανισμοί διατηρούν την κυριαρχία τους πάνω στη γνώση τους, ενώ επιτρέπονται διασυνοριακά ερωτήματα. Οι αμερικανικοί τεχνολογικοί κολοσσοί προτιμούν συγκεντρωτικούς γράφους που ελέγχουν οι ίδιοι. Οι Ευρωπαίοι προτιμούν ομοσπονδιακούς γράφους που διατηρούν την ανεξαρτησία. Διαφορετικές φιλοσοφίες για την ιδιοκτησία της γνώσης.

Οι γράφοι γνώσης είναι υποδομή για την κατανόηση της τεχνητής νοημοσύνης. Όσο καλύτερος ο γράφος, τόσο πιο έξυπνη η τεχνητή νοημοσύνη.

Τι πρέπει να θυμάστε

• 1. Οι γράφοι είναι οντότητες και σχέσεις. Κόμβοι και ακμές. Η δομή κωδικοποιεί το νόημα. Οι σχέσεις είναι πρώτης τάξης.
• 2. Καλύτεροι από τις βάσεις δεδομένων για σχέσεις. Φυσική διάσχιση. Ευέλικτο σχήμα. Σημασιολογικές ακμές. Υπερέχουν στα συνδεδεμένα δεδομένα.
• 3. Τροφοδοτούν πολλές δυνατότητες τεχνητής νοημοσύνης. Απάντηση ερωτήσεων, συστάσεις, αναζήτηση, συλλογιστική, επεξηγησιμότητα. Οι γράφοι τα καθιστούν όλα δυνατά.
• 4. Η κατασκευή απαιτεί εξαγωγή οντοτήτων, επίλυση, ενοποίηση. Δεν είναι αυτόματη. Πρόκληση μηχανικής. Αλλά αξίζει τον κόπο.
• 5. Ειδικές γλώσσες ερωτημάτων για γράφους. Cypher, SPARQL, προγραμματιστική διάσχιση. Αντιστοίχιση προτύπων, όχι SQL.
• 6. Υπάρχουν προκλήσεις. Πληρότητα, ποιότητα, κλίμακα, χρονικές δυναμικές, ασάφεια. Αντισταθμίσεις, όχι τελειότητα.
• 7. Το μέλλον είναι αυτόματο, δυναμικό, πιθανοτικό. Καλύτερη κατασκευή. Ενημερώσεις σε πραγματικό χρόνο. Διαχείριση αβεβαιότητας. Η εξέλιξη συνεχίζεται.

Η ουσία

Οι γράφοι γνώσης είναι ο τρόπος με τον οποίο η τεχνητή νοημοσύνη οργανώνει όσα γνωρίζει. Όχι επίπεδα αρχεία. Όχι σχεσιακοί πίνακες. Δομή γράφου που αντικατοπτρίζει τον τρόπο που η γνώση συνδέεται στην πραγματικότητα.

Τα πλεονεκτήματα είναι σαφή: φυσική αναπαράσταση σχέσεων, ευέλικτο σχήμα, σημασιολογικό νόημα, ισχυρά ερωτήματα. Η γνώση ως συνδεδεμένο δίκτυο, όχι ως μεμονωμένα γεγονότα.

Τα πραγματικά συστήματα τεχνητής νοημοσύνης τα χρησιμοποιούν. Το Knowledge Graph της Google. Το γράφημα προϊόντων της Amazon. Το κοινωνικό γράφημα του Facebook. Το γράφημα συστάσεων του Netflix. Όχι ακαδημαϊκές περιέργειες. Υποδομή παραγωγής.

Η κατασκευή τους είναι δύσκολη. Εξαγωγή οντοτήτων. Αναγνώριση σχέσεων. Απαλοιφή διπλοτύπων. Ενοποίηση. Έλεγχος ποιότητας. Προκλήσεις κλίμακας. Αλλά η αξία δικαιολογεί την προσπάθεια.

Το μέλλον της τεχνητής νοημοσύνης εξαρτάται από την καλύτερη οργάνωση της γνώσης. Όχι μόνο περισσότερα δεδομένα. Καλύτερα δομημένα δεδομένα. Οι γράφοι γνώσης παρέχουν αυτή τη δομή. Ο γράφος ΕΙΝΑΙ η γνώση.

Η κατανόηση των γράφων γνώσης σημαίνει κατανόηση του τρόπου σκέψης της τεχνητής νοημοσύνης. Όχι νευρωνικές ενεργοποιήσεις. Δομημένη γνώση. Ρητές σχέσεις. Συλλογιστική μέσω συνδέσεων. Αυτή είναι έξυπνη οργάνωση πληροφοριών.

Χρειάζεστε υποδομή γράφων γνώσης; Εξερευνήστε το σημασιολογικό δίκτυο γνώσης της Dweve. Επεξεργασία τρισεκατομμυρίων κόμβων. Κατανεμημένη αποθήκευση γράφων. Πολυτροπική σύντηξη γνώσης. Σχέσεις με βαθμολογία εμπιστοσύνης. Το είδος του γράφου γνώσης που κλιμακώνεται σε πραγματικές εφαρμογές τεχνητής νοημοσύνης.