2023-09-09 02:55:49 来源 : 经济日报新闻客户端
(资料图片仅供参考)
从ChatGPT引发的追捧到“百模大战”，大语言模型和生成式人工智能发展十分迅速。9月8日，清华大学计算机系教授、海致科技首席科学家郑纬民发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台运用知识图谱技术，实现基于行业与场景的精准推演。目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用人工智能进入工业应用的“最后一公里”。
日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《知识图谱与大模型融合实践报告》也已经正式发布，上述成果以及部分应用案例也将为业界共享，推动更多市场主体和技术力量参与到通用人工智能的多技术融合之中。
郑纬民表示，知识图谱作为更加类脑的人工智能工具，其知识推导能力可以跟大模型相互补充，反过来，大模型的快速学习能力，对于知识图谱的知识生成也产生了很好的促进。
大语言模型的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和概率分布，因此，它更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力。另外，它在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。对于这种基于技术特征产生的瑕疵，人们将其形象比喻为“大模型幻觉”。这种不期而遇的“幻觉”正是以大模型为代表的通用人工智能进入商用最大的挑战。
在这一背景下，另一种被广泛应用的人工智能基础技术——知识图谱作为公认“类脑”的知识表达方式，通过对语义网络进行建模，以结构化的形式描述客观世界中实体及关系，被广泛应用于知识推理。
海致科技高级副总裁瞿珂列举了该平台已经验证的一个工业场景：在工业制造设备运检领域中，复杂生产系统的故障识别因其故障组合类型复杂、数据异构、以及要求反应速度很快，一直是人们对人工智能寄予厚望的领域。“过去我们通过利用知识图谱技术，可以将设备间关系以及关联设备量测信号构建成故障知识特征子图来帮助机器自动实现故障识别，但是这一过程需要业务专家配合技术人员开展大量的实体构建和配置工作为先决条件，才能实现知识生成。但是今天我们可以通过大模型极大地提高这一知识抽取和融合的过程效率，一方面，通过大模型对故障设备及关联量测值的快速提取，帮助知识图谱完成特征图的快速构建，提高效率；另一方面，也可以通过业务专家对大模型自动生成的特征图进行更为高效的校验，固化和校准故障特征的经验知识，确保质量。”
