LLM的百科全書「知識圖譜」扮演重要角色

編譯/夏洛特

在當今人工智慧(AI)領域的蓬勃發展中,「知識圖譜」(Knowledge Graphs)在大型語言模型(LLM)中扮演很重要的角色,融合了LLM和知識圖譜的技術,提供了一個窺探AI核心的窗口。然而很多人可能都不知道,知識圖譜究竟是什麼,以及它們如何影響LLM。

最近一項題為「LLM中知識圖譜的整合」的綜合研究,就深入研究了這兩種技術的融合。透過將知識圖譜整合到LLM中,研究人員的目標是提高上下文理解,產生更準確的結果,並增強資料的推理能力。

更多新聞:AI 多重面貌   不同類型人工智慧各具潛力

知識圖譜

簡單來說,知識圖譜就像是一本超級大百科全書,但不是以一般的字串或段落來組織,而是以「圖形」的方式呈現。這本「百科全書」裡面存放著各種各樣的概念,比如人、地方、事物等,以及它們之間的關係。這些關係可以是各種形式的,比如誰跟誰有關係,或者哪些事情屬於同一個類型等。透過知識圖譜,可以更容易地找到我們想要的資訊,而不用逐頁翻閱網頁。

整合的好處

ChatGPT 和 GPT-4 等大型語言模型在自然語言處理方面表現出色,但在獲取事實知識方面常遇到困難,但像維基百科這樣的知識圖譜則提供了結構化的事實知識。 將知識圖譜整合到LLM中,可以利用外部知識進行推理和解釋,進而提高模型的性能。這些知識可以是結構化的,比如表格或者列表,也可以是非結構化的,比如一段文字或者一張圖片。而知識圖譜就像是一張巨大的地圖,幫助LLM更好地理解這些知識。

擷取增強生成技術

最後,LLM則是透過「擷取增強生成」(RAG)技術,來取用知識圖譜中的資訊,並利用這些資訊產生更準確、相關和有意義的回答,避免提供錯誤的資訊。簡單來說,就像是使用一把神奇的鑰匙,讓LLM可以更好地開啟知識圖譜的門,從中獲得更多有用的知識。

參考資料:Analytics Insight

瀏覽 473 次

覺得不錯的話就分享出去吧!

發佈留言

Back to top button