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 417 次