知识图谱与大模型之间的关系.docx
《知识图谱与大模型之间的关系.docx》由会员分享,可在线阅读,更多相关《知识图谱与大模型之间的关系.docx(5页珍藏版)》请在第一文库网上搜索。
1、知识图谱与大模型之间的关系一、从认知智能的两种路径说起我们都知道,人工智能的发展分为三个阶段:计算智能、感知智能、认知智能。计算智能,即快速计算和记忆存储能力。感知智能,即视觉、听觉、触觉等感知能力。认知智能,即理解、思考、推理等认知能力。我们现在已经迈进了认知智能的阶段,目前以多模态为主。多模态认知智能,一般来说有两种实现路径。一是,多模态大模型;二是多模态知识工程。多模态大模型,是典型的连接主义和经验主义的思想,从海量预训练数据中学习概率关联,是简单而鲁棒的,它属于统计学习范畴,具备端到端、干预少和“数”尽其用的优势,其劣势在于难以学习到从因到果、从主到次、从整体到部分、从概括到具体、从现
2、象到本质、从具体到一般等逻辑关系。另一种实现路径是多模态知识工程,其代表了符号主义的思想,从精选数据和专家知识中学习符号关联,是精细而脆弱的,它往往通过专家系统和知识图谱实现,具备易推理、可控、可干预、可解释的优点,但是它的劣势主要在于将数据转换成符号知识的过程往往伴随着巨大的信息损失,而其中隐性知识等难以表达的知识往往是信息损失的主体。多模态知识图谱是多模态知识工程的主要形式。二、知识图谱与大模型的优劣势分析两者本质上都是一种知识库。在实时性和时效性上面临的挑战一致,都需要面对事实性错误、时效性以及知识更新的问题。知识图谱是知识的结构化表达,通过三元组与图网络建立起知识体系,结构清晰,查询简
3、单,便于理解。大模型是利用海量语料,经过神经网络和深度学习大规模训练后,形成的巨量参数的语言模型,上下文感知能力、深层语义表示能力较强,主打通用性。大模型的优点是: 关联推理能力强:可以学习掌握大量跨模态知识模式,隐空间的关联推理能力强,具有很强的泛化能力; 多任务通吃:一套大模型处理各类跨模态任务;.人工成本低:依赖人工SChema设计与数据标注比较少; 适配能力强:可通过调优训练或PromPt对话等方式来适配新的领域和任务。而其不足之处在于:.可靠程度低:所生成的内容存在事实性错误,可靠性堪忧,存在误差累积、隐私泄露等问题,无法胜任高精度严肃场景需求;知识推理弱:基于概率的语义连接,没有真
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 知识 图谱 模型 之间 关系