Ma Guoning, stellvertretender General Manager von Taifan Technology: Alles kartieren, von Königsberg bis zur Stärkung aller Branchen

Am 6. und 7. August 2022 findet wie geplant die ​AISummit Global Artificial Intelligence Technology Conference​​ statt. Beim Unterforum „AI Empowering Industry Practice“, das am Nachmittag des 7. stattfand, sprach Ma Guoning, stellvertretender General Manager von Taifan Technology, über das Thema „Mapping Everything, from Königsberg to Empowering All Industries“ und stellte die Wissenskarte vor Detail Empowerment in Tausenden von Branchen.

Wenn Yu Gong eine KI wäre, könnte er dann Berge versetzen?

Wenn Yu Gong als KI gilt, kann er dann Berge versetzen? Wie versetzt man Berge?

Ma Guoning sagte, dass in der Branche der künstlichen Intelligenz jedes vertikale Feld ein großer Berg sei. Wenn Sie beispielsweise im Finanzwesen, in der Industrie, in Regierungsangelegenheiten und in anderen Branchen Algorithmen zur Lösung branchenspezifischer Probleme verwenden, werden Sie feststellen, dass diese sich immer vom ursprünglichen Design und der ursprünglichen Implementierung unterscheiden. Der Hauptgrund dafür ist, dass unsere Algorithmuslogik möglicherweise nicht unbedingt vorhanden ist der Geschäftslogik der Branche entsprechen. Der erste Weg, dieses Problem zu lösen, besteht darin, Datenintelligenz und Computerintelligenz zu verwenden, um basierend auf der Menge der Heap-Daten zu trainieren. Diese Methode wird jedoch in der späteren Phase auch einige Engpässe verursachen. Zu diesem Zweck haben wir begonnen, Methoden der Wahrnehmungsintelligenz wie Gesichtserkennung und Spracherkennung einzusetzen, um Probleme zu lösen, die in einigen Szenarien auftreten.

Wenn auch die Wahrnehmungsintelligenz auf Engpässe stößt, besteht der neueste Weg darin, diese mit kognitiven Intelligenzalgorithmen zu lösen. Kann kognitive Intelligenz also menschliches Denken und kognitive Prozesse simulieren, um komplexe und schwierige Probleme zu lösen?

Im Bereich der kognitiven Intelligenz versucht Google seit langem, Wissensgraphen zu verwenden, um das gesamte Wissen in demselben Graphen zu installieren und so das menschliche Denken sowie den Prozess des Denkens und Ableitens zu simulieren. Da Google diese Idee jedoch vorgeschlagen hat, gibt es zumindest bisher noch keine Möglichkeit, den menschlichen Denkprozess vollständig zu simulieren. Obwohl der Erstellungsprozess der Karte nicht kompliziert ist, treten bei ausreichender Datenmenge verschiedene Probleme auf. Beispielsweise verfügt WolframAlpha über mehr als 1 Milliarde Entitäten, DBpedia über mehr als 3 Milliarden Triples, Google verfügt derzeit über mehr als 500 Millionen Entitäten und allein Microsoft Probase verfügt über zig Millionen Konzepte. In diesem Fall, ganz zu schweigen von der Anwendung, ist es bereits schwierig, nur eine Such- und Abfrageanalyse durchzuführen.

Viele Wissenschaftler glauben, dass ein einzelner Punkt oder ein Cluster dieses Problem nicht lösen kann, und verwenden daher zwei Cluster oder sogar ein Dutzend Cluster, um dieses Problem zu lösen. Tatsächlich ist es schwierig, Heap-Clustering im Wissensgraphen durchzuführen. Der Hauptgrund dafür ist, dass es schwierig ist, die Daten zu trennen, wenn eine so große Anzahl von Entitäten und Knoten verknüpft ist.

KI stärkt die Branche. Wer stärkt KI?

Ursprünglich wollte ich KI nutzen, um Industrien zu stärken, aber von Computational Intelligence über Wahrnehmungsintelligenz bis hin zu kognitiver Intelligenz braucht KI jetzt auch jemanden, der sie stärkt. Was zu tun?

Ma Guoning glaubt, dass der Weg darin besteht, auf den Schultern von Riesen zu stehen.

Königsberg im Bild oben ist eine kleine Stadt, aber sie ist in der Welt der Mathematik oder Graphentheorie sehr berühmt, vor allem weil Euler, ein großer Mathematiker, 1736 das Problem von Königsberg löste. Das Sieben-Brücken-Problem schuf eine neuer Zweig der Mathematik, Graphentheorie. Wenn Wissensgraphen in Clustern oder verteilten Umgebungen verwendet werden, müssen diese Probleme auf der Grundlage mathematischer Theorie gelöst werden.

Wenn Computerprobleme bis zu einem gewissen Grad gelöst sind, werden sie auf mathematische Probleme reduziert. Beim Umgang mit großen Wissensgraphen ist es notwendig, den Wissensgraphen zu teilen und die Rechenleistung wiederzuverwenden, um verteilte Probleme zu lösen. Wie kann also im Prozess der Partitionierung die Korrelation zwischen den partitionierten Wissensgraphen minimiert werden? Zu diesem Zweck müssen wir in der Branche etablierte oder hochmoderne Algorithmen verwenden, um die Graphpartitionierung zu erfüllen und gleichzeitig die Anforderungen an Datenskalierung und -verteilung zu erfüllen.

Derzeit öffentlich implementierte oder aufgezeichnete Algorithmen können jedoch nicht alle Probleme vollständig lösen. Das eine ist Clustering und das andere ist verteilt. Denn es ist schwierig, gleichzeitig den Lastausgleich und die Kommunikationskosten zwischen den einzelnen Maschinen zu bewältigen und gleichzeitig die Anzahl der Schnittkanten oder Scheitelpunkte zu minimieren.

Wie kann man diese Probleme lösen? Unser Ansatz besteht darin, die Komplexität für einfache Diagramme ohne Gewichte auf eine Konstante innerhalb der Exponentialfunktion zu reduzieren. Bei gewichteten Diagrammen ist die Reduzierung eines der Indizes auf eine konstante Komplexität ein relativ innovatives Forschungsergebnis. Im Bereich der Hypergraphen muss das Schnittproblem von Hypergraphen letztendlich als Sonderfall des Teilbran-k-Anteils betrachtet werden. Bei der Bestimmung des K-Werts gibt es kein Problem, ihn zu lösen.

Für ein einfaches Diagramm gibt es beispielsweise drei Schnittlinien. In der Praxis kann dies einfach als Aufteilung des gesamten Wissensdiagramms in drei Cluster verstanden werden. Unter ihnen ist der Wissensknoten S2 unabhängig geschnitten, und S2 auf der anderen Seite ist ein minimaler unabhängiger Schnitt. Dies ist eine einfache visuelle Beschreibung, die wir verwenden, um jedem das Verständnis zu erleichtern, warum dieser Graph getrennt ist.

In Bezug auf die Auswirkungen ist er wie der METIS-Algorithmus ausgewogener im Hinblick auf die Minimierung der Anzahl von Scheitelpunkten über Partitionen hinweg und der Zeit für das anschließende Knowledge Mining, wie etwa der Hash-Algorithmus oder der JA-BE-JA-Algorithmus Einerseits ist die Leistung besser. Es ist nicht zufriedenstellend, aber die Leistung des METIS-Algorithmus ist relativ ausgeglichen.

Wissensgraph und Stärkung aller Branchen

Basierend auf Technologie- und Branchenforschung hat Taifan Technology eine Wissensgraph-Plattform entwickelt. Die obere Schicht ist ein Anwendungsdienstsystem, einschließlich Abruf, visueller Wissensabfrage sowie intelligenter Fragen und Antworten . Die unterste Ebene integriert Wissen. Die „lebenswichtigen Organe“ der Karte werden konstruiert. Tatsächlich waren Graphen ursprünglich ein semantisches Problem und wurden auf Basis des Semantic Web entwickelt. Die Verwaltung der semantischen Datenbank, einschließlich der Art und Weise, wie Wissen aktualisiert wird, wie detailliert die Aktualisierung ist, wie viele Entitäten in verwandten Feldern abgedeckt werden sollen, wie viele Zuordnungsbeziehungen abgedeckt werden sollen usw., wird von Taifan Technology in das Gesamtgerüst integriert. Daher handelt es sich um eine sehr vielseitige Framework-Plattform, die in allen Lebensbereichen eingesetzt werden kann.

Darüber hinaus integriert das gesamte Framework auch notwendige Funktionen für praktische Anwendungen, wie z. B. die Realisierung des Managements des gesamten Lebenszyklus der Wissensdatenbank, einschließlich intelligenter Empfehlung, Abruf und Skalierbarkeit. Diese sind alle in der Branche implementiert . Fragen, die in der Praxis berücksichtigt werden müssen. Darüber hinaus können viele Beziehungsforschungs- und -gewinnungsaufgaben mithilfe von Wissensabbau gelöst werden.

In der folgenden Zeit stellte Ma Guoning anhand von Szenariofällen wie intelligenten Parks, intelligenten Gebäuden, intelligentem Transport, intelligenter Luftfahrt und intelligenter wissenschaftlicher Datenanalyse ausführlich die praktische Anwendung von Zhimapu in verschiedenen Branchen vor.

„Das Sternenmeer der technologischen Innovation und die unendlichen Möglichkeiten der Zukunft sind noch aufregender. Ich bin zutiefst davon überzeugt, dass er hofft, dass durch diesen Austausch mehr Kollegen oder andere aufstrebende Menschen teilnehmen können.“ Diese Branche kann zuversichtlicher sein, die Technologie der künstlichen Intelligenz einzusetzen, um Tausende von Branchen zu stärken.

​​Die Aufzeichnungen der Konferenzreden und PPTs sind jetzt online. Besuchen Sie die offizielle Website, um die spannenden Inhalte anzusehen. ​​

Das obige ist der detaillierte Inhalt vonMa Guoning, stellvertretender General Manager von Taifan Technology: Alles kartieren, von Königsberg bis zur Stärkung aller Branchen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!