Haizhi Technology lance la première plate-forme d'application de grands modèles de fusion de graphes de connaissances pour aider à la guerre nationale de centaines de modèles

Dans l'après-midi du 8 septembre, Zheng Weimin, académicien de l'Académie chinoise d'ingénierie, professeur du Département d'informatique de l'Université Tsinghua et scientifique en chef de Haizhi Technology, a présenté et publié la « Carte des connaissances Atlas LLM et grand modèle » Développée conjointement par Haizhi Technology et la station de travail d'académicien de calcul graphique haute performance à Pékin "Plateforme d'application intégrée", cette plate-forme s'adresse à la majorité des utilisateurs B-end et utilise la technologie de base de l'intelligence artificielle du graphe de connaissances pour aider les grands modèles à surmonter les "illusions". " dans les applications au niveau de l'entreprise et industrielles et obtenez des déductions précises basées sur des industries et des scénarios

Ce produit a été déployé et appliqué dans des scénarios dans les domaines de l'énergie, la finance, les affaires gouvernementales, etc., en s'efforçant d'ouvrir l'intelligence artificielle générale aux applications côté B et industrielles.

L'Institut chinois de normalisation des technologies électroniques, le Comité national des balises et d'autres unités ont lancé une activité appelée « Knowledge Graph and Large Model Integration Practice Report », et Haizhi Technology a participé à l'ensemble du processus. Le rapport a été officiellement publié et partagera les résultats ci-dessus et quelques cas d'application pour encourager davantage d'entités de marché et de forces techniques à participer à l'intégration multitechnologique de l'intelligence artificielle générale

Les grands modèles ont des « illusions » et des graphiques de connaissances prescrivent des médicaments

"Quand un grand modèle passe du côté C au côté B, c'est comme passer d'un jouet à un outil, et la précision L'utilisation de l'outil est cruciale. Lors de la rédaction de l'article, recherchez la théorie de la relativité proposée par Einstein. Peu importe si le moment est erroné, mais si le grand modèle propose de mauvaises options pour réparer les pannes du réseau électrique, le résultat peut être un problème. catastrophe. » L'académicien Zheng Weimin, scientifique en chef de Haizhi Technology, a déclaré dans une interview avec des journalistes : « À court terme, en s'appuyant simplement sur l'itération du grand modèle lui-même, le problème de « l'illusion » est difficile à résoudre. Considérant qu'en tant qu'outil d'intelligence artificielle ressemblant davantage à un cerveau, la capacité précise de dérivation de connaissances du graphe de connaissances peut très bien compléter le grand modèle. À son tour, la capacité d'apprentissage rapide des grands modèles favorise également grandement la génération de connaissances des graphes de connaissances. La polyvalence, l'apprentissage autonome rapide et les capacités d'auto-amélioration des grands modèles de langage (LLM) sont considérés comme révolutionnaires et ont été largement reconnus. Cependant, étant donné que le mode de fonctionnement de base du LLM consiste à analyser le vocabulaire, la structure syntaxique et les informations sémantiques du texte, et à capturer les modèles et les distributions de probabilité entre eux, il est plus enclin à générer des réponses basées sur des règles statistiques plutôt que d'effectuer des tâches internes. raisonnement logique approfondi ou développer des capacités cognitives avancées. De plus, lors de la génération de texte, LLM peut être limité par les biais et les informations trompeuses présentes dans les données de formation, et peut produire des réponses inexactes ou déraisonnables dans certains cas. Ce type de défaut basé sur des caractéristiques techniques est fortement assimilé à « l’illusion du grand modèle ». Cette "illusion" inattendue est le dernier et le plus grand défi pour l'intelligence artificielle générale, en particulier l'intelligence artificielle générale représentée par les grands modèles, d'entrer dans des applications rigoureuses du côté B.

Dans ce contexte, une autre technologie de base largement utilisée de l'intelligence artificielle appliquée - le graphe de connaissances , commence à montrer ses capacités complémentaires naturelles avec les grands modèles. En tant que méthode d'expression des connaissances « de type cérébral » reconnue, les graphes de connaissances décrivent les entités et les relations dans le monde objectif sous une forme structurée en modélisant des réseaux sémantiques et sont largement utilisés dans le raisonnement des connaissances. Le raisonnement des connaissances basé sur des graphes de connaissances explique le processus de raisonnement par des moyens auxiliaires tels que des chemins de raisonnement et des règles logiques sur la base d'une représentation symbolique discrète, fournissant ainsi un moyen important de réaliser une « intelligence artificielle explicable ».

Haizhi Technology, avec l'académicien Zheng Weimin comme scientifique en chef, est en activité depuis dix ans et est actuellement la plus grande société de graphes de connaissances et d'informatique graphique en Chine avec le plus large éventail de clients d'applications. Il possède une expérience riche et étendue en matière d'application de graphiques de connaissances dans les domaines de la finance, des affaires gouvernementales, de l'énergie, des transports et d'autres domaines, et a lancé Atlas Graph, la principale base de données de graphiques cloud native distribuée au niveau national. En tant que représentant des bases de données chinoises, il a été sélectionné par Gartner. "Guide du marché mondial du système de gestion de bases de données graphiques" ", comblant le vide dans les bases de données graphiques distribuées nationales.

En octobre 2022, l'académicien Zheng Weimin a conduit de jeunes scientifiques à créer un « poste de travail académicien en calcul graphique haute performance » chez Haizhi Technology et a commencé à suivre les tendances de recherche et de développement de divers grands modèles à travers le monde. Ils s'engagent à intégrer profondément les graphes de connaissances avec la technologie des grands modèles, ainsi qu'à les déployer et à les tester dans les entreprises et institutions financières, énergétiques et gouvernementales. Ils visent l'énorme système de données structurées et le système d'application d'analyse informatique accumulés depuis longtemps par les clients de l'industrie B-end, l'académicien Zheng et Haizhi utilisent de manière innovante le graphe de connaissances comme pont intermédiaire pour connecter le système de données existant et les grands modèles, et de manière globale. améliorer la mise en œuvre de grands modèles dans l'industrie. Interprétabilité, interactivité et vérifiabilité

"Une mesure du développement de l'intelligence artificielle est l'apprentissage de l'intelligence du cerveau humain. Selon notre observation, le raisonnement rigoureux des graphiques de connaissances est similaire au cerveau gauche humain, tandis que l'apprentissage rapide de grands modèles est similaire à la flexibilité de le cerveau droit. " Zheng Weimin a déclaré : " Notre produit vise à réaliser l'interopérabilité entre les cerveaux gauche et droit grâce à un ensemble d'architectures de cartographie, de vérification et d'optimisation des connaissances, et à promouvoir l'application approfondie de l'intelligence artificielle générale dans des scénarios au niveau de l'entreprise. ."

Atteindre la qualité des applications de grands modèles Équilibre et efficacité

Yang Juan, directeur de la technologie de Haizhi Technology, a publié des informations sur les graphiques de connaissances et les produits d'application de grands modèles

« Nous ne produisons pas de grands modèles, nous s'engagent à appliquer de grands modèles à la production. Le Dr Yang Juan, CTO de Haizhi Technology, a déclaré que la plate-forme d'application de fusion de grands modèles Haizhi Atlas LLM a trois positionnements tout à fait uniques : Premièrement, elle réalise l'interaction entre le graphe de connaissances et le grand modèle dans l'ensemble. processus, surmontant efficacement l'illusion des grands modèles pour les applications industrielles ; deuxièmement, il gère mieux les riches actifs de données dont les clients disposent déjà et les unifie avec les résultats des grands modèles pour éviter de réinventer la roue, rendant les calculs plus efficaces et les applications plus précises. ; troisièmement, il peut aider les clients à changer et à appliquer de manière flexible. Différents grands modèles open source permettent des applications de scénarios plus rentables.

Qu Ke, vice-président senior de Haizhi Technology, a répertorié pour nous un scénario industriel qui a été vérifié par la plateforme ci-dessus : l'exploitation et inspection des équipements de fabrication industrielle Sur le terrain, l'identification des défauts des systèmes de production complexes a toujours été un domaine dans lequel les gens fondent de grands espoirs sur l'intelligence artificielle en raison de ses types de combinaisons de défauts complexes, de ses données hétérogènes et de ses exigences de réponse rapide. « Dans le passé, nous utilisions la technologie des graphes de connaissances pour construire des relations entre les appareils et les signaux de mesure des appareils associés dans des sous-graphiques de fonctionnalités de connaissance des défauts afin d'aider les machines à identifier automatiquement les défauts. Cependant, ce processus nécessite que les experts métier coopèrent avec le personnel technique pour effectuer une vaste opération. Un certain nombre de constructions d'entités et de travaux de configuration sont des conditions préalables à la réalisation de la génération de connaissances. Mais aujourd'hui, nous pouvons grandement améliorer l'efficacité de ce processus d'extraction et de fusion de connaissances grâce à de grands modèles, d'une part, nous pouvons extraire rapidement les équipements défectueux et. valeurs de mesure associées. Cela aide le graphe de connaissances à compléter la construction rapide de cartes de caractéristiques et à améliorer l'efficacité. D'autre part, les experts métier peuvent également utiliser des experts métier pour vérifier plus efficacement les cartes de caractéristiques générées automatiquement par les grands modèles, consolider et calibrer les données empiriques ; connaissance des caractéristiques des défauts et garantir la qualité. "

Entreprise "Grand modèle" "Trois étapes" pour commencer

À l'ère des grands modèles, une autre préoccupation des entreprises clientes de l'industrie est de savoir si le développement futur renversera complètement l'ancien. système de calcul et d'analyse, ou s'il sera basé sur un système de calcul et d'analyse existant. Le système de calcul et d'analyse doit-il être mis à niveau ? Sur la base des énormes applications d'analyse informatique et des petits modèles commerciaux qui ont été établis par les clients, Haizhi Technology a mis en œuvre le « processus en trois étapes » d'application de grands modèles conformément à la logique de « reconnaissance de scène de base + orchestration complète de scène + solidification de scène. release"

La première étape : Affiner les services de scénarios de base des petits modèles d'analyse informatique et d'affaires existants du client via le grand modèle, annoter et identifier la sémantique des scénarios et former une bibliothèque de scénarios de services de base.

Le contenu réécrit est le suivant : Étape 2 : En appliquant de manière exhaustive des scénarios d'ordre élevé et la sémantique Prompt correspondante, et en utilisant des capacités de raisonnement de grand modèle pour organiser intelligemment les appels de calcul et la logique de calcul

Le contenu réécrit : Dans la troisième étape, nous générera un graphique de connaissances sur l'orchestration de scène grâce à une orchestration de grands modèles. En tirant parti de l’interprétabilité observable et de l’interopérabilité des graphes de connaissances, nous pouvons observer, vérifier et optimiser manuellement les résultats d’orchestration de grands modèles dans des scénarios complexes. De cette manière, la connaissance de la scène correspondant à la sémantique peut être solidifiée de manière stable et avoir la capacité d'être diffusée vers le monde extérieur. À l'heure actuelle, Haizhi a réalisé une reconnaissance de scène de base, un agencement de scène complexe et des connaissances basées sur des graphiques de connaissances basés sur l'informatique. et les capacités d'analyse des clients de l'industrie. Les capacités de vérification et de publication observables et solidifiées permettent aux grands modèles d'obtenir des questions et réponses informatiques précises avec la génération d'inférences de grands modèles comme noyau sous les deux « contrôles de précision » des connaissances d'analyse informatique existantes et des scénarios de solidification de cartes.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!