Taifan Technology 副ゼネラルマネージャー、Ma Guoning 氏: ケーニヒスベルクからすべての産業の強化まで、あらゆるものをマッピング

2022年8月6日と7日、 AISummitグローバル人工知能技術カンファレンス は予定通り開催されます。 7日午後に開催された「AIエンパワーリング産業実践」サブフォーラムで、Taifan Technology副総経理のMa Guoning氏は「ケーニヒスベルクからすべての産業をエンパワーメントするまで、すべてをマッピングする」というテーマを共有し、ナレッジマップを共有した。数千の業界におけるエンパワーメントの詳細。

Yu Gong が AI だったら、山を動かすことができるでしょうか?

Yu Gong を AI とみなした場合、彼は山を動かすことができるでしょうか?山を動かすにはどうすればいいですか？

馬国寧氏は、人工知能業界では、あらゆる垂直分野が大きな山であると述べました。たとえば、金融、産業、政府機関などの業界で、アルゴリズムを使用して業界固有の問題を解決すると、元の設計や実装とは常に異なることがわかります。その主な理由は、アルゴリズムのロジックが必ずしも一致しない可能性があることです。業界のビジネスにマッチするロジック。この問題を解決する最初の方法は、データ インテリジェンスとコンピューティング インテリジェンスを使用してヒープ データの量に基づいてトレーニングすることですが、この方法も後の段階でいくつかのボトルネックを引き起こします。この目的を達成するために、私たちは顔認識や音声認識などの知覚インテリジェンス手法を使用して、一部のシナリオで発生する問題を解決し始めました。

知覚知能にもボトルネックが発生した場合、最新の方法は、認知知能アルゴリズムを使用してそれを解決することです。それでは、認知知能は人間の思考や認知プロセスをシミュレートして、複雑で困難な問題を解決できるのでしょうか?

認知知能の分野では、Google は長い間、ナレッジ グラフを使用してすべての知識を同じグラフにまとめ、人間をシミュレートすることを試みてきました。思考と推論と演繹のプロセス。しかし、Google がこのアイデアを提案して以来、少なくとも現時点では、人間の思考プロセスを完全にシミュレートする方法はまだありません。地図の構築プロセスは複雑ではありませんが、データの量が十分に大きい場合、さまざまな問題が発生します。たとえば、WolframAlpha には 10 億以上のエンティティがあり、DBpedia には 30 億以上のトリプルがあり、Google には現在 5 億以上のエンティティと 100 億以上の関係接続があり、Microsoft Probase だけでも数千万の概念があります。この場合、アプリケーションはおろか、検索やクエリ分析を行うだけでもすでに困難です。

多くの学者は、単一の点やクラスターではこの問題を解決できないと考えているため、この問題を解決するために 2 つのクラスター、さらには 12 個のクラスターを使用します。実際、ナレッジ グラフでヒープ クラスタリングを実行することは困難ですが、その主な理由は、非常に多くのエンティティとノードが関連付けられている場合、データを分離することが困難であるためです。

AI は業界に力を与えますが、AI に力を与えるのは誰でしょうか?

当初、私は AI を使用して業界を強化したいと考えていましたが、計算知能から知覚知能、認知知能に至るまで、現在 AI にはそれを強化する人も必要です。それで今何をすべきですか？

馬国寧は、巨人の肩の上に立つことが道だと信じています。

上の写真のケーニヒスベルクは小さな町ですが、主にヨーロッパ プルという偉大な数学者のおかげで、数学コミュニティまたはグラフ理論コミュニティでは非常に有名です。 、1736 年にケーニヒスベルクの 7 つの橋問題を解決し、数学の新しい分野であるグラフ理論を作成しました。ナレッジ グラフをクラスターまたは分散環境で使用する場合、これらの問題は数学理論に基づいて解決する必要があります。

したがって、コンピュータの問題はある程度解けると数学の問題に還元されますが、大規模なナレッジグラフを扱う場合には、ナレッジグラフを分割し、計算能力を再利用して分散問題を解く必要があります。問題。では、分割のプロセスにおいて、分割されたナレッジ グラフ間の相関を最小限に抑えるにはどうすればよいでしょうか?この目的を達成するには、業界で確立されたアルゴリズムまたは最先端のアルゴリズムを使用して、データの規模と分散の要件を満たしながらグラフの分割を行う必要があります。

ただし、現在公的に実装または記録されているアルゴリズムでは、すべての問題を完全に解決できるわけではありません。1 つはクラスタリング、もう 1 つは分散です。刃先や頂点の数を最小限に抑えながら、各マシン間の負荷分散と通信コストの問題を同時に満たすのは難しいためです。

これらの問題を解決するにはどうすればよいでしょうか?私たちのアプローチは、重みのない単純なグラフの複雑さを指数関数内の定数に減らすことです。重み付きグラフでは、インデックスの 1 つを一定の複雑さまで減らすことは、比較的最先端の研究結果です。ハイパーグラフの分野において、ハイパーグラフの切断問題は最終的にはサブブレーンのｋ部分の特殊な場合として扱うべきであり、Ｋの値が決まれば問題なく解くことができる。

たとえば、単純なグラフの場合、3 つの切断線がありますが、実際には、ナレッジ グラフ全体を 3 つのクラスターに分割すると単純に理解できます。このうち、知識ノード S2 を独立にカットし、その反対側の S2 を最小限の独立カットとしたのは、なぜこのグラフが分離されているのかを誰でも理解できるように、簡単に視覚的に説明したものです。

効果の点では、METIS アルゴリズムと同様に、ハッシュ アルゴリズムや JA-BE-JA アルゴリズムのように、パーティション全体の頂点の数とその後のナレッジ マイニングの時間を最小限に抑える点で、よりバランスが取れています。一方で、パフォーマンスは満足のいくものではないかもしれませんが、METIS アルゴリズムのパフォーマンスは比較的バランスが取れています。

ナレッジ グラフと全業界のエンパワーメント

Taifan Technology はテクノロジーと業界の調査に基づいて、ナレッジ グラフ プラットフォームを構築しました。上位層はアプリケーション サービス システムであり、検索、知識の視覚的なクエリ、インテリジェントな質問と回答が含まれ、最下層は知識グラフの「重要な器官」を構築します。実際、グラフはもともと意味論的な問題であり、セマンティック Web に基づいて開発されました。ナレッジの更新方法、更新の粒度、関連フィールドでカバーするエンティティの数、カバーするマッピング関係の数などを含むセマンティック データベースの管理は、Taifan Technology によって全体的なフレームワークに組み込まれます。したがって、これはあらゆる分野で使用できる非常に汎用性の高いフレームワーク プラットフォームです。

さらに、フレームワーク全体には、インテリジェントな推奨や検索を含む知識ベースのライフサイクル全体の管理の実現など、実用的なアプリケーションに必要な機能も統合されています。 、スケーラビリティ、これらはすべて産業実装の実践において考慮する必要がある問題です。さらに、多くの関係探索とマイニングは、ナレッジマイニングに依存することで解決できます。

馬国寧氏は次回、スマートパーク、スマートビルディング、スマート交通機関、スマート航空、スマート科学データ分析などのシナリオケースを通じて、さまざまな業界におけるZhimapuの実用化を詳しく紹介した。

「技術革新の星空と未来の無限の可能性は、さらにエキサイティングです。私はこれを深く信じています。」馬国寧氏は、この共有を通じて、より多くの同僚が、または他のことができることを願っていると述べました。この業界への参加に興味のある実務者は、人工知能テクノロジーを適用して何千もの業界を強化することに自信を持って取り組むことができます。

会議のスピーチ リプレイと PPT がオンラインになりました。公式 Web サイトにアクセスして、興味深いコンテンツをご覧ください。

以上がTaifan Technology 副ゼネラルマネージャー、Ma Guoning 氏: ケーニヒスベルクからすべての産業の強化まで、あらゆるものをマッピングの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。