Осведомленность как граф знаний состоит в том, что кошки всего мира объединяются-1

машинное обучение

Осведомленность как граф знаний состоит в том, что кошки всего мира объединяются-1

一个小杜logo (2)

первоначальное намерение

Кошки всего мира, объединяйтесь! Уничтожьте большую кожуру дыни! Напишите учебную запись о карте знаний~

Знания неисчерпаемы, настойчивость в обучении всегда делает людей непобедимыми.


Tags: 知识图谱

[toc]

? Что такое График знаний

Когда мы учимся на опыте,знаниеСуществующие в нашем сознании мириады нейронов взаимосвязаны с аксонами и дендритами, чтобы сформировать наше познание, которое сохраняется физиологическим образом.знание.

Так что жеГрафик знанийШерстяная ткань?

Граф знаний на самом деле является способом представления знаний, который заключается в решении проблемы «передачи знаний».

представление знанийТо есть: какой метод нам нужно использовать, чтобы выразить наши собственные знания, преподавать их как учитель, передавать их другим или передавать их компьютеру?

image-20210324085705251

Классическое представление знаний

На протяжении веков эволюция графов знаний принимала разные формы.Давайте сначала проследим эволюцию представления знаний в научных кругах:

  • Логика высказываний:搞一搞复杂的逻辑分析
  • Каркасная система:简化简化再简化~
  • Семантическая сеть:既简单又复杂~

Предположим теперь, что есть три части знания здравого смысла, которые нужно представить компьютеру:

  1. 每一天儿,太阳从东方升起,并且从西方落下
  2. 2008年北京奥运会,2008年8月8日晚上8时整在中华人民共和国的首都北京举办
  3. 20世纪50年代初,美国生物化学家Chargaff提出了关于DNA中四种碱基组成的Chargaff规则:
    • (···省略···)
    • 对于一特定组织的DNA,其碱基组分不随其年龄、营养状态和环境变化
    • 对于一组特定的生物体而言,腺嘌呤(A)与胸腺嘧啶(T)摩尔数相等,鸟嘌呤(G)和胞嘧啶(C)摩尔数相等
логика высказываний

Сначала познакомьтесь с логикой высказыванийпредставление знанийЗакон

за每一天儿,太阳从东方升起,并且从西方落下этопредложение(Предложение)

Сначала определим два первого порядкапредикат:

  • Raise(x,y)Raise(x,y),Выражатьxxотyyрост
  • fall(x,y)fall(x,y),Выражатьxxотyyпадать

Предложение обозначается какRaise(солнце,Восток)Поднять (солнце, восток),fall(солнце,Запад)осень (солнце, запад)

Позвольте представить еще двалогическая связка(логическая связка)

  • \veeИзвлекать:XY\mathrm{X} \vee \mathrm{Y}Указывает связь "или"
  • \wedgeСоединение:XYX \wedge YПредставляет связь "и"

Позвольте представить еще дваквантификатор(квантификатор):

  • \forallУниверсальный квантификатор:xP(x)\forall x \mathrm{P}(x)означает "любой"
  • \existsЭкзистенциальные кванторы:yQ(y)\exists y \mathrm{Q}(y)означает «существовать»

Таким образом, логика этого предложения выражается какнебоRaise(солнце,Восток)fall(солнце,Запад)\на весь день подъем(солнце, восток)\клинопад(солнце, запад)

каркасная система

Именно использовать основу для извлечения всего, чтобы представлять атрибуты различных аспектов вещей и общих отношений между вещами

image-20210324092925978

Как и картинка, он записывает всю информацию в предложении, как лист Excel. за2008年奥运会在北京举办Это знание здравого смысла мы можем выразить следующим образом (это очень интуитивно, как энциклопедия):

image-20210325100927115

Семантическая сеть

Представлять знания в виде сети, похожей на интеллект-карту.

image-20210324093044003

преимущество:

  • Легко понимать и отображать, интуитивно выражать атрибуты вещей и их смысловые связи
  • Связанные понятия легко кластеризовать, что является структурированным методом представления знаний.

недостаток:

  • Стандарта значений узлов и ребер нет, он полностью определяется пользователем
  • Объединение данных из нескольких источников затруднено из-за отсутствия единого стандарта.
  • Неспособность различать узлы концепций и узлы объектов
  • Невозможно определить метку ребра узла

✨Зачем нужен граф знаний

Мы знаем, что ситуация с исследованиями искусственного интеллекта в последние годы развивалась как на дрожжах, а количество статей увеличивалось в геометрической прогрессии, но в классе методов, представленных глубоким обучением, есть некоторые непреодолимые «жесткие недостатки».

  • Отсутствие интерпретируемости:训练模型是个黑盒子,不明白模型是通过什么样的缘由做出的决策
  • Здравый смысл отсутствует:大名鼎鼎的GTP-3也会翻车,人:太阳有几只眼睛?GPT-3:太阳有一只眼睛
  • Отсутствие семантического понимания:人类的语言还是太丰富了
  • Опираясь на множество выборочных данных:人类小宝宝第一眼看出自行车之后就能再次识别自行车,不需要大量样本就能学习
image-20210323170129200

Зачем нужна карта знаний, помимо присущей природе метода, представленного глубоким обучениемТравма, повреждение, и еще одна причина:

  • Задачи понимания, рассуждения и интерпретации когнитивного интеллекта требуют не только данных, но иФон знаний

Следовательно, реализация искусственного интеллекта (особенно когнитивного интеллекта) зависит от графов знаний.

? Какие типы графов знаний существуют?

Первый взгляд на типы графов знаний

классификация знаний

这些我们不用了解的太过详细~

  • ==Утверждение==Сексуальное знание и ==Процесс==Сексуальное знание:就像是实验结论和实验过程报告
  • ==факт==сексуальное (или объективное) знание и ==субъективное==сексуальное знание:比如说历史知识就是客观的,但是我们对历史的评判是主观的
  • ==Статические==Знания и ==Динамические==Знания:历史知识是已经确定的,还有的知识随着研究的进行不断改变的
  • ==Энциклопедия==Знание, ==Поле==Знание, ==Сценарий==Знание, ==Язык==Знание, ==Здравый смысл==Знание
Типы графов знаний
  • График знания языка

    Хранить знания человеческого языка

  • График знаний здравого смысла

    ЕстьCycиConceptNetЖдать

  • График когнитивных знаний языка

    Тезаурус сети знаний китайского языкаHowNet

  • График знаний предметной области

    Граф знаний, созданный для определенного домена, предназначенный для обслуживания определенного домена.

  • График знаний энциклопедии

    В основномLinked Open Data(LOD)Поддерживаемый проектом открытый граф знаний в качестве ядра

image-20210325102848959

Жизненный цикл графа знаний

image-20210325103232352

Давайте сначала закончим~ Завтра обновление ниже

? Материалы и практики, которые стоит посмотреть

  1. arXiv: обзор сети знаний
  2. Академия Deep Blue - Теория и практика графа знаний