Создание масштабной базы знаний с помощью больших языковых моделей

Создание крупномасштабной базы знаний с помощью ИИ

Базы знаний, такие как Wikidata, Yago и DBpedia, были основными ресурсами для интеллектуальных приложений. Однако за последнее десятилетие инновации в этой области замедлились. Большие языковые модели (LLMs) показали потенциал в качестве источников структурированных знаний, но извлечение и использование их полного объема знаний остается серьезной проблемой.

Проблемы существующих методов

Существующие методы создания баз знаний в основном сосредоточены на выборочных оценках, что не позволяет полностью извлечь знания. Текущие подходы сталкиваются с техническими и методологическими трудностями при масштабировании методов извлечения знаний из LLM.

Предложение нового подхода

Исследователи из ScaDS.AI и TU Dresden, а также Института информатики Макса Планка предложили новый подход для создания крупномасштабной базы знаний на основе LLM. Они разработали GPTKB, использующий GPT-4o-mini, который демонстрирует возможность извлечения структурированных знаний в большом масштабе.

Преимущества GPTKB

GPTKB содержит 105 миллионов тройных записей, охватывающих более 2.9 миллионов сущностей, и был создан с минимальными затратами по сравнению с традиционными методами. Этот подход позволяет лучше понять представление знаний в LLM и продвигает методы создания баз знаний общего назначения.

Процесс извлечения знаний

Архитектура GPTKB включает два этапа: расширение графа и консолидацию. На первом этапе происходит систематическое извлечение тройных записей с использованием многоязычной системы распознавания именованных сущностей. Второй этап включает стандартизацию отношений и построение таксономий.

Объем и разнообразие знаний

GPTKB демонстрирует значительный масштаб и разнообразие представленных знаний, включая информацию о патентах и людях. Сравнительный анализ с Wikidata показывает, что 69.5% сущностей GPTKB могут быть новыми.

Заключение

Предложенный подход к созданию крупномасштабной базы знаний на основе LLM открывает новые возможности для извлечения и организации структурированных знаний. Несмотря на существующие вызовы, этот метод оказался высокоэффективным и экономичным.

Как использовать ИИ для вашего бизнеса

Если вы хотите, чтобы ваша компания развивалась с помощью ИИ, следуйте этим шагам:

Анализируйте, как ИИ может изменить вашу работу.
Определите ключевые показатели эффективности (KPI), которые хотите улучшить.
Подберите подходящее решение ИИ.
Внедряйте ИИ постепенно, начиная с небольших проектов.
Расширяйте автоматизацию на основе полученных данных.