9 月 8 日下午，中国工程院院士、
清华大学
计算机系教授、海致科技首席科学家郑纬民在北京演示发布了由海致科技与高性能图计算院士工作站共同开发的 “Atlas LLM
知识图谱
与大模型融合应用平台”，该平台面向广大 B 端用户，运用
知识图谱
这项
人工智能
基础技术，帮助大模型在企业级和工业界应用中克服 “幻觉”，实现基于行业与场景的精准推演。
海致科技
知识图谱
与大模型融合应用平台正式发布
该产品目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用
人工智能
进入 B 端和工业应用的 “最后一公里”。
日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《
知识图谱
与大模型融合实践报告》也已经正式发布，上述成果以及部分应用案例也将为业界共享，推动更多市场主体和技术力量参与到通用
人工智能
的多技术融合之中。
大模型有 “幻觉”
知识图谱
开药方
海致科技首席科学家郑纬民院士致辞
“当大模型从 C 端走向 B 端，它就像从玩具走向工具，而工具的精确性至关重要。写文章时
查询
爱因斯坦提出相对论的时间错了不太要紧，但是如果大模型对电网故障的维修提出了错误的选项，结果可能是一场灾难。” 海致科技首席科学家郑纬民院士在接受记者采访时表示：” 短期来看，单纯依靠大模型自身的迭代，‘幻觉’问题难以解决，在这方面，
知识图谱
作为更加类脑的
人工智能
工具，其精确的知识推导能力就可以跟大模型构成非常好的相互补充，反过来，大模型的快速学习能力，对于
知识图谱
的知识生成也产生了很好的促进。“
大
语言模型
（LLM）所表现出的跨领域通用性、快速自主学习和自我改进的能力无疑是革命性的，也已经为人们广泛认知。但由于它的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和
概率分布
，因此，它更倾向于基于统计规律生成回答，而非进行深入的
逻辑
推理或形成高级的认知能力。另外，它在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。对于这种基于技术特征产生的瑕疵，人们将其形象比喻为 “大模型幻觉”。这种不期而遇的 “幻觉” 正是以大模型为代表的通用
人工智能
进入严谨 B 端应用的最后、也是最大的挑战。
在这一背景下，另一种被广泛应用的
人工智能
基础技术 ——
知识图谱
，开始展现出它与大模型天然的互补能力。
知识图谱
作为公认 “类脑” 的知识表达方式，通过对
语义网
络进行建模，以结构化的形式描述客观世界中实体及关系，被广泛应用于知识推理。基于
知识图谱
的知识推理在离散符号表示的基础上，通过推理路径、
逻辑
规则等辅助手段，对推理过程进行解释，为实现 “可解释
人工智能
” 提供了重要途径。
由郑纬民院士担任首席科学家的海致科技，创业已有十年历程，是国内目前规模最大、应用客户范围最广的
知识图谱
和图计算公司。在金融、政务、能源、交通等领域拥有丰富而广阔的
知识图谱
应用经验，并推出了全球领先的国产分布式云原生图
数据库
Atlas Graph，作为中国
数据库
代表入选 Gartner《全球图
数据库
管理系统市场指南》，填补了国产分布式图
数据库
的空白。
2022 年 10 月，郑纬民院士带领设立在海致科技的 “高性能图计算院士工作站” 的年轻科学家，开始跟踪全球各种大模型研发动态，致力于将
知识图谱
与大模型在技术上进行深度结合，并将其在一些金融、能源、政务企事业单位部署试用。瞄准 B 端行业客户长期积累起来的庞大结构化数据体系、计算分析应用体系，郑院士和海致创新性地将
知识图谱
作为中介桥梁，打通既有数据体系与大模型的连接，全面提升大模型在行业落地的可解释性、可交互性和可验证性。
”
人工智能
发展的一个标尺是对人脑智能的学习。我们看来，
知识图谱
的严谨推演类似人类的左脑，而大模型快速学习的认知跟右脑的灵动颇为类似。” 郑纬民表示：“我们的产品就是要用一套知识
映射
、校验、优化的架构打通左右脑，推动通用
人工智能
深入企业级场景应用。”
实现大模型应用质量与效率的平衡
海致科技 CTO 杨娟发布
知识图谱
与大模型应用产品
“我们不生产大模型，我们致力于将大模型应用于生产。” 海致科技 CTO 杨娟博士介绍说，海致 Atlas LLM 大模型融合应用平台有三个非常独特的定位：一是在全过程实现了
知识图谱
与大模型的交互，有效克服大模型幻觉对工业应用的干扰；二是更好管理了客户已有的丰富的数据资产，将其与大模型成果统一整理，避免重复造轮子，使得计算更高效，应用更精确；三是能够帮助客户切换和灵活应用不同的开源大模型，实现更高性价比的场景应用。
海致科技副总裁瞿珂展示
知识图谱
与大模型应用产品
海致科技高级副总裁瞿珂为我们列举了该上述平台已经验证的一个工业场景：在工业制造设备运检领域中，复杂生产系统的故障识别因其故障组合类型复杂、数据异构、以及要求反应速度很快，一直是人们对
人工智能
寄予厚望的领域。“过去我们通过利用
知识图谱
技术，可以将设备间关系以及关联设备量测信号构建成故障知识特征子图来帮助机器自动实现故障识别，但是这一过程需要业务专家配合技术人员开展大量的实体构建和配置工作为先决条件，才能实现知识生成。但是今天我们可以通过大模型极大地提高这一知识抽取和融合的过程效率，一方面，通过大模型对故障设备及关联量测值的快速提取，帮助
知识图谱
完成特征图的快速构建，提高效率；另一方面，也可以通过业务专家对大模型自动生成的特征图进行更为高效的校验，固化和校准故障特征的经验知识，确保质量。”
企业 “大模型” 入门 “三步走”
在大模型时代，行业企业客户关心的另外一个重点，是未来的发展到底要用大模型彻底推翻旧的计算分析体系？还是基于已有计算分析体系的一次升级？海致科技立足客户业已建立的庞大计算分析应用和业务小模型，按照 “基础
场景识别
+ 综合场景编排 + 场景固化发布” 的
逻辑
，实现了大模型应用的 “三步走”：
第一步：将客户已有计算分析和业务小模型的基础场景服务通过大模型微调，对场景语义进行标注识别，并形成基础服务场景库。
第二步：基于多个基础服务的综合应用高阶场景，结合对应 Prompt 语义，运用大模型推理能力，对计算调用和计算
逻辑
进行智能化编排。
第三步：通过大模型编排，生成场景编排
知识图谱
，并基于
知识图谱
的可观测解释性和可交互操作性，实现对复杂场景大模型编排结果的观测和人工校验调优，形成对应语义的场景知识稳定固化和对外发布能力。
目前，海致已经实现了基于行业客户已有计算分析多能力的基础
场景识别
，复杂场景编排和基于
知识图谱
的知识可观测、固化校验及发布能力，使大模型能够在已有计算分析知识和图谱固化场景两个 “准确性控制” 下，达成以大模型推理生成为核心的精准计算问答。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...