大模型之前,知识图谱已经有很多应用了,比如知识问答等。知识图谱与搜索引擎结合,例如知识卡片,提供了直接的事实性回答和客观知识的展示,在这方面依然更擅长。这种模式并不会因为大模型的到来而受到很大的冲击,因为知识获取的场景本身就是广泛的。
那么,大模型的到来会带来哪些新的变化呢?大模型其实增强了用户和机器之间的人机交互,降低了交互门槛,使AI对用户输入的自然语言的理解更加充分、细致、准确。对于用户更随意的问题,大模型的理解能力更灵活,回答会更加自然。
所以,大模型和知识图谱并不是完全替代关系,而是可以结合来解决之前解决不了的问题。过去的基于知识图谱的会话系统涉及很多方面,如闲聊、知识性问答和任务型问答(比如订机票、订酒店等)。这些任务会使得系统变得非常复杂,交付很重。大模型结合知识图谱后,闲聊和知识性问答能更好地融合,使对话系统更加自然和端到端。
对于何时使用知识图谱,大模型会自然找到最佳方式,任务型问答也可以与其他API有机结合,改进客服和对话系统的架构。
此外,知识图谱在风控、金融市场分析等具有高度结构化数据特征的领域仍有着不可替代的作用,因此知识图谱仍将长期存在。
知识图谱在过去多年来一直面临一个严重问题,就是构建复杂度高、构建成本高,很难有一套统一的构建能力来解决所有知识构建的问题,因为很多知识的表达在文本层面或多模态层面非常多元化且不规范。
业内在积极探索如何利用大模型的强大语义理解能力来增强知识的规范构建能力,这个方向取得了一定进展,但仍面临许多挑战。
知识图谱需要降低成本,如果成本足够低,那么结构化的决策会比大模型的决策更加严谨。因此,我们既要兼容大模型,也要坚持知识图谱的长期存在。
因此,这两种模式应该是融合的,需要用包容式的方式去看待它们。
为深入探讨知识图谱与大模型的现状和未来发展,DataFunSummit2024:知识图谱在线峰会将于2024年3月23日9:00-17:00线上举办,欢迎广大从业者参与交流!