グラフインテリジェンスは一般的な人工知能にどのように移行するのでしょうか?外灘会議でのこの研究には有益な情報が含まれています

「生成型人工知能は、過去 40 年間で最も重要な技術革命である。」 これは、マイクロソフト共同創設者ビル ゲイツの最新の判断です。インテリジェンスが出現すると、科学研究とアプリケーションのイノベーションをどのように促進するかが業界の焦点になります。

9 月 7 日、2023 Bund Conference の「新世代データベース - グラフ インテリジェンスの応用と開発の探求」サブフォーラムで、Ant Group は、LGM と呼ばれる融合研究「ラージ グラフ モデル」を発表しました。 ）。この研究では、グラフ コンピューティングをグラフ学習および大規模言語モデルと組み合わせ、大規模言語モデルの生成機能とグラフ コンピューティングの相関分析機能を使用して、より直感的で包括的な情報プレゼンテーションとより正確な洞察を提供し、それによって大規模で複雑なデジタル アプリケーションをより適切に解決します。問題。現在、Ant は「Generative Heterogeneous Graph Enhancement」に関する研究作業の第 1 フェーズを完了しており、関連する成果論文は世界コンピュータ会議 (WWW 2023) に掲載されています。

グラフ コンピューティングは、複雑な関係ネットワークにおける相関問題を解決できる強力なデータ処理テクノロジです。金融詐欺防止、天気予報、医薬品開発、さらには脳に着想を得た研究にも応用されています。人工知能として知られています。」牛の鼻」。大規模モデルは、一般的な人工知能に移行する可能性が最も高いテクノロジーであり、一部の分野では人間と同等、またはそれ以上のタスクを達成します。

最先端のテクノロジーを推進するために、なぜ最先端のテクノロジーを使用するのでしょうか?大規模な言語モデルはデータ分析とマイニングのタスクを独立して完了することはできないのでしょうか? Ant Groupの上級技術専門家であるLiu Yongchao氏は、「大規模な言語モデルでは暗黙の関係を推論できるが、関係図を描くことはできない。データの関係を調査するには明確なリンクが必要であり、グラフ構造表現を使用する方が理解しやすい」と述べた。 「大規模な言語モデルとグラフ コンピューティングを組み合わせるということは、まず大量の情報から論理的に推論し、次にスーパーコンピューティングを使用して関係を計算することを意味します。これは、より強力な機能を備えた外部のスーパーコンピューターを人間の脳に接続するようなものです」と Liu Yongchao 氏は説明しました。

(Ant Group の Liu Yongchao 氏が「全体像モデル」の研究結果を共有しました)

この研究では、Ant Group は主に 2 つのタスクを実行しました。まず、大規模な言語モデルを使用してグラフ データを強化します。通常のコンテキスト依存モデルとは異なり、大規模言語モデルは既存のデータに基づいて新しいデータ ポイントを生成できます。 「Generative Heterogeneous Graph Augmentation」と題されたこの研究では、大規模な言語モデルを使用してさまざまな種類のグラフ データを拡張および強化します。 2 番目に、プロンプト (指示またはプロンプト) は、モデルが特定のデータ特性を学習して発見できるようにガイドするために使用されます。たとえば、「1 年に 3 回以上デフォルトしたグループの共通の特徴」というプロンプトを設定すると、モデルは特定の条件を満たすデータ サンプルを生成します。この機能により、データ分析と機能発見のプロセスが加速されます。

Ant Group は、グラフ コンピューティング分野のリーダーです。清華大学と共同開発したグラフ コンピューティング プラットフォーム TuGraph は、グラフ データベースの信頼できる評価において LDBC SNB の世界記録を 3 回破りました。2021 年には、「リーディング データベース」を受賞しました。 2023 年の世界インターネット会議で「科学的および技術的成果」賞を受賞。IDC MarketScape 中国のグラフ データベース市場の「リーダー」クアドラントに選ばれました。近年、業界ではグラフインテリジェンスを一般的な人工知能に移行させるさまざまな試みが行われており、「ビッググラフモデル」は、業界の問題を解決するためにアントが2022年初頭に開始する研究です。 2022年末には大型モデルが出現するため、この研究の実現可能性が検証されました。

このフォーラムでは、国内外のグラフインテリジェンスの分野の専門家や学者も、さらに注目を集めた発展について共有しました。カナダのウォータールー大学教授である M. Tamer Özsu 氏は、業界における困難なフロー グラフ コンピューティング テクノロジについて共有しました。浙江大学コンピューターサイエンス学部教授のChen Huajun氏は、大規模モデル時代における知識処理の機会と課題について語った。志江研究所グラフコンピューティング研究センターの副所長である陳紅陽氏は、科学コンピューティングと生物医学研究、そして志江Zhuque Graphの開発に関する最新の研究を紹介した。 Machine Heart の共同創設者で副編集長の Li Yazhou 氏は、グラフ インテリジェンスと大規模モデルを組み合わせた研究により、データ インテリジェンスに大幅な改善がもたらされると考えています。

人工知能とグラフ コンピューティングの可能性に関して、バンド グラフ インテリジェンス フォーラムはさまざまな視点からの洞察をまとめ、グラフ インテリジェンスの開発のための重要な開発パスを図示します。

以上がグラフインテリジェンスは一般的な人工知能にどのように移行するのでしょうか?外灘会議でのこの研究には有益な情報が含まれていますの詳細内容です。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。