Bagaimanakah kecerdasan graf bergerak ke arah kecerdasan buatan am? Kajian di Persidangan Bund ini mempunyai maklumat yang berguna

“Kecerdasan buatan generatif ialah revolusi teknologi yang paling penting dalam 40 tahun yang lalu.” Ini adalah penilaian terbaru pengasas bersama Microsoft, Bill Gates. Apabila kecerdasan muncul, cara mempromosikan penyelidikan saintifik dan inovasi aplikasi telah menjadi tumpuan industri.

Pada 7 September, di sub-forum "Pangkalan Data Generasi Baharu - Meneroka Aplikasi dan Pembangunan Perisikan Graf" di Persidangan Bund 2023, Kumpulan Ant membawakan penyelidikan gabungan-Model "Model Graf Besar", yang dirujuk kepada sebagai LGM). Penyelidikan ini menggabungkan pengkomputeran graf dengan pembelajaran graf dan model bahasa besar, menggunakan keupayaan penjanaan model bahasa besar dan keupayaan analisis korelasi pengkomputeran graf untuk memberikan persembahan maklumat yang lebih intuitif dan komprehensif serta cerapan yang lebih tepat, dengan itu Menyelesaikan aplikasi digital yang besar dan kompleks dengan lebih baik. masalah. Pada masa ini, Ant telah menyelesaikan fasa pertama kerja penyelidikan mengenai "Peningkatan Graf Heterogen Generatif", dan kertas keputusan yang berkaitan telah dimasukkan dalam Persidangan Komputer Sedunia (WWW 2023).

Pengkomputeran graf ialah teknologi pemprosesan data yang berkuasa yang boleh menyelesaikan masalah korelasi dalam rangkaian perhubungan yang kompleks. Ia mempunyai aplikasi dalam anti-penipuan kewangan, ramalan cuaca, pembangunan dadah, dan juga penyelidikan yang diilhamkan oleh otak . "hidung". Model besar adalah teknologi yang paling mungkin bergerak ke arah kecerdasan buatan umum, mencapai tugas yang setara atau lebih baik daripada manusia di beberapa kawasan.

Kenapa kita perlu menggunakan teknologi canggih untuk memacu teknologi canggih? Tidak bolehkah model bahasa besar secara bebas menyelesaikan analisis data dan tugas perlombongan? Liu Yongchao, pakar teknikal kanan di Ant Group, berkata bahawa model bahasa yang besar boleh menyimpulkan hubungan tersirat, tetapi tidak boleh melukis gambar rajah hubungan Menyelidik perhubungan data memerlukan pautan yang jelas, dan menggunakan perwakilan struktur graf lebih mudah difahami. "Menggabungkan model bahasa besar dengan pengkomputeran graf bermakna mula-mula menaakul secara logik daripada maklumat besar-besaran, dan kemudian menggunakan superkomputer untuk mengira hubungan. Ini seperti menyambungkan superkomputer luaran ke otak manusia, dengan keupayaan yang lebih kuat," jelas Liu Yongchao.

(Liu Yongchao dari Ant Group berkongsi hasil penyelidikan "Model Gambar Besar")

Dalam kajian ini, Kumpulan Semut menjalankan dua tugasan. Pertama, gunakan model bahasa yang besar untuk memperkayakan data graf. Berbeza daripada model bergantung konteks biasa, model bahasa besar boleh menjana titik data baharu berdasarkan data sedia ada. Kerja itu, bertajuk "Pembesaran Graf Heterogen Generatif," mengembangkan dan memperkayakan pelbagai jenis data graf dengan model bahasa yang besar. Kedua, Prompt (arahan atau gesaan) digunakan untuk membimbing model untuk mempelajari dan menemui ciri data tertentu. Contohnya, jika anda menetapkan gesaan "Ciri biasa kumpulan yang lalai lebih daripada tiga kali dalam setahun", model akan menjana sampel data yang memenuhi syarat tertentu. Keupayaan ini boleh mempercepatkan proses analisis data dan penemuan ciri.

Ant Group ialah peneraju dalam bidang pengkomputeran graf Platform pengkomputeran graf TuGraph yang dibangunkan bersama dengan Universiti Tsinghua telah memecahkan rekod dunia LDBC SNB dalam penilaian berwibawa bagi pangkalan data graf tiga kali pada tahun 2021. Anugerah Peneraju Saintifik dan Pencapaian Teknologi" di Persidangan Internet Sedunia pada 2023 Pada 2016, ia telah dipilih ke dalam kuadran "Pemimpin" pasaran pangkalan data graf IDC MarketScape China. Dalam beberapa tahun kebelakangan ini, industri telah menjalankan pelbagai percubaan untuk menggerakkan kecerdasan graf ke arah kecerdasan buatan umum "model graf besar" adalah penyelidikan Ant bermula pada awal 2022 untuk menyelesaikan masalah industri. Dengan tercetusnya model besar pada akhir tahun 2022, kebolehlaksanaan penyelidikan ini telah disahkan.

Di forum ini, pakar dan sarjana dalam bidang kecerdasan graf di dalam dan luar negara turut berkongsi perkembangan yang lebih hangat. M. Tamer Özsu, seorang profesor di Universiti Waterloo di Kanada, berkongsi teknologi pengkomputeran graf aliran yang mencabar dalam industri. Chen Huajun, seorang profesor di Pusat Pengajian Sains Komputer di Universiti Zhejiang, bercakap tentang peluang dan cabaran pemprosesan pengetahuan dalam era model besar. Chen Hongyang, timbalan pengarah Pusat Penyelidikan Pengkomputeran Graf Makmal Zhijiang, membawa penyelidikan terkini mengenai pengkomputeran saintifik dan penyelidikan bioperubatan serta pembangunan Graf Zhijiang Zhuque. Li Yazhou, pengasas bersama dan timbalan editor Machine Heart, percaya bahawa penyelidikan yang menggabungkan kecerdasan graf dan model besar dijangka membawa peningkatan ketara kepada kecerdasan data.

Berkenaan kemungkinan kecerdasan buatan dan pengkomputeran graf, Forum Kepintaran Graf Bund menghimpunkan cerapan daripada perspektif yang berbeza dan mencatatkan laluan pembangunan yang penting untuk pembangunan kecerdasan graf.

Atas ialah kandungan terperinci Bagaimanakah kecerdasan graf bergerak ke arah kecerdasan buatan am? Kajian di Persidangan Bund ini mempunyai maklumat yang berguna. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!