Heim >Technologie-Peripheriegeräte >KI >Wie entwickelt sich Graph Intelligence hin zu allgemeiner künstlicher Intelligenz? Diese Studie der Bund-Konferenz enthält nützliche Informationen
Am 7. September präsentierte die Ant Group im Unterforum „New Generation Data Base – Exploring the Application and Development of Graph Intelligence“ auf der Bund-Konferenz 2023 eine Fusionsforschung – „Large Graph Model“ (Large Graph Model, siehe oben). als LGM). Diese Forschung kombiniert Graph Computing mit Graph Learning und großen Sprachmodellen und nutzt dabei die Generierungsfähigkeiten großer Sprachmodelle und die Korrelationsanalysefähigkeiten des Graph Computing, um eine intuitivere und umfassendere Informationspräsentation und genauere Erkenntnisse zu ermöglichen und dadurch massive und komplexe digitale Anwendungen besser zu lösen Probleme. Derzeit hat Ant die erste Phase der Forschungsarbeit zum Thema „Generative Heterogeneous Graph Enhancement“ abgeschlossen und die entsprechenden Ergebnispapiere wurden in die World Computer Conference (WWW 2023) aufgenommen.
Graph Computing ist eine leistungsstarke Datenverarbeitungstechnologie, die Korrelationsprobleme in komplexen Beziehungsnetzwerken lösen kann. Sie findet Anwendung in der Finanzbetrugsbekämpfung, in der Wettervorhersage, in der Arzneimittelentwicklung und sogar in der gehirninspirierten Forschung. der künstlichen Intelligenz“. Große Modelle sind die wahrscheinlichste Technologie, die sich in Richtung einer allgemeinen künstlichen Intelligenz entwickelt und in einigen Bereichen Aufgaben erfüllt, die denen des Menschen gleichwertig oder sogar besser sind.
Warum Spitzentechnologie nutzen, um Spitzentechnologie voranzutreiben? Können große Sprachmodelle Datenanalyse- und Mining-Aufgaben nicht unabhängig voneinander erledigen? Liu Yongchao, ein leitender technischer Experte bei der Ant Group, sagte, dass große Sprachmodelle implizite Beziehungen ableiten, aber keine Beziehungsdiagramme zeichnen können. Die Erforschung von Datenbeziehungen erfordert klare Verknüpfungen und die Verwendung der Diagrammstrukturdarstellung ist einfacher zu verstehen. „Die Kombination großer Sprachmodelle mit Graph Computing bedeutet, zunächst aus umfangreichen Informationen logische Schlussfolgerungen zu ziehen und dann Supercomputing zu verwenden, um Beziehungen zu berechnen. Das ist so, als würde man einen externen Supercomputer mit stärkeren Fähigkeiten an das menschliche Gehirn anschließen“, erklärte Liu Yongchao.
(Liu Yongchao von der Ant Group teilte die Forschungsergebnisse des „Big Picture Model“)
In dieser Studie führte die Ant Group hauptsächlich zwei Aufgaben aus. Verwenden Sie zunächst große Sprachmodelle, um Diagrammdaten anzureichern. Im Gegensatz zu gewöhnlichen kontextabhängigen Modellen können große Sprachmodelle neue Datenpunkte basierend auf vorhandenen Daten generieren. Die Arbeit mit dem Titel „Generative Heterogeneous Graph Augmentation“ erweitert und bereichert verschiedene Arten von Diagrammdaten mit großen Sprachmodellen. Zweitens wird Prompt (eine Anweisung oder Eingabeaufforderung) verwendet, um das Modell beim Lernen und Entdecken bestimmter Datenmerkmale anzuleiten. Wenn Sie beispielsweise eine Eingabeaufforderung „Gemeinsame Merkmale von Gruppen, die mehr als dreimal im Jahr ausfallen“ festlegen, generiert das Modell Datenstichproben, die bestimmte Bedingungen erfüllen. Diese Funktion kann den Prozess der Datenanalyse und Funktionserkennung beschleunigen.
Ant Group ist führend auf dem Gebiet des Graph-Computings. Die gemeinsam mit der Tsinghua-Universität entwickelte Graph-Computing-Plattform hat den Weltrekord der maßgeblichen Graph-Datenbank-Bewertung LDBC SNB im Jahr 2021 dreimal gebrochen Auszeichnung „Achievements“ auf der World Internet Conference und wurde 2023 von IDC ausgewählt. MarketScape befindet sich im „Leader“-Quadranten des chinesischen Marktes für Graphdatenbanken. In den letzten Jahren hat die Branche verschiedene Versuche unternommen, die Graphenintelligenz in Richtung allgemeiner künstlicher Intelligenz zu bewegen. Das „Big Graph Model“ ist Ants Forschung, die Anfang 2022 beginnt, um Branchenprobleme zu lösen. Mit dem Aufkommen großer Modelle Ende 2022 wurde die Machbarkeit dieser Forschung bestätigt.
In diesem Forum teilten Experten und Wissenschaftler auf dem Gebiet der Graph Intelligence im In- und Ausland auch weitere aktuelle Entwicklungen. M. Tamer Özsu, Professor an der University of Waterloo in Kanada, berichtete über die anspruchsvolle Flussgraph-Computing-Technologie in der Branche. Chen Huajun, Professor an der Fakultät für Informatik der Zhejiang-Universität, sprach über die Chancen und Herausforderungen der Wissensverarbeitung im Zeitalter großer Modelle. Chen Hongyang, stellvertretender Direktor des Graph Computing Research Center des Zhijiang Laboratory, stellte die neuesten Forschungsergebnisse zum wissenschaftlichen Rechnen sowie zur biomedizinischen Forschung und Entwicklung von Zhijiang Zhuque Graph vor. Li Yazhou, Mitbegründer und stellvertretender Herausgeber von Machine Heart, glaubt, dass die Forschung, die Graphenintelligenz und große Modelle kombiniert, voraussichtlich zu erheblichen Verbesserungen der Datenintelligenz führen wird.
Im Hinblick auf die Möglichkeiten von Künstlicher Intelligenz und Graph Computing bündelt das Bund Graph Intelligence Forum Erkenntnisse aus unterschiedlichen Perspektiven und zeigt einen wichtigen Entwicklungspfad für die Entwicklung von Graph Intelligence auf.
Das obige ist der detaillierte Inhalt vonWie entwickelt sich Graph Intelligence hin zu allgemeiner künstlicher Intelligenz? Diese Studie der Bund-Konferenz enthält nützliche Informationen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!