Haizhi Technology veröffentlicht die erste Knowledge-Graph-Fusion-Anwendungsplattform für große Modelle, um den inländischen Krieg von Hunderten von Modellen zu unterstützen

Am Nachmittag des 8. September demonstrierte und veröffentlichte Zheng Weimin, Akademiker der Chinesischen Akademie für Ingenieurwissenschaften, Professor der Fakultät für Informatik an der Tsinghua-Universität und Chefwissenschaftler von Haizhi Technology, die „Atlas LLM-Wissenskarte und das große Modell“ und veröffentlichte sie. Diese Plattform wurde gemeinsam von Haizhi Technology und der Hochleistungs-Graph-Computing-Akademie-Workstation „Integrated Application Platform“ in Peking entwickelt. Sie richtet sich an die Mehrheit der B-End-Benutzer und nutzt die grundlegende Technologie der künstlichen Intelligenz von Wissensgraphen, um großen Modellen dabei zu helfen, „Illusionen“ zu überwinden " in Unternehmens- und Industrieanwendungen und erzielen Sie genaue Schlussfolgerungen basierend auf Branchen und Szenarien

Die Anwendungsplattform für Wissensgraphen und die Integration großer Modelle von Haizhi Technology wird offiziell veröffentlicht

Dieses Produkt wurde in Szenarien in den Bereichen eingesetzt und angewendet Energie, Finanzen, Regierungsangelegenheiten usw., mit dem Ziel, allgemeine künstliche Intelligenz für B-Seiten- und Industrieanwendungen zu öffnen.

Das China Electronics Technology Standardization Institute, das National Beacons Committee und andere Einheiten haben eine Aktivität mit dem Titel „Knowledge Graph and Large Model Integration Practice Report“ gestartet, und Haizhi Technology war am gesamten Prozess beteiligt. Der Bericht wurde offiziell veröffentlicht und wird die oben genannten Ergebnisse und einige Anwendungsfälle teilen, um mehr Marktteilnehmer und technische Kräfte zur Teilnahme an der Multi-Technologie-Integration allgemeiner künstlicher Intelligenz zu ermutigen.

Große Modelle haben „Illusionen“ und Wissensgraphen verschreiben Medikamente

Akademiker Zheng Weimin, Chefwissenschaftler von Haizhi Technology, hielt eine Rede

„Wenn sich ein großes Modell von der C-Seite zur B-Seite bewegt, ist es wie der Übergang von einem Spielzeug zu einem Werkzeug und die Genauigkeit.“ Beim Schreiben des Artikels ist es von entscheidender Bedeutung, die von Einstein vorgeschlagene Relativitätstheorie nachzuschlagen. Es spielt keine Rolle, ob die Zeit falsch ist, aber wenn das große Modell falsche Optionen zur Behebung von Stromnetzausfällen vorschlägt, kann das Ergebnis ein sein Katastrophe.“ Akademiker Zheng Weimin, Chefwissenschaftler von Haizhi Technology, sagte in einem Interview mit Reportern: „Kurzfristig lässt sich das ‚Illusionsproblem‘ nur schwer lösen.“ Als eher gehirnähnliches Werkzeug der künstlichen Intelligenz kann die Fähigkeit des Wissensgraphen zur präzisen Wissensableitung das große Modell sehr gut ergänzen. Die schnelle Lernfähigkeit großer Modelle hat wiederum die Wissensgenerierung von Wissensgraphen erheblich gefördert

Die Vielseitigkeit, das schnelle autonome Lernen und die Möglichkeiten zur Selbstverbesserung großer Sprachmodelle (LLM) gelten als revolutionär und wurden weithin anerkannt. Da die grundlegende Arbeitsmethode von LLM jedoch darin besteht, das Vokabular, die syntaktische Struktur und die semantischen Informationen im Text zu analysieren und die Muster und Wahrscheinlichkeitsverteilungen zwischen ihnen zu erfassen, tendiert es eher dazu, Antworten auf der Grundlage statistischer Regeln zu generieren, als in- Tiefes logisches Denken oder fortgeschrittene kognitive Fähigkeiten entwickeln. Darüber hinaus kann LLM bei der Textgenerierung durch Vorurteile und irreführende Informationen in den Trainingsdaten eingeschränkt sein und in einigen Fällen zu ungenauen oder unangemessenen Antworten führen. Ein solcher auf technischen Merkmalen beruhender Defekt wird anschaulich mit der „Illusion eines großen Modells“ verglichen. Diese unerwartete „Illusion“ ist die letzte und größte Herausforderung für die allgemeine künstliche Intelligenz, insbesondere für die allgemeine künstliche Intelligenz, die durch große Modelle dargestellt wird, um in strenge B-Seitenanwendungen einzutreten , hat begonnen, seine natürlichen Komplementärfähigkeiten bei großen Modellen zu zeigen. Als anerkannte „gehirnähnliche“ Methode zum Ausdruck von Wissen beschreiben Wissensgraphen Entitäten und Beziehungen in der objektiven Welt in strukturierter Form durch die Modellierung semantischer Netzwerke und werden häufig bei der Wissensbegründung eingesetzt. Auf Wissensgraphen basierendes Wissensdenken erklärt den Denkprozess mithilfe von Hilfsmitteln wie Denkpfaden und logischen Regeln auf der Grundlage diskreter symbolischer Darstellungen und bietet so eine wichtige Möglichkeit, „erklärbare künstliche Intelligenz“ zu realisieren.

Haizhi Technology mit dem Akademiker Zheng Weimin als leitendem Wissenschaftler ist seit zehn Jahren im Geschäft und derzeit das größte Wissensgraphen- und Graph-Computing-Unternehmen in China mit dem breitesten Spektrum an Anwendungskunden. Er verfügt über umfangreiche und umfangreiche Erfahrung mit Graphanwendungen in den Bereichen Finanzen, Regierungsangelegenheiten, Energie, Transport und anderen Bereichen und hat Atlas Graph, die weltweit führende inländische verteilte Cloud-native Graphdatenbank, ins Leben gerufen. Als chinesischer Datenbankvertreter wurde er in die Datenbank von Gartner aufgenommen „Global Graph Database Management System Market Guide“, der die Lücke in inländischen verteilten Graphdatenbanken schließt.

Im Oktober 2022 leitete Akademiker Zheng Weimin junge Wissenschaftler bei der Einrichtung einer „High-Performance Graph Computing Academician Workstation“ bei Haizhi Technology und begann, die Forschungs- und Entwicklungstrends verschiedener großer Modelle auf der ganzen Welt zu verfolgen. Sie engagieren sich für die umfassende Integration von Wissensgraphen in die Großmodelltechnologie und deren Einsatz und Erprobung in Finanz-, Energie- und Regierungsunternehmen und -institutionen. Sie zielen auf das riesige strukturierte Datensystem und das Computeranalyse-Anwendungssystem ab, das von B-End-Industriekunden seit langem angesammelt wird, und nutzen den Wissensgraphen innovativ als Zwischenbrücke, um das vorhandene Datensystem und große Modelle umfassend zu verbinden Verbesserung der Interpretierbarkeit, Interaktivität und Überprüfbarkeit der Umsetzung großer Modelle

„Ein Maß für die Entwicklung künstlicher Intelligenz ist das Erlernen der Intelligenz des menschlichen Gehirns. Nach unserer Beobachtung ähnelt das rigorose Denken von Wissensgraphen dem der menschlichen linken Gehirnhälfte, während das schnelle Lernen großer Modelle der Flexibilität von ähnelt Zheng Weimin sagte: „Unser Produkt zielt darauf ab, durch eine Reihe von Wissenszuordnungs-, Verifizierungs- und Optimierungsarchitekturen Interoperabilität zwischen der linken und rechten Gehirnhälfte zu erreichen und die tiefgreifende Anwendung allgemeiner künstlicher Intelligenz in Szenarien auf Unternehmensebene zu fördern.“ .“

Erzielung der Qualität von Großmodellanwendungen. Balance mit Effizienz

Yang Juan, Chief Technology Officer von Haizhi Technology, veröffentlichte Neuigkeiten über Knowledge Graph und Großmodellanwendungsprodukte

„Wir produzieren keine großen Modelle, wir sind bestrebt, große Modelle in der Produktion anzuwenden, sagte Dr. Yang Juan, CTO von Haizhi Technology, dass die Anwendungsplattform für die Fusion großer Modelle von Haizhi Atlas drei sehr einzigartige Positionierungen aufweist: Erstens realisiert sie die Interaktion zwischen Wissensgraphen und großen Modellen im Ganzen Dadurch wird die Illusion großer Modelle für industrielle Anwendungen effektiv überwunden. Zweitens werden die umfangreichen Datenbestände, über die Kunden bereits verfügen, besser verwaltet und mit großen Modellergebnissen vereinheitlicht, sodass Berechnungen effizienter und Anwendungen genauer werden Drittens kann es Kunden dabei helfen, zu wechseln und flexible Anwendungen durchzuführen. Verschiedene große Open-Source-Modelle ermöglichen kostengünstigere Szenarioanwendungen.

Qu Ke, Vizepräsident von Haizhi Technology, demonstrierte Knowledge Graph und große Modellanwendungsprodukte.

Qu Ke, Senior Vice President von Haizhi Technology, listete für uns ein Industrieszenario auf, das von der oben genannten Plattform verifiziert wurde: Betrieb und Inspektion industrieller Fertigungsanlagen. Aufgrund der komplexen Fehlerkombinationstypen, heterogenen Daten und schnellen Reaktionsanforderungen ist die Fehlererkennung komplexer Produktionssysteme in diesem Bereich seit jeher ein Bereich, in dem große Hoffnungen in künstliche Intelligenz gesetzt werden. „In der Vergangenheit haben wir die Wissensgraphentechnologie verwendet, um die Beziehungen zwischen Geräten und zugehörigen Gerätemesssignalen in Untergraphen mit Fehlerwissensmerkmalen zu konstruieren, um Maschinen bei der automatischen Erkennung von Fehlern zu unterstützen. Dieser Prozess erfordert jedoch die Zusammenarbeit von Geschäftsexperten mit technischem Personal, um eine Fehlererkennung durchzuführen Eine große Anzahl von Entitätskonstruktionen und Konfigurationsarbeiten sind Voraussetzungen für die Wissensgenerierung. Heute können wir jedoch die Effizienz dieses Wissensextraktions- und Fusionsprozesses erheblich verbessern. Einerseits können wir durch große Modelle schnell fehlerhafte Geräte extrahieren und zugehörige Messwerte helfen dem Wissensgraphen, die schnelle Erstellung von Feature-Maps zu vervollständigen und die Effizienz zu verbessern. Andererseits können Geschäftsexperten auch Business-Experten nutzen, um die von großen Modellen automatisch generierten Feature-Maps effizienter zu verifizieren, zu festigen und zu kalibrieren empirisches Wissen über Fehlermerkmale und Sicherstellung der Qualität altes Berechnungs- und Analysesystem, oder ob es auf dem bestehenden basiert? Das Berechnungs- und Analysesystem muss aktualisiert werden? Basierend auf den großen Computeranalyseanwendungen und kleinen Geschäftsmodellen, die Kunden etabliert haben, hat Haizhi Technology den „dreistufigen Prozess“ der Anwendung großer Modelle gemäß der Logik „grundlegende Szenenerkennung + umfassende Szenenorchestrierung + Szenenverfestigungsfreigabe“ implementiert.

Der erste Schritt: Passen Sie die grundlegenden Szenariodienste der vorhandenen Computeranalyse und des kleinen Geschäftsmodells des Kunden über das große Modell an, kommentieren und identifizieren Sie die Szenariosemantik und bilden Sie eine grundlegende Service-Szenariobibliothek.

Der umgeschriebene Inhalt lautet wie folgt: Schritt 2: Durch umfassende Anwendung von Szenarien höherer Ordnung und entsprechender Prompt-Semantik sowie Nutzung großer Modellschlussfähigkeiten zur intelligenten Anordnung von Berechnungsaufrufen und Berechnungslogik

Der umgeschriebene Inhalt: Im dritten Schritt haben wir generiert durch große Modellorchestrierung einen Wissensgraphen zur Szenenorchestrierung. Indem wir die beobachtbare Interpretierbarkeit und Interoperabilität des Wissensgraphen nutzen, können wir die Ergebnisse der großen Modellorchestrierung komplexer Szenen beobachten, manuell überprüfen und optimieren. Auf diese Weise kann das der Semantik entsprechende Szenenwissen stabil gefestigt werden und an die Außenwelt weitergegeben werden. Derzeit hat Haizhi grundlegende Szenenerkennung, komplexe Szenenanordnung und Wissen basierend auf Wissensgraphen realisiert Beobachtbare, verfestigte Verifizierungs- und Veröffentlichungsfunktionen ermöglichen es großen Modellen, präzise rechnerische Fragen und Antworten mit der Generierung großer Modellinferenzen als Kern unter den beiden „Genauigkeitskontrollen“ bestehender rechnerischer Analysekenntnisse und Kartenverfestigungsszenarien zu erreichen.

Das obige ist der detaillierte Inhalt vonHaizhi Technology veröffentlicht die erste Knowledge-Graph-Fusion-Anwendungsplattform für große Modelle, um den inländischen Krieg von Hunderten von Modellen zu unterstützen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!