Definicja grafu wiedzy AI
System grafu wiedzy AI przechowuje informacje jako sieć encji i relacji. Każdy węzeł reprezentuje obiekt, na przykład osobę, dokument lub wydarzenie. Każda krawędź zapisuje połączenie, takie jak „jest autorem”, „uczestniczył” lub „odwołuje się do”.
Najważniejsze cechy obejmują jawne relacje, obsługę wielu typów źródeł oraz możliwość dodawania nowych połączeń bez zmiany całego modelu. Dzięki nim AI może znajdować odpowiedzi wymagające kilku kroków, a nie jednego wyszukania.
Jak działa graf wiedzy AI
Proces przebiega w kolejnych krokach, które zmieniają surowe dane w użyteczne połączenia. Każdy krok dodaje strukturę bez usuwania pierwotnego kontekstu.
Krok 1: wyodrębnianie encji
System skanuje tekst lub rekordy i rozpoznaje encje. Oznacza osoby, firmy, daty lub tematy jako węzły. Dokładność tego etapu decyduje o jakości kolejnych.
Krok 2: mapowanie relacji
Po utworzeniu encji system szuka czasowników lub przyimków sygnalizujących połączenia. Tworzy krawędzie opisujące charakter każdej relacji. Rezultatem jest rosnąca sieć, a nie płaska lista.
Krok 3: zastosowanie ontologii
Ontologia działa jako zestaw reguł klasyfikujących węzły i krawędzie. Rozstrzyga, czy dwa węzły o podobnych etykietach odnoszą się do tego samego obiektu, czy powinny pozostać oddzielne. Ogranicza to duplikaty i zachowuje spójność grafu. Konkretne standardy, takie jak RDFS, czyli schemat RDF, definiują hierarchie klas i domeny właściwości, natomiast OWL, czyli język ontologii internetowych, dodaje konstrukcje równoważności, rozłączności i ograniczeń. Silniki wnioskowania stosują formalne reguły — na przykład przechodniość podklas RDFS lub aksjomaty łańcucha właściwości OWL — aby bez ręcznej pracy wyprowadzać fakty niejawne z jawnych trójek.
Krok 4: wykonanie zapytania
Użytkownik lub agent zadaje pytanie w języku naturalnym. System tłumaczy je na polecenia przechodzenia po grafie i podąża krawędziami, aby zebrać fakty wspierające odpowiedź. Przebyta ścieżka pokazuje łańcuch rozumowania.
Praktyczne zastosowania
Grafy wiedzy AI występują w wyszukiwaniu firmowym, badaniach medycznych i rekomendowaniu treści. W każdym z tych obszarów przydatna jest możliwość wyjścia poza dopasowanie słów kluczowych.