黄勃-大模型时代面向图模互补的技术研究与应用.pdf

1、演讲人：黄勃 上海工程技术大学 副教授 上工大(滁州)人工智能产业研究院 理事长n 聚焦大模型时代知识图谱的前沿技术与应用，探讨人工智能从“感知智能”向“认知智能”跃迁过程中，知识图谱作为连接数据与智能的核心桥梁的重要性。随着大模型技术的突破，知识图谱迎来了新机遇与挑战。深入分析“图模互补”框架，探讨知识图谱与大模型融合在智能推理、决策增强等领域的应用，并展望其在认知智能中的关键作用与未来发展方向。大模型时代面向图模互补的技术研究与应用从感知到认知：知识图谱在大模型时代的核心使命01020304目 录CONTENTS大模型的“能力圈”与“盲区”：知识图谱的补全之道知识图谱的价值重构：从静态知识

2、到动态智能图模互补（KG-LLM-MC）：1+12的智能跃迁05迈向认知智能：图模互补的行业赋能与未来图景从感知到认知：知识图谱在大模型时代的核心使命人工智能正经历从“感知智能”到“认知智能”的深刻转型。感知智能在图像识别、语音处理等领域取得了显著成就，而认知智能则更进一步，致力于实现推理、决策等高级智能行为。在这一转型中，知识图谱作为结构化知识的载体，扮演着至关重要的角色。它不仅连接了海量数据与智能应用，还为认知智能的发展提供了坚实的知识基础。在大模型时代，知识图谱与大模型的融合成为推动AI向更高层次跃迁的关键路径。通过重点探讨知识图谱如何支撑认知智能的发展，揭示其在大模型时代的核心使命与价

3、值。1.从感知到认知：知识图谱在大模型时代的核心使命人工智能的发展历程人工智能的发展可以看作一场从感知到认知的进化之旅。这不仅是技术能力的延伸，更是迈向真正“智慧”的必经之路。从简单的感知开始，AI逐步掌握复杂的认知功能，为各领域带来了革命性变化。感知与认知正以协同发展的方式推动人工智能的全面升级感知认知在这场从感知到认知的技术之旅中，AI如何实现发展和突破？推动感知到认知进化的三大驱动力：计算力的提升高性能芯片和分布式计算的普及，让AI处理更复杂任务成为可能。大数据的支撑海量数据为AI训练提供了基础，使其感知更精准，认知更深入。算法的突破深度学习等技术的进步，为感知和认知技术提供了强大的工具

4、。从感知到认知的进化，标志着人工智能从“模仿人类”迈向“赋能人类”的重要阶段。通过这一过程，AI不仅成为工具，更成为理解世界、帮助决策的重要伙伴。1.从感知到认知：知识图谱在大模型时代的核心使命 大模型与知识图谱的关系系统1是直觉性、快速、大容量、并行、无意识、情境化和自动化的，其依赖情感、记忆和经验迅速作出判断，是类似于动物认知的内隐知识系统2则是分析性、缓慢、有限容量、串行和抽象的，其受到规则的约束，依赖认知能力的运作，是人类进化后期习得的外显知识。丹尼尔卡尼曼(Daniel Kahneman)思考，快与慢符号主义知识图谱是经典的符号主义，把知识符号化，通过三元组描述知识和知识之间的关系，

5、再构建成巨大的知识网络，这是知识的显性表达。连接主义大模型是连接主义的最新成果，但是它的知识是隐性表达，知识直接存储到模型的神经网络参数中，人不可读。1.从感知到认知：知识图谱在大模型时代的核心使命 大模型与知识图谱的关系知识图谱是一种以图结构形式呈现的、用来描述事物及其关系的结构化知识。它通过将概念、实体和关系之间的联系组织成图谱，帮助系统理解数据背后的深层次含义。知识图谱的核心使命在大模型时代，知识图谱的主要作用是将感知数据转化为认知信息。它提供结构化的、真实世界的背景知识，帮助AI从单纯的数据输入中，推导出深层次的知识和推理能力。p 通过结构化的关系，知识图谱使得AI不仅能识别事物，更能

6、理解事物之间的关联，做出合乎逻辑的推理。增强推理能力 提升数据质量和一致性 补充外部知识 跨领域任务应用 大语言模型的专业领域知识有限，特别是工业领域有大量的数据还未清晰甚至数字化;大语言模型存在幻觉问题，这个问题基本无法通过训练从模型训练上解决;大语言模型的知识运维困难，训练成本高且校验成本高;大语言模型无法做严密的知识推理;知识图谱存在构建成本高的问题将两者结合起来，用知识图谱解决领域知识缺失、领域知识运维、领域知识推理和大模型幻觉的问题，用大模型解决知识图谱构建成本高的问题，实现大模型和知识图谱双擎互相增强。大模型的“能力圈”与“盲区”：知识图谱的补全之道大模型凭借其涌现能力、推理能力和