创新知识图谱打造AI大模型

天津大学博士生导师、智能与计算学部人工智能学院副院长、天大智图(天津)科技有限公司首席科学家王鑫教授,多年来致力于知识图谱与图数据库领域的研究。多年来,主持国家重点研发计划项目、国家自然科学基金项目等多项,并参与了科技创新2030“新一代人工智能”重大项目、国家高技术研究发展计划项目、国家科技支撑计划项目,均取得了先进的科研成果。目前,他们团队在产学研融合方面取得了重要的进展。

创新研发国产知识图谱数据库

知识图谱作为人工智能的重要基石,其包括知识获取、知识组织、知识存储、知识查询与检索、知识推理与应用等方面,是人工智能符号主义学派的新发展,是解决人工智能可解释性难题的关键工具。

知识图谱数据管理是实现新一代人工智能的基础技术,在国家重点研发计划项目“分布式知识图谱数据管理关键技术与系统”的支持下,王鑫带领团队研发了自主研发国产知识图谱数据库OggDB,主要应用于新一代人工智能场景和信息创新领域,该数据库能够一站式解决传统图数据库数据模型、存储方案和查询语言不统一的问题,支持万亿边PB级图数据存储。同时,具备毫秒级点边查询能力,10+层的深度链路分析能力,具备数据2D和3D展示能力。在国产适配方面,基于国产数据库内核,填补了国产知识图谱数据库产品空白。

现如今,OggDB已经发布2.0版本,它通过大模型智能助手,能够帮助用户自动抽取文本内的实体与关系信息;提供通用的插件接口,实现基于插件平台的功能扩展;内置的大模型智能助手,支持将自然语言转化为图查询语句的能力;通过性能测试,OggDB在大部分场景下搜索性能处于行业领先水平。

知识图谱赋能中医药领域大模型

中医药是我国的文化瑰宝,从古至今上下五千年,中医药为中华民族的健康发挥着举足轻重的作用。在科技发展日新月异的今天,中医药也以前所未有的速度与广度,融入现代科技的洪流之中,走向现代化、数字化发展之路。

2022年,我国国家中医药管理局印发《“十四五”中医药信息化发展规划》,提出加快中医药关键数字技术攻关。2024年3月,王鑫课题组与现代中医药海河实验室、天津中医药大学、天津市人工智能计算中心合作,由天大智图(天津)科技有限公司落地实现,推出了“海河岐伯”大语言模型。这一面向中医药领域的大模型是中国第一个基于知识图谱检索增强技术打造的中医药大语言模型,在技术层面实现了全面国产化,通过深度挖掘和分析海量中医证候数据,并与知识图谱交互,能够帮助临床医生进一步提高诊疗效率,优化医疗服务和中医药研究模式,助力实现知识积累和数据共享。

相传岐伯是我国上古时期的著名医家,精于医术脉理,名震一时,后世尊称为“华夏中医始祖”、“医圣”。如今传世的中医古籍《素问》就是黄帝询问,岐伯作答,以阐述医学理论,显示了岐伯高深的医学造诣。同样,“海河岐伯”大模型内含古代医家经典典籍、开源图书库医学古籍、国家规划中医药教材、中医药试题数据共上万种中医药文献语料,8万余首经典中医药方剂,多个流派的中医临床问诊数据等,正因有这些丰富的中医药领域数据,大语言模型才能学习和理解传统医学的深层次知识。可以说,它是传统医学与现代人工智能技术相结合的产物,这也是“海河·岐伯”大模型能达到高准确率的关键所在。

王鑫表示,“海河岐伯”的应用场景非常广泛,分别可以用在中医药教育、临床诊疗和养生保健等领域。在教育行业,利用大模型辅助教学,可以提高中医药教育和培训的质量和效果,培养具备跨学科知识和实战技能的复合型中医药人才;在临床诊疗方面,可以将“海河·岐伯”应用于更广泛的中医药临床诊疗领域,通过分析四诊仪等专业仪器产生的数据,为医疗团队提供更全面的视角,辅助制定个性化治疗计划;而在养生保健方面,可以充分发挥中医“治未病”的优势,为用户提供便捷的养生保健建议,助力“治病于未然”。

王鑫带领着团队不断探索国医传承、基于中医药领域知识图谱的问诊,以及结合四诊仪与多模态的诊疗模式。他们正在通过建立中医证候数据库,实现中医证候的标准化和规范化,提高中医诊疗的准确性和可靠性。同时,将“海河·岐伯”应用于基层医疗机构,通过智能化解决方案为基层医疗降本增效,提升基层医疗服务水平。据了解,“海河·岐伯”可用于提升偏远地区的医疗水平,促进中医药文化的传承与创新,助力中医药走向海外市场。

中医药大模型是中医现代化的重要发展趋势,大模型强大的数据处理和分析能力,为中医药传承与创新注入了新的活力。在过去研究的基础上,王鑫带领团队创新研发国产知识图谱图数据库,用知识图谱赋能中医药大模型,推动了产学研融合发展。未来,“海河·岐伯”的产业化应用必将极大地推动中医药行业的现代化和国际化,通过智能化诊疗,提高诊疗效率与精准性,降低医疗成本,为更多的人造福。(供稿人:王超)

THE END
1.两张逻辑图清晰地说明:知识知识图谱能力模型任务岗位目标之间很显然培训要支持业务的最佳切入点是训练员工的岗位技能要实现训练员工的岗位技能就必须萃取出每个典型工作岗位的知识图谱然后再运用学习设计技术选择正确的培训方式将知识图谱赋能于每位员工或者是ai员工这才培训管理岗最大的价值 两张逻辑图清晰地说明:知识、知识图谱、能力模型、任务、岗位目标之间的逻辑关系 两张逻辑https://wenku.baidu.com/view/ee70261f01020740be1e650e52ea551810a6c920.html
2.一文读懂知识图谱的主要技术学术观点职教动态知识计算是基于已构建的知识图谱进行能力输出的过程,是知识图谱能力输出的主要方式。知识计算概念内涵如图4.16所示,主要包括知识统计与图挖掘、知识推理两大部分内容,知识统计与图挖掘重点研究的是知识查询、指标统计和图挖掘;知识推理重点研究的是基于图谱的逻辑推理算法,主要包括基于符号的推理和基于统计的推理。https://www.gxgy.edu.cn/kjxq/zjdt/sxgd/content_62961
3.什么是人工智能的知识图谱?知识图谱的组成构建应用有哪些人工智能(Artificial Intelligence,AI)是一种通过计算机模拟人类智能的技术,其应用范围越来越广泛。知识图谱(Knowledge Graph,KG)则是人工智能技术中的重要组成部分,它是一种结构化的、语义化的知识表示方式,能够帮助计算机理解和处理人类语言。 知识图谱的定义 https://cloud.tencent.com/developer/article/2286418
4.知识图谱技术概览文章浏览阅读2.2k次。目录一.概念与发展1.什么是知识图谱2.知识图谱的发展二.知识图谱的本质三.深度学习与知识图谱三.技术概览1.什么是知识表示2.知识抽取3.知识存储4.知识问答5.知识融合一.概念与发展1.什么是知识图谱知识图谱(Knowledge Graph),在图书情报界称为知识域https://blog.csdn.net/qq_39671159/article/details/116560433
5.人工智能技术基础系列之:知识图谱51CTO博客机器学习:知识图谱与机器学习在推理、预测等方面有很多相似之处。然而,知识图谱的数据结构更加结构化,可以更好地支持复杂的推理任务。此外,知识图谱可以借鉴机器学习的深度学习、无监督学习等技术,提高知识图谱的表示能力。 图论:知识图谱与图论在表示实体和关系方面有很多相似之处。然而,知识图谱的数据结构更加结构化,可https://blog.51cto.com/universsky/8996522
6.什么是知识图谱?有哪些模型?指标?规则?“图谱”的时代 知识图谱自从2012年开始发酵,愈演愈烈,行业顶端的佼佼者纷纷发布企业知识图谱应用,知识图谱能为企业实现数据价值。只能说,图技术快速发展,业务需求不论变化与否https://www.jianshu.com/p/8266518c6fd4
7.知识图谱在教育领域的实际应用嘲有哪些,如何通过知识图谱提高人通过教育数据挖掘、学习分析、深度学习等技术,实时监测学习者的学习进度与状态,刻画知识图谱、能力图谱,https://www.zhihu.com/question/309889161/answer/2772556283
8.教育部:打造拔尖人才的知识图谱能力图谱素质图谱,以人工智能此外,还将开辟智能化新赛道,推动新应用。打造人工智能教育大模型,构建自主可控数据集,实施人工智能大模型应用示范行动(LEAD行动),优先在数学、大气科学、生物学、力学等10个场景上推动垂类应用。打造拔尖人才的知识图谱、能力图谱、素质图谱https://mp.weixin.qq.com/s?__biz=MzI3MjIyNjg4OQ==&mid=2247589082&idx=2&sn=7c0915bda938bff84a8cecce7fd395e7&chksm=ea521974dd81ed6029807d06435dbcfdec0ac5ed71e0b02823ac5bb3d6680e881ab1fce7681e&scene=27
9.什么是知识图谱?IBM在摄取数据时,这个过程使知识图谱能够识别单个对象,并理解不同对象之间的关系。 然后,将这些工作知识与其他相关和相似的数据集进行比较和整合。 知识图谱完成后,问答和搜索系统便能够检索和重用给定查询的综合答案。 虽然面向消费者的产品展示了其节省时间的能力,但同样的系统也可以应用于业务环境,由此避免了手动数据收集https://www.ibm.com/cn-zh/topics/knowledge-graph
10.干货系列(二)我们为什么要使用知识图谱?公司动态上周,我们已经为大家初步介绍了知识图谱,尽管部分文字表述看似深奥,但其实我们在日常生活中经常感受到知识图谱技术带来的便利。本周,我们将为大家继续分享知识图谱的系列文章。http://www.zqykj.com/newsshow.php?cid=27&id=534