知识图谱如何为大模型“祛魅”：面向工业的可解释知识推理

大模型的“幻觉”难题

大语言模型（LLM）更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力，在某些情况下可能产生不准确或不合理的回答，被形象地称为“大模型幻觉”。这种“幻觉”正是以大模型为代表的通用人工智能进入严谨B端应用的挑战。

知识图谱：类脑的知识表达

据新华网报道，2023年9月，中国工程院院士、清华大学计算机系教授郑纬民在北京演示发布了“Atlas LLM知识图谱与大模型融合应用平台”。该平台运用知识图谱技术，帮助大模型在企业级和工业界应用中克服“幻觉”，实现基于行业与场景的精准推演。

知识图谱作为公认“类脑”的知识表达方式，通过对语义网络进行建模，以结构化形式描述客观世界中的实体及关系，被广泛应用于知识推理；基于知识图谱的知识推理在离散符号表示的基础上，通过推理路径、逻辑规则等辅助手段对推理过程进行解释，为实现“可解释人工智能”提供了重要途径。

“左脑”与“右脑”的互补

“当大模型从C端走向B端，它就像从玩具走向工具，而工具的精确性至关重要。”郑纬民表示，知识图谱的严谨推演类似人类的左脑，而大模型快速学习的认知与右脑的灵动颇为类似；要用一套知识映射、校验、优化的架构打通“左右脑”，推动通用人工智能深入企业级场景应用。

一个工业场景：设备运检故障识别

报道提到，在工业制造设备运检领域，复杂生产系统的故障识别因故障组合类型复杂、数据异构、要求反应很快，一直是人工智能寄予厚望的方向。过去借助知识图谱，可以把设备间关系以及关联设备量测信号构建成故障知识特征子图以帮助机器自动识别故障，但需要业务专家配合技术人员开展大量实体构建和配置工作；而借助大模型，可极大提高这一知识抽取和融合的效率。

参考来源

本文依据公开报道整理，事实与数据均来自下列公开来源。

• 新华网：《海致科技推出首个知识图谱融合大模型应用平台》，2023年9月9日。
  http://www.news.cn/tech/20230909/6e7067a2df08400faa2ed3a25fb14d4a/c.html