Порой поисковик понимает нас лучше, чем мы сами. Например, по запросу «фильм, в котором был грунт» он ответит верно и выдаст «Стражей галактики». Это возможно благодаря Knowledge Graph – семантической сети, которая умеет выявлять взаимосвязи между разными объектами. В новой статье глоссария рассказываем, что такое граф знаний, как он устроен и чем помогает поисковикам.
Knowledge Graph, или граф знаний, – семантическая сеть, в которой хранится информация о разных сущностях и взаимосвязях между ними. Сущностью или «узлом» графа может быть что угодно: человек, предмет, дата, концепция и любой другой материальный объект или абстрактное понятие. Предикаты или «ребра» отражают взаимосвязи и отношения между разными сущностями в графе. Например, Альберт Эйнштейн и город Ульм в Германии – две самостоятельные сущности, а тот факт, что Эйнштейн родился в Ульме, – будет уже предикатом.
Knowledge Graph помогают связать большое количество данных из разных источников в одну общую коллекцию знаний. Они могут быть общими, то есть хранить информацию о разных видах данных, и специализированными – фокусироваться на какой-то одной предметной области. Например, Wikidata – один из самых крупных графов знаний – хранит разностороннюю информацию. А BioPortal – крупнейший специализированный граф с более чем 140 млрд фактов о биотехнологиях и медицине. Эти графы находятся в открытом доступе и доступны для всех пользователей Интернета. Число открытых Knowledge Graph в интернете растет, все вместе они образуют облако семантически связанных друг с другом данных – Linked Open Data Cloud. Вот здесь можно посмотреть интерактивную карту открытых графов знаний различной тематики.
Графы знаний бывают и закрытыми, разработанными для решения задач конкретной сферы или предприятия. На основе этих данных работают поисковики, например, Google, голосовые помощники – Siri от Apple и Alexa от Amazon и чат-боты. Knowledge Graph могут быть источником пользовательских предпочтений, благодаря которым стриминговые платформы и сайты выстраивают качественные рекомендательные системы.
Графы знаний могут также содержать финансовую, правовую, производственную информацию о компании и помогать структурировать и анализировать опыт предприятия, предсказывать риски и контролировать производство.
На самом деле мы взаимодействуем с Knowledge Graph постоянно, например, когда спрашиваем что-то у поисковика. Пользовательские запросы зачастую направлены не на определенный объект, а на связанные с ним ассоциации. Если мы охарактеризуем героя как «маленький зеленый человек со световым мечом», Google поймет, что мы говорим о Йоде из «Звездных войн». А по запросу «фильм Стивена Кинга, где Николсон бухает, печатает книгу и ломает дверь» Яндекс выдаст нам «Сияние» (другие интересные запросы можно найти в исследовании Яндекса).
В этом случае мы ищем сущность (фильм или героя), указывая лишь на связь с ним. Правильно угадывать такие пользовательские запросы поисковикам помогает как раз Knowledge Graph. А еще он формирует целый ряд дополнительных сущностей (различные рекомендации, например, другие фильмы с Николсоном), которые скорее всего нас заинтересуют.Графы знаний описывают объекты с высокой точностью, но при этом не всегда полно. В некоторых случаях алгоритмы могут срабатывать неверно. Подробнее эту тему мы обсуждали в пятом выпуске подкаста СБъ «Неопознанный Искусственный Интеллект». Вы можете послушать эпизод на Яндекс.Музыке или прочитать расшифровку выпуска здесь.
США усилили контроль над лидирующими ИИ моделями, ученые смогли полностью прочитать античный свиток, не разворачивая его — что произошло в…
Агенты, которые самостоятельно планируют свои действия и пользуются внешними инструментами. Модели, способные работать с миллионами токенов. Системы, которые помогают сохранять…
Теперь в него входят тексты ВКонтакте — почти 11,3 млрд слов из соцсетей
