ナレッジグラフはどのようにして「人工知能」をよりスマートにするのでしょうか?

この記事では、人工知能がインテリジェントでない領域と、ナレッジ グラフに基づく認知知能がインテリジェントになる仕組みという 2 つのトピックについて説明します。

[[358674]]

1. みんなが話題にしている人工知能はなぜ知的ではないのでしょうか?
1. 自動運転業界の問題点
まず、自動運転についてお話ししましょう。まず結論を述べさせてください。自動運転、ロボット工学、または人工知能のどの分野であっても、それらはすべて過去のデータに大きく依存しており、単一または部分的な共同作業しか完了できません。それらはすべて弱い人工知能の段階にあります。

（１）産業と技術

自動運転産業チェーンのシステムから、この産業はおそらく、知覚エンド、クライアントエンド、クラウドエンドの 3 つの部分で構成されることがわかります。

1. 知覚エンド：高精度センサーと視覚デバイスを使用して、車両が位置する環境を常に知覚し、環境に基づいて判断し、関連データを抽出します。自動運転はさまざまなセンサーに大きく依存しており、マルチセンサーフュージョンの問題は解決されていません。
2. クライアント：主にオペレーティングシステムとハードウェアプラットフォームを含み、アルゴリズムと基盤チップを通じてフロントエンドデータをリアルタイムで処理し、自動運転のリアルタイム信頼性要件を満たします。チップ処理と遅延の問題はまだ解決されていませんが、5G時代には解決されると予想されています。
3. クラウド:主に意思決定の基礎となる高精度のシミュレートされた地図描画を保存するために使用されます。

（２）自動運転のレベル

業界では、自動運転はL0～L5の5つのレベルに分かれています。自動運転の分野に多額の投資をしているGoogleやBaiduなどの大手企業でさえ、現在はL3レベルにとどまっていますが、自動運転を研究している他の企業はL2段階です。

また、人工知能は事故に対処できず、事故を履歴データに含めることができないため、自動運転が L5 レベルに到達することは不可能だと考える人もいます。

（３）ユーザーの使用（安全ではない）

2016年にはテスラの自動運転機能が白い車を認識できずに運転事故を起こし、2016年にはウーバーの自動運転機能が世界初の自動運転による死亡事故を引き起こした。こうした事故は数多くある。ユーザーにとって、少なくとも現時点では自動運転機能は安全ではない。

したがって、現在の人工知能の観点から言えば、データ、テクノロジー、アプリケーションのすべてに、多かれ少なかれ多くの問題があり、過去のデータに過度に依存することが人工知能の最大の問題です。

2. 現在の人工知能のレベルはどの程度ですか?
AI プロジェクトへの投資: 企業の AI プロジェクトへの投資は、AI の価値を反映する側面です。製造業やインターネット業界と比較すると、金融業界は AI への投資が最も多くなっています。

成熟度：テクノロジーとビジネスの成熟度の観点から、金融業界だけを例にとると、不正防止、生体認証、インテリジェントな顧客サービスは、金融業界で成熟して実装されている3つのシナリオです。他の業界と比較して、アプリケーションは最も成熟しています。金融業界の最大のメリットは、金融業界のオンラインデータであり、これはAIの迅速な実装の前提条件でもあります。

市場観点：市場観点では、人工知能業界はプラットフォームと市場の区分に基づいて主導的かつ垂直的な業界企業を形成しており、さまざまな角度からの競争と協力により、この業界の活発な発展が急速に促進されるでしょう。

2. 認知コンピューティングに基づくナレッジグラフはインテリジェントになるでしょうか?
1. 結論は肯定的である
結論は「はい、質的な変化です」です。ナレッジグラフは、既存の履歴データに過度に依存しなくなりました。たとえば、精密マーケティングです。以前の精密マーケティングサービスは既知のデータに基づいていましたが、実際の状況では、分析のためにそれほど多くのデータを取得することは難しいことがよくあります。グラフは、知識推論を使用してユーザーの好みを推測し始めました。もう 1 つのポイントは、グラフが人間と機械の両方の反事実的状態を破壊し始めることです (これについては、次の記事で詳しく説明します)。

（１）データ、情報、知識、知恵

ナレッジグラフの技術をより深く理解するには、まずデータ、情報、知識、知恵という4つの言葉の意味を理解する必要があります。それらの関係はピラミッドのようなものです。データは情報、知識、知性を形成する原材料です。データの量は非常に大きく、情報の量はより少なくなります。

たとえば、私たちが直接、見知らぬ人同士が交流するとき、それぞれの人の言葉や行動はデータとみなすことができます。しかし、しばらくすると、この人は非常に勤勉で信頼できるなど、この人に対して明確なラベルが付けられます。勤勉さや信頼性は情報であるため、データは方向性がなく構造化されていませんが、情報は方向性があり構造化されています。

知識は情報に基づいており、広く受け入れられ、人々の間で合意されるものです。知恵とは、実際には知識を使って問題を解決する人のことです。私たちは、このような人を賢い人だと言います。

ある意味、ナレッジグラフは人工知能がよりインテリジェントになるために必要な段階です。

（２）AI技術の観点からナレッジグラフを見る

2019 年の現在の技術の成熟度から判断すると、この技術はすぐに業界のホットスポットとなり、グラフ技術への投資も増加するでしょう。

2. 例
ナレッジグラフに基づくインテリジェントな質問応答がどのようなものであるかを紹介するために、インテリジェントな質問応答の例を見てみましょう。

（１）インテリジェントな質疑応答の新たな動向

現在、インテリジェントな質疑応答の分野は、従来のデータベース検索から情報検索、つまりインテリジェントな顧客サービスロボット、そして知識グラフ構築に基づく知識ベースの質疑応答ロボットへと、3つの段階を経てきました。

（２）ユーザーの視点から

物理ロボット、オンラインカスタマーサービス、インテリジェント音声ナビゲーション、アウトバウンドコールなど、現在業界で聞かれるすべての新しい用語は、結局のところ、質疑応答の分野に起因します。質疑応答の対象に対してそれらが果たす最も重要な機能は、顧客維持と顧客改善に他なりません。

（３）技術構成

完全な質問応答システムは、 NLP、ASR、TTSなどの基盤となるテクノロジーと切り離せないものであり、ナレッジ グラフは知識ベースの構築と質問応答において役割を果たし始めたばかりです。

スマートな発信通話 スマートなXナビゲーション スマートな品質検査

（4）インテリジェントサービスロボット

物理ロボットインテリジェント質問応答システムは、インテリジェントハードウェアをキャリアとして使用し、実際の銀行業務シナリオを実現します。

インテリジェントロボットとオンライン政府業務の融合

（５）ナレッジグラフとインテリジェントナレッジベース

ナレッジベース構築のレベルでは、現時点では依然として FAQ が主な焦点となっていますが、将来的にはナレッジグラフ技術に基づくナレッジベース構築が重要な役割を果たすことになります。

（６）深層学習に基づくグラフ質問応答

主に2つの側面があります。1つはディープラーニングを使用して従来の方法を改善すること、もう1つはディープラーニングに基づいてエンドツーエンドの質問と回答を構築することです。

フレームワークアルゴリズム設計:

LSTM は、エンティティ モジュールを識別し、従来のエンティティ認識と関係マッピングを改善するために使用されます。

ディープラーニングに基づく畳み込みニューラルネットワーク:

エンドツーエンドのディープラーニング質問応答モデルは、知識ベース内の質問と情報をベクトル表現に変換し、ベクトル間の類似性を計算することでユーザーの質問と知識ベースの回答をマッチングさせ、質問応答の精度をさらに向上させます。

最終的な Q&A の全体的な技術アーキテクチャは、複数の戦略に基づいた統合された Q&A であり、Q&A の精度が向上し、より幅広い質問がカバーされます。

全体的なワークフロー:質問入力の意図認識から回答の融合と生成まで。

現実に戻って、企業にとって、現在熱く議論されているCOVID-19の流行であれ、技術開発段階自体がもたらした一連の問題であれ、それは企業にとって「危険」と「チャンス」の両方を内包しています。この社会問題が発生すると、業界の再編と技術革新が加速すると思います。政府も人工知能や5Gなどのハイテク技術への投資を増やすでしょう。将来は有望だと思います。

個人的には、羅鹏氏の大晦日のスピーチの一文がとても気に入っています。疫病であれ金融危機であれ、これは私たちの世代が解決しなければならない問題であり、「現実を直視し、関与する」ことです。