Ontology

这原本是哲学术语，探讨「存在事物的体系」，但在IT领域,它指的是把某个领域的概念及其相互关系整理成计算机可以处理的地图。这是一张设计图，把概念当作点(节点)，把关系当作连接这些点的线——比如「OpenAI —创造→ GPT」「GPT —搭载于→ ChatGPT」。

把这张设计图填满实际数据,就叫做知识图谱(Knowledge Graph)。在谷歌搜索某个人物时,右侧弹出的信息框就是典型例子——它不是从文档中读取,而是从预先整理好的关系网络中提取出来的。

LLM时代它重新受到关注是有原因的。语言模型说起来头头是道,但事实关系常常不稳(幻觉),而本体正好相反——关系是明确写出来的,所以不会出错。因此不断有人尝试把「LLM的流畅」和「知识图谱的准确」结合起来。METAL也运营着一套本体,把文章不是当作单独的一篇,而是放在公司、模型、论文这些节点之上——现在这本词典里的「提到这个词的文章」,以及文章下方的相关文章链接,都是靠这套本体在背后支撑的。

「为了防止幻觉,结合了知识图谱」——这是企业AI应用报道中常见的说法,指的是给流畅的LLM配上一套准确关系网络的结构。

1. 让聊天机器人试试这个指令:「把以下六个作为节点,用箭头整理出它们之间的关系:OpenAI、GPT、ChatGPT、Microsoft、NVIDIA、GPU」
2. 你会得到一张标有「创造」「搭载于」「投资」「供应」等关系标签的地图——你刚刚做出来的就是一个迷你知识图谱。
3. 进阶一步:随便复制粘贴一篇AI新闻文章,然后说「把这篇文章中出现的公司、产品、人物提取为节点,关系提取为连线」。当文章开始看起来像关系网络中的一块拼图时——这正是媒体和企业构建本体的原因。