දැනුම ප්‍රස්ථාර යනු ව්‍යාපාරවලට ක්‍රියාත්මක වන AI එකක් සඳහා අවශ්‍ය නැතිවූ සබැඳිය විය හැකිය.

AI භාවිතය සඳහා සංවිධාන තීරණාත්මක අභියෝගයකට මුහුණ දී සිටී: විශ්වාසදායක ප්‍රතිඵල ලබා දෙන ආකාරයෙන් AI භාවිතා කිරීම සඳහා ඔවුන්ගේ වසම්-නිශ්චිත දැනුම උපයෝගී කර ගන්නේ කෙසේද. දැනුම ප්‍රස්ථාර මඟින් AI සඳහා අතුරුදහන් වූ “සත්‍ය ස්ථරය” සපයන අතර එමඟින් සම්භාවිතා ප්‍රතිදානයන් සැබෑ ලෝක ව්‍යාපාර ත්වරණය බවට පරිවර්තනය වේ.

හැඳින්වීම

"සෑම දෙයකටම පාහේ අර්ථය ලබා දෙන්නේ සන්දර්භයයි. ඒ අනුව, සියලු ප්‍රස්ථාරවලට වැඩි දැනුමක් හෝ අර්ථයක් ගෙන ඒමට ආවේණික විභවයක් ඇත, මන්ද ඒවා දැනටමත් තොරතුරු වල අන්තර් සම්බන්ධතාවය සහ සන්දර්භීය ස්වභාවය පිළිගැනීමේ පළමු පියවර ගෙන ඇති බැවිනි".

අපි ජීවත් වන්නේ AI සහ විශාල භාෂා ආකෘති (LLMs) ආධිපත්‍යය දරන ලෝකයක වන අතර, ඒවායින් ගුණාත්මක ප්‍රතිඵල ලබා ගැනීම සඳහා සන්දර්භය සහ අර්ථය අත්‍යවශ්‍ය බව පෙනී යයි. AI හි විභවය අගුළු හැරීම සඳහා සන්දර්භය සහ අර්ථය සැපයීම සඳහා දැනුම ප්‍රස්ථාර යතුර තබා ගත හැකි අතර, මේ සඳහා සහාය දක්වන සාක්ෂි වැඩි වෙමින් පවතී.

නවතම Gartner Hype Cycle for Artificial Intelligence නිකුත් කිරීමේ අවස්ථාවේදී, Gartner හි පර්යේෂණ උප සභාපති, AI ස්වෙට්ලානා සිකියුලර් සඳහන් කළේ , උත්පාදක AI කෙරෙහි අවධානය යොමු කරමින්, AI සඳහා ආයෝජනය නව ඉහළ මට්ටමකට ළඟා වූ බවයි. එහෙත්, බොහෝ අවස්ථාවන්හිදී, මෙය තවමත් අපේක්ෂිත ව්‍යාපාරික වටිනාකම ලබා දී නොමැත.

නායකයින් ඔවුන්ගේ උපාය මාර්ගයේ කොටසක් ලෙස සලකා බැලිය යුතු ගාට්නර්ගේ නැගී එන තාක්ෂණයන් ලැයිස්තුවේ, දැනුම ප්‍රස්ථාර තීරණාත්මක සක්‍රීය කිරීමේ තාක්ෂණයන්හි හදවතේ ඇත. GenAI ආකෘති ගොඩනැගීම සහ ඉදිරියට ගෙන යාමේදී ගාට්නර් දැනුම ප්‍රස්ථාර ඉතා වැදගත් බව නිර්දේශ කරයි. ඇමේසන් සහ සැම්සුන් වැනි සංවිධාන දැනුම ප්‍රස්ථාර භාවිතා කරන අතර, 2030 වන විට වෙළඳපොළ ඩොලර් බිලියන 6.93 දක්වා වර්ධනය වනු ඇතැයි අපේක්ෂා කෙරේ, 36.6% ක සංයුක්ත වාර්ෂික වර්ධන වේගයකින් .

තාක්‍ෂණය හෝ දැක්ම අලුත් නොවන බැවින්, ගාට්නර් අද වන විට AI හි දැනුම ප්‍රස්ථාරවල කාර්යභාරය සහ ඉදිරියට යන සංවිධානවල පහළට බලපෑම් සඳහා පෙනී සිටී. දැනුම ප්‍රස්ථාර තාක්‍ෂණය දශක ගණනාවක් තිස්සේ පැවත එන අතර , ටෝනි සීල් වැනි අය AI සඳහා සත්‍ය ස්ථරයක් ලෙස එහි විභවය හඳුනා ගැනීමට මුල් විය.

"The Knowledge Graph Guy" ලෙසද හැඳින්වෙන සීල්, එම උපදේශන සමාගමේ නිර්මාතෘවරයා වේ. ඉහත උපුටා දැක්වීම දැනුම ප්‍රස්ථාරයේ පළමු මූලධර්මවල සිට ආරක්ෂිත, සත්‍යාපනය කළ හැකි AI, සැබෑ ලෝක අත්දැකීම්, ප්‍රවණතා, අනාවැකි සහ ඉදිරි මාවත සඳහා යෙදුම් රටා දක්වා සියල්ල ආවරණය වන පුළුල් සංවාදයකින් ලබාගෙන ඇත.

දත්ත සිලෝස් සිට සම්බන්ධිත දත්ත සහ දැනුම ප්‍රස්ථාර දක්වා

සීල්ට ස්ථර 1 මූල්‍ය ආයතනවල දත්ත සමඟ වැඩ කිරීමේ දශක ගණනාවක අත්දැකීම් තිබේ. වසර දහයකට පමණ පෙර, ඔහු විශාල ආයෝජන බැංකුවක් සඳහා "තවත් ETL ව්‍යාපෘතියක්" සඳහා වැඩ කරමින්, දත්ත ගබඩාවකට දත්ත ගෙන ඒම සහ දත්ත නල මාර්ග ක්‍රියාත්මක කිරීම කරමින් සිටියේය. මෙය ආයතනික වාර්තාකරණය සහ අනුකූලතා අවශ්‍යතා සපුරාලීම සඳහා සාමාන්‍ය ප්‍රවේශයකි. ගැටලුව වන්නේ, එය පරිමාණය නොකිරීම හෝ සන්දර්භය සහ අර්ථය එක් කිරීමට උපකාරී නොවීමයි .

ඉන්පසු සීල්ට ටිම් බර්නර්ස් ලීගේ 2010 TED Linked Data කතාව මුණගැසුණා, ඒක සියල්ල වෙනස් කළා. 2010 දී ගූගල් දැනුම ප්‍රස්ථාරවලට පිවිසෙමින් සිටියා, ඒ පදය ඇත්තටම මතුවෙලා තිබුණේ නැහැ . නමුත් තාක්ෂණය තිබුණේ Linked Data යන අන්වර්ථ නාමය යටතේ. TBL හි TED කතාව සීල්ට Linked Data හි ප්‍රධාන මූලධර්ම 2 ග්‍රහණය කර ගැනීමට සහ ETL සඳහා විකල්පයක් ලෙස මෙය අත්හදා බැලීම ආරම්භ කිරීමට ප්‍රමාණවත් විය.

සම්බන්ධිත දත්තවල මූලික අදහස වන්නේ ව්‍යුහගත දත්ත ගෝලීය පරිමාණයෙන් බෙදා ගැනීමේ කාර්යයට ලෝක ව්‍යාප්ත වෙබ් අඩවියේ සාමාන්‍ය ගෘහ නිර්මාණ ශිල්පය යෙදීමයි. ඒ සියල්ල සිදුවන්නේ දත්ත සඳහා HTTP හඳුනාගැනීම් භාවිතා කිරීමෙනි, එවිට ඒවා සොයා බැලිය හැකි අතර, ප්‍රමිතීන් භාවිතා කරමින් ඒවායේ අර්ථය (අර්ථාර්ථ) පිළිබඳ තොරතුරු සැපයීමයි.

සීල් තේරුම් ගත් දෙය නම්, මෙම ප්‍රවේශයේ විමධ්‍යගත ස්වභාවය වෙබය සඳහා ක්‍රියා කළ හැකි නම්, එය ඕනෑම සංවිධානයකට ක්‍රියා කළ හැකි බවයි. ETL ව්‍යාපෘති සහ දත්ත ගබඩාවල තථ්‍ය ප්‍රවේශය වන ඒකාබද්ධ කිරීමේ සහ පාලනය කිරීමේ එක් කේන්ද්‍රීය ලක්ෂ්‍යයක් තිබීම වෙනුවට, දැනුම ප්‍රස්ථාර විමධ්‍යගත කිරීම සහ ප්‍රමිතීන් හරහා පරිමාණය සක්‍රීය කරයි.

වෙබය ක්‍රියාත්මක වීමට හේතු වන මූලධර්ම මේවාම වේ. වෙබයේ නව නිපැයුම්කරුට එය ඊළඟ මට්ටමට ගෙන ගොස් ලේඛන ජාලයක සිට දත්ත ජාලයකට යාමට අවශ්‍ය වීම පුදුමයක් නොවේ. කෙසේ වෙතත්, දත්ත වෙත ප්‍රවේශ වීමෙන් ඔබ්බට, මෙම ප්‍රවේශය මිශ්‍රණයට අර්ථකථන එකතු කරයි. දත්ත ලක්ෂ්‍ය මෙන්ම ඒවා අතර සබැඳිවලට නිශ්චිත අර්ථයක් සහ වර්ග සම්බන්ධ කළ හැකිය.

වෙබ් පරිමාණයෙන් ක්‍රියාත්මක වන අර්ථකථන විද්‍යාව පිළිබඳ හොඳම උදාහරණය schema.org ය. Schema.org යනු සියලුම වෙබ් අඩවි වලින් 30% ක් සහ ගූගල් හි පළමු පිටුවේ පිටු වලින් 72.6% ක් භාවිතා කරන සම්මත වචන මාලාවක් නිර්වචනය කිරීමට සහයෝගී උත්සාහයකි. ප්‍රමිතීන් භාවිතා කරමින් අර්ථකථන විද්‍යාව නිර්වචනය කිරීමට අමතරව, schema.org විමධ්‍යගතකරණය හරහා විවරණ සහ ඒකාබද්ධ කිරීම පරිමාණය කරයි .

AI දැනුම ප්‍රස්ථාර සපුරාලයි

Schema.org යනු ලොව පුරා ගූගල්කරුවන්ට ඔවුන්ගේ දැනුම ප්‍රස්ථාර ගොඩනඟා ගැනීමට සහ වෙබය පිළිබඳ වඩාත් අර්ථවත් කිරීමට හැකියාව ලබා දෙන වෙබ් අඩවියයි. සීල් මුලින්ම ඔහු ඒ කාලයේ සේවය කළ ආයෝජන බැංකුවේ මේසය යට ව්‍යාපෘතියක් ලෙස සෙල්ලම් කිරීමට පටන් ගත් ප්‍රවේශය එයයි, එය අසාර්ථක වනු ඇතැයි අපේක්ෂා කළේය. එය එසේ නොවීය.

ආරම්භක සාර්ථකත්වයෙන් දිරිමත් වූ සීල්, දැනුම ප්‍රස්ථාර උපදේශකයෙකු බවට පත් වූ අතර ඒ ආශ්‍රිත ව්‍යාපෘති ගණනාවක් ආරම්භ කළේය. ඔහු තම ආශාව ලුහුබැඳීම සඳහා සංවිධාන මාරු කළ අතර, පළමු GPT විශාල භාෂා ආකෘති නිකුත් කරන විට දැනුම ප්‍රස්ථාර ගොඩනැගීමට අවශ්‍ය අර්ථකථන සහ විවරණ බූට්ස්ට්‍රැප් කිරීමේ මාර්ගයක් ලෙස ප්‍රස්ථාර ස්නායු ජාල පිළිබඳව සොයා බලමින් සිටියේය.

සීල් LLM සමඟ අත්හදා බැලීම් ආරම්භ කළ අතර ඉක්මනින්ම කරුණු දෙකක් පිළිබඳව ඒත්තු ගැන්වීය. පළමුව, LLM දැවැන්ත බලපෑමක් ඇති කරන බව. දෙවනුව, LLM දැනුම ප්‍රස්ථාර සඳහා පරිපූර්ණව ගැලපෙන බව. ඔහු LinkedIn හි ඔහුගේ අදහස් බෙදා ගැනීමට පටන් ගත් අතර එය වෛරස් විය. අවසානයේදී, ඔහු තමාගේම උපදේශනයක් පිහිටුවා ගත් අතර දැන් සේවාදායකයින් ගණනාවක් සමඟ මේවා ක්‍රියාත්මක කිරීමට කටයුතු කරමින් සිටී.

"අපි වඩාත් සම්භාවිතාවාදී ලෝකයකට ගමන් කරමින් සිටින බවට යථාර්ථය පිළිගැනීමට සියලුම සංවිධානවලට සිදුවනු ඇත. එබැවින් සෑම කෙනෙකුම AI භාවිතා කිරීම ආරම්භ කළ යුතුය, නැතහොත් ඔබ ව්‍යාපාරයෙන් ඉවත් වීමට ඉඩ තිබේ. අපි මේ නව ලෝකයට ගමන් කරමින් සිටින අතර එහිදී දේවල් සම්භාවිතාවාදී වන අතර තීරණ ගැනීමේදී AI බොහෝ දුරට ඇතුළත් වේ."

"ඔබ එයට අකමැති විය හැකිය, නැතහොත් ඔබට කිසියම් මතයක් තිබිය හැකිය, නමුත් එය ගණන් ගන්නේ නැත. එය සිදුවන්නේ ස්වභාවධර්මයේ යම් බලයක් නිසා, ඔබට එයට පුරුදු විය හැකිය. ඉතින් එවිට ප්‍රශ්නය ඇත්තටම බවට පත්වේ, හොඳයි, ඔබ එය ආරක්ෂිත ආකාරයකින් කරන්නේ කෙසේද යන්නයි. මගේ මතය අනුව, එය බාහිර සත්‍යාපනය හරහා පැමිණේ", සීල් පැවසීය.

ඔහු පෙනී සිටින ප්‍රවේශයේ හරය එයයි. එයට Working Memory Graph සහ Neural-Symbolic Loop වැනි අලංකාර නම් සහිත රටා සහ DeepSeek සිට Cyc ව්‍යාපෘතිය දක්වා උදාහරණ ඇතුළත් වේ. නමුත් මේවාට කිමිදීමට පෙර, පළමු මූලධර්මවලට අපව යොමු කර ගැනීම සඳහා මොහොතකට විරාමයක් තැබීම වටී.

පළමු මූලධර්ම: ප්‍රස්ථාර සහ දැනුම ප්‍රස්ථාර

ඉතින් ප්‍රස්ථාර අනෙකුත් දත්ත ව්‍යුහයන්ගෙන් වෙනස් වන්නේ කුමක් ද, සහ දැනුම ප්‍රස්ථාර අනෙකුත් ප්‍රස්ථාරවලින් වෙනස් වන්නේ කුමක් ද? අපට මෙය ක්‍රියාත්මක කිරීමේ මට්ටමින් හෝ පළමු මූලධර්ම මට්ටමින් ප්‍රවේශ විය හැකිය.

කෙසේ වෙතත්, අපි පැතුරුම්පතක් vs. මනස සිතියමක්, සම්බන්ධතා දත්ත සමුදායක පේළි සහ තීරු vs. ප්‍රස්ථාර දත්ත සමුදායක නෝඩ් සහ දාර, හෝ කුලක න්‍යාය vs. ප්‍රස්ථාර න්‍යාය ගැන කතා කළත්, ප්‍රස්ථාරය වෙන් කරන එක් දෙයක් තිබේ: පළමු පන්තියේ පුරවැසියන් ලෙස සම්බන්ධතා. නමුත් සියලුම ප්‍රස්ථාර දැනුම ප්‍රස්ථාර ලෙස සුදුසුකම් නොලබයි .

ප්‍රස්ථාරයක නෝඩ් සහ දාර දෙකම විවිධ වර්ගවල විය හැකිය. සරල ප්‍රස්ථාරයකට නිෂ්පාදන නියෝජනය කරන නෝඩ් සහ ඒවා අතර සාමාන්‍ය ආකාරයේ සම්බන්ධතාවයක් නියෝජනය කරන දාර ඇතුළත් විය හැකිය. ද්විපාර්ශ්වික ප්‍රස්ථාරයකට නිෂ්පාදන සහ ගනුදෙනුකරුවන් නියෝජනය කරන විවිධ නෝඩ් වර්ග දෙකක් සහ කුමන පාරිභෝගිකයා කුමන නිෂ්පාදනයක් මිලදී ගත්තේද යන්න නියෝජනය කරන දාර තිබිය හැකිය.

විෂමජාතීය ප්‍රස්ථාරයකට විවිධ ආකාරයේ නෝඩ් සහ දාර තිබිය හැකිය. උදාහරණයක් ලෙස, නිෂ්පාදන සහ පාරිභෝගිකයින් නියෝජනය කරන නෝඩ් සහ කුමන පාරිභෝගිකයා කුමන නිෂ්පාදනයක් මිලදී ගත්තාද සහ කුමන පාරිභෝගිකයා විසින් කුමන නිෂ්පාදනය සමාලෝචනය කළේද යන්න නියෝජනය කරන දාර.

සරලම මට්ටමේ දී පවා ප්‍රස්ථාරවල උපයෝගීතාවයක් ඇත. මාර්ග සොයා ගැනීම සහ මධ්‍යගතභාවය වැනි ප්‍රස්ථාර ඇල්ගොරිතම යෙදුම් සහ විශ්ලේෂණ සඳහා අතිශයින්ම ප්‍රයෝජනවත් විය හැකි අතර විෂමජාතීය ප්‍රස්ථාර අවශ්‍ය නොවේ.

URI හඳුනාගැනීම් ලෙස භාවිතා කිරීම සහ බෙදාගත් වචන මාලාවක් සහ එකඟ වූ යෝජනා ක්‍රමයක් තිබීම දැනුම ප්‍රස්ථාරවල නිර්වචන ලක්ෂණ වේ.

"ඔබ කියන්න පටන් ගත් පසු, හොඳයි, ඇත්තටම, නැහැ, මේ නෝඩ් වලින් සමහරක් වෙනස් දේවල්, ඒ වගේම ඒවා අතර දාර, ඒවා යමක් අදහස් කරන විශේෂ විවිධ ආකාරයේ දාර, එවිට සංකීර්ණත්වය ඉහළ යයි. යන්ත්‍ර ඉගෙනීමේ ඇල්ගොරිතම ඇතුළුව ඔබට ක්‍රියාත්මක කළ හැකි ඇල්ගොරිතමවල ස්වභාවය වෙනස් වේ. දැනුම ප්‍රස්ථාරයක් යනු කුමක්ද යන්නට ප්‍රවේශ මට්ටම ලෙස අපට එය හැඳින්විය හැකි යැයි මම සිතමි", සීල් සඳහන් කළේය.

"ප්‍රවේශ මට්ටමේ" කොටස සැලකිල්ලට ගන්න. මෙහි දිගු හා සංකීර්ණ ඉතිහාසයක් ඇත, එය 00 දශකයේ මුල් භාගය සහ අර්ථකථන වෙබ් දක්වා දිව යයි . සබැඳි දත්ත මූලධර්ම ගොඩනගා ඇත්තේ මෙම අදහස්, ප්‍රමිතීන් සහ තාක්ෂණික තොගය මත ය. "දැනුම ප්‍රස්ථාරය" අල්ලා ගන්නා අතරතුර "අර්ථකථන වෙබ්" මිය ගියේය.

අර්ථකථන වෙබ් එහි කාලයට වඩා ඉදිරියෙන් සිටි බවට තර්ක කළ හැකිය. බොහෝ ක්‍රියාත්මක කිරීමේ උත්සාහයන් වැරදි ලෙස මෙහෙයවන ලද අතර, එහි යෝජකයින් සැමවිටම ප්‍රායෝගික වී නොමැත. කෙසේ වෙතත්, සීල් සඳහන් කළ පරිදි, ස්නායුක ජාල ද දිගු කලක් තිස්සේ අසාර්ථක ලෙස සලකනු ලැබීය. URI හඳුනාගැනීම් ලෙස භාවිතා කිරීම සහ බෙදාගත් වචන මාලාවක් සහ එකඟ වූ යෝජනා ක්‍රමයක් තිබීම දැනුම ප්‍රස්ථාරවල සහ ඒවාට ගෙන ඒමට හැකි වටිනාකමේ ලක්ෂණ ලෙස පවතී.

අඛණ්ඩ ලෝකය සහ විවික්ත ලෝකය

දැනුම ප්‍රස්ථාර මගින් ගෙන එන ව්‍යුහය සහ අර්ථකථන මඟින් අනෙකුත් දත්ත වර්ග හෝ වෙනත් ප්‍රස්ථාර සමඟ පවා කළ නොහැකි දේවල් සක්‍රීය කරයි. සෑම සංවිධානයක්ම තමන්ගේම schema.org අනුවාදයක් මත වැඩ කළ යුතු බවත් එය ඔවුන්ගේ දත්ත විවරණය කිරීමට භාවිතා කළ යුතු බවත්, ඔවුන්ගේ AI බල ගැන්වීම සඳහා දැනුම ප්‍රස්ථාර ගොඩනඟා ගත යුතු බවත් සීල් විශ්වාස කරයි.

සත්‍යාපන ප්‍රවේශය පැහැදිලි කිරීම සඳහා සීල් DeepSeek උදාහරණයක් ලෙස භාවිතා කළේය. අනෙක් සියල්ලන් මෙන්, සීල් ද DeepSeek කෙරෙහි දැඩි ඇල්මක් දැක්වූ අතර ඔවුන් කළේ කුමක්දැයි සොයා ගැනීමට උත්සාහ කළේය. දක්ෂ ඇල්ගොරිතම සහ ප්‍රශස්තිකරණයන් පසෙක තබා, DeepSeek හි සාර්ථකත්වයේ හරය වන්නේ ඔවුන් ශක්තිමත් කිරීමේ ඉගෙනීම සඳහා සත්‍යාපිත දත්ත භාවිතා කිරීමයි: ගණිතය සහ කේතය .

"හැමෝම කරනවා වගේ එයාලා වෙබ් දත්ත ඔක්කොම ගත්තා. නමුත් ඊට පස්සේ එයාලා ගණිතයට සහ කේතනයට අදාළ කොටස් විතරක් එළියට ගත්තා. ඒකෙන්, ඔයාට බාහිර සත්‍යාපකයක් නිර්මාණය කරන්න පුළුවන්."

"ඔබට ගණිතය හෝ කේතය දෙස බැලිය හැකිය, පසුව ඔබට අවසානයේ පිළිතුර දෙස බැලිය හැකිය, එවිට ඔබට පිළිතුර ඇත්ත වශයෙන්ම නිවැරදි දැයි පරීක්ෂා කළ හැකිය. එවිට ඔබට එය LLM වෙත ලබා දී LLM ගෙන් එය කිරීමට ඉල්ලා සිටිය හැකිය, ඉන්පසු බාහිර විධිමත් සත්‍යාපකය සමඟ පරීක්ෂා කරන්න. එය කරන්නේ, එය සම්භාවිතා ආකෘතියට තත්ත්ව පාලනයක් එක් කිරීමයි", සීල් පැහැදිලි කළේය.

අඛණ්ඩ සහ විවික්ත දැනුම නියෝජනය කිරීමේ ප්‍රවේශයන්ට සුවිශේෂී කුසලතා සහ සීමාවන් ඇත.

ඉන්පසු සීල් අඛණ්ඩ ලෝකය සහ විවික්ත ලෝකය ලෙස හඳුන්වන දේ විස්තර කළේය. අඛණ්ඩ ලෝකයේ, සියල්ල සම්භාවිතාවාදී ය, සියල්ල අපැහැදිලි ය, ඒ වගේම මේ උත්පාදක AI ආකෘති තියෙන්නේ එතනයි. එක් දෙයක් තවත් දෙයකට මිශ්‍ර වන අතර, ඔබට මායාවන් ඇති වේ. නමුත් සීල්ට අනුව, එහි අනෙක් පැත්ත නම්, එහි නිර්මාණශීලීත්වය වැනි දෙයක් තිබීමයි.

පැරණි තාලයේ AI ලෝකයේ, Cyc ව්‍යාපෘතිය පිළිබඳ පුරාවෘත්තයක් තිබේ. Cyc යනු ලෝකය පිළිබඳ සාමාන්‍ය දැනුම විධිමත් ආකාරයකින් සංකේතනය කිරීම අරමුණු කරගත් දැවැන්ත අභිලාෂකාමී AI ව්‍යාපෘතියකි. සීල්ට Cyc කෙරෙහි විශාල ගෞරවයක් ඇත. කෙසේ වෙතත්, ඔහු සඳහන් කළේ, Cyc සාර්ථක නොවූ අතර සාර්ථක වීමට නොහැකි වූ නමුත්, උත්පාදක AI ආකෘති ඔවුන්ගේම ආකාරයෙන් සාර්ථක වේ. නමුත් ඒවා ඔවුන්ගේම අඩුපාඩු සමූහයක් සමඟ පැමිණේ.

උත්පාදක AI ආකෘති විශ්වාස කළ නොහැකි අතර, එමඟින් මූල්‍ය, නීතිය හෝ වෛද්‍ය විද්‍යාව වැනි වසම්වල ව්‍යවසාය භාවිතය සඳහා ඒවා නුසුදුසු වේ. ගණිතය හෝ කේතය වැනි වසම් සඳහා, ප්‍රතිඵල විධිමත් ලෙස සත්‍යාපනය කළ හැකිය. වෙනත් වසම්වල ද එය කිරීමට ක්‍රමයක් තිබුනේ නම් කුමක් කළ යුතුද? සීල් සිතන්නේ එය ඇති බවයි, සහ යතුරු දැනුම ප්‍රස්ථාර සහ ඔන්ටොලොජි වේ.

ඔන්ටෝලොජියේ නැගීම

අපි schema.org මෙන්ම schema පිළිබඳ සාමාන්‍ය සංකල්පය ගැන සඳහන් කර ඇත්තෙමු. Schemas සාමාන්‍යයෙන් සම්බන්ධක දත්ත සමුදායන් සමඟ සම්බන්ධ වන අතර , එහිදී ඒවා දත්තවල ව්‍යුහය සහ සංවිධානය නිර්වචනය කරයි. ප්‍රස්ථාරවලට schemas ද තිබිය හැකිය. දැනුම ග්‍රැෆික් සඳහා වන Schemas ඔන්ටොලොජි ලෙස හැඳින්වේ, නමුත් "schema" යන වචනය ඇත්ත වශයෙන්ම ඔන්ටොලොජි වලට සාධාරණයක් ඉටු නොකරයි .

උරුම ධූරාවලි හෝ තාර්කික ප්‍රත්‍යක්ෂ වැනි ඉදිකිරීම් ආකෘති නිර්මාණය සක්‍රීය කිරීමෙන් ඔන්ටොලොජි ක්‍රමලේඛන ඉක්මවා යයි. ඒවාට දත්තවල ව්‍යුහය සහ සංවිධානය පමණක් නොව, ව්‍යාපාර නීති සහ වසම් දැනුම වැනි දේවල් ද ග්‍රහණය කර ගත හැකිය.

"ක්‍රීඩාවේ නම නම් ව්‍යාපාරයේ අර්ථ ශාස්ත්‍රයට හැකිතාක් සමීප වීමයි. ඔබ උත්සාහ කරන්නේ ව්‍යාපාරිකයින් යම් සංවිධානයක් තුළ භාවිතා කරන වචන ගෙන, ඒවා මොනවාද යන්න පිළිබඳව නිශ්චිතව දැන ගැනීමට මෙම විධිමත් සංකල්ප බවට පත් කර, පසුව නිශ්චිත ආකාරයේ දාර සමඟ එකිනෙකට සම්බන්ධ වන ආකාරයෙන් සංකල්ප එකට සම්බන්ධ කිරීමටයි", සීල් පැහැදිලි කළේය.

දැනුම ප්‍රස්ථාර සහ ඔන්ටොලොජි කෙරෙහි ඇති උනන්දුව උපරිමයට පැමිණෙමින් තිබේ.

ඔන්ටොලොජියක් ගොඩනැගීම පහසු නැත. එයට වසම් දැනුමට ප්‍රවේශය අවශ්‍ය වන අතර, එය සාමාන්‍යයෙන් විසිරී ඇති, අර්ධ වශයෙන් ලේඛනගත කර තේරුම් ගෙන ඇති අතර විශේෂඥයින් අතර මතභේදයට තුඩු දී ඇත. ඔන්ටොලොජිකල් ආකෘති නිර්මාණ විශේෂඥතාව සහ නිවැරදි මෙවලම් ද එයට අවශ්‍ය වේ.

දශක ගණනාවක් තිස්සේ ඔන්ටොලොජිකල් ආකෘති නිර්මාණය පැවතුනද , එය කිසි විටෙකත් ප්‍රධාන ධාරාවේ පිළිගැනීමක් ලබා නොගත්තේ මේ නිසාය. සීල් සිතන්නේ එය වෙනස් වෙමින් පවතින බවත්, මේ සඳහා සහාය දැක්වීම සඳහා යම් යම් අවස්ථානුකූල සාක්ෂි තිබිය හැකි බවත්ය.

ගූගල් ප්‍රවණතා වල, “දැනුම ප්‍රස්ථාරය” පසුගිය වසර 5 තුළ 3.450% ක වැඩිවීමක් දැක තිබේ. ප්‍රස්ථාරයේ කැපවූ ගබඩාවේ වර්ෂය තුළ, 2022 සිට ඔන්ටොලොජි සඳහා යොමු කිරීම් ප්‍රමාණය සහ විවිධත්වය යන දෙකෙන්ම දෙගුණයකටත් වඩා වැඩි වී තිබේ. ඊට අමතරව, සීල්ගේම සාර්ථකත්ව කතාව දැනුම ප්‍රස්ථාර වෛරස්භාවය සඳහා පෝස්ටර් දරුවා බවට පත්වෙමින් තිබේ.

ස්නායු-සංකේතාත්මක ලූපය

LLM සමඟ දැනුම ප්‍රස්ථාර සහ ඔන්ටොලොජි සඳහා ද්වි-මාර්ග සම්බන්ධතාවක් ඇත. LLM මඟින් ඔන්ටොලොජි සංවර්ධනයට සහ දැනුම ප්‍රස්ථාර ජනගහනයට සහාය විය හැකිය. මේ සඳහා LLM භාවිතා කිරීමෙන් හොඳ අත්දැකීමක් ඇති බව සීල් වාර්තා කළ නමුත් මෙහි ඔබේ දුර ප්‍රමාණය වෙනස් විය හැකිය. ඕනෑම අවස්ථාවක, එවැනි මෙවලම් කාර්යය සම්පූර්ණයෙන්ම ස්වයංක්‍රීය කිරීමට නොව, විශේෂඥයින්ට සහාය වීමට අදහස් කෙරේ.

කෙසේ වෙතත් එය සැබවින්ම සිත්ගන්නා සුළු වන්නේ අනෙක් පැත්තයි: LLM සඳහා සත්‍යාපකයක් ලෙස ක්‍රියා කරන ඔන්ටොලොජි සහ දැනුම ප්‍රස්ථාර, අත්‍යවශ්‍යයෙන්ම සත්‍ය ස්ථරයකි. සීල් මෙය LLM සඳහා ක්‍රියාකාරී මතක ප්‍රස්ථාර රටාව ලෙස හඳුන්වයි.

වැඩ කරන මතක ප්‍රස්ථාරයේ, ඔන්ටොලොජි මගින් වසම් දැනුම ආසවනය කරන අතර දැනුම ප්‍රස්ථාරය සංවිධානයට විශේෂිත - සහ පුද්ගලික - දත්ත සමුදායක් ලෙස ක්‍රියා කරයි. LLMs මැදිහත්කරුවන් ලෙස ක්‍රියා කරන අතර ගවේෂණ සහ නිර්මාණශීලීත්ව කොටස එකතු කරයි, ව්‍යුහගත නොකළ දැනුමට ප්‍රවේශය ද ලබා දෙයි. මෙය LLM තුළ ආසවනය කරන ලද සාමාන්‍ය දැනුම හෝ RAG හරහා වසම්-විශේෂිත දැනුම විය හැකිය.

ස්නායු-සංකේතාත්මක ලූප රටාව තුළ, LLM සහ දැනුම ප්‍රස්ථාර එකිනෙකට අනුපූරක වේ.

වැඩ කරන මතක ප්‍රස්ථාරය යනු සීල් ස්නායු-සංකේතාත්මක ලූපය ලෙස හඳුන්වන විශාල රටාවක කොටසකි. මෙහි දී, සත්‍යාපනය අවශ්‍ය වන වසම් සඳහා සත්‍යාපකය ලෙස ක්‍රියා කරන ක්‍රියාකාරී මතක ප්‍රස්ථාරය ක්‍රියා කරයි. ගණිතය හෝ කේතය සඳහා කළ හැකි දේ සෑම වසමකටම කළ හැකි කිරීම මෙහි අදහසයි: LLM මගින් ජනනය කරන ලද ප්‍රතිඵලවල නිවැරදි බව සත්‍යාපනය කිරීම.

පැහැදිලිවම, ගණිතය හෝ කේතයෙන් ඔබ්බට ගිය වසම්වල එය සාක්ෂාත් කර ගැනීම බොහෝ දුෂ්කර ය. ඔන්ටොලොජි සහ දැනුම ප්‍රස්ථාර ගොඩනැගීමට අවශ්‍ය උත්සාහය සහ විශේෂඥතාව සැලකිය යුතු ලෙස පවතින අතර, ප්‍රතිඵල එතරම් පැහැදිලි නොවිය හැකිය. නමුත් එය කළ හැකි අතර, AI සඳහා සත්‍ය ස්ථරයකට හොඳම මාර්ගය එය බව සීල්ට ඒත්තු ගොස් තිබේ.

ප්‍රායෝගික AI ප්‍රවේශය: න්‍යායේ සිට ක්‍රියාත්මක කිරීම දක්වා

“AI රොකට්ටුවක් වගේ ක්‍රියාත්මක වෙනවා. ඒක නවත්තන්න කාටවත් කරන්න පුළුවන් දෙයක් නැහැ. කොහොමත් ඒක වෙනවා. ඉතින් ඕනෑම සංවිධානයක, ඔබට මේ සාමාන්‍ය බුද්ධිය ආනයනය කිරීමට හැකි තත්වයකට ඔබ පත්වනු ඇත. එය මේ මොහොතේ බුද්ධිමත්, සමහර විට සුපිරි බුද්ධිමත් නොවෙන්න පුළුවන්, නමුත් ඉදිරි වසර 5 සිට 10 දක්වා කාලය තුළ එය එහි ළඟා වෙනවා.

ඔබට මේ කෙටි කාලය තියෙනවා. ඔබ කළ යුත්තේ AI අපගේ සංවිධානයේ සන්දර්භයට ගෙන ගොස්, දත්ත වන AI අයිස් කුට්ටියේ පතුල කෙරෙහි අවධානය යොමු කිරීමයි. එබැවින් ඔබ දැන් ඔබේ අතේ ඇති ආකෘතිවල ඇති බලය ලබාගෙන, ඔබ එහි ඇති දත්ත කෙරෙහි එය නැවත අවධානය යොමු කළ යුතුය.

"ඔබ දත්ත පිරිසිදු කර ඒකාබද්ධ කළ යුතු අතර එමඟින් එය ඵලදායී බාහිර සත්‍යාපකයක් විය හැකි තත්වයක පවතී. ඩොලර් 0,001 ක් වටිනා තොරතුරු මොනවාද, ඔබ සතුව පමණක් ඇති තොරතුරු මොනවාද සහ ඔබ එකතු කරන වටිනාකම කුමක්ද යන්න පිළිබඳව ඔබ දැනුවත් විය යුතුය. ඔබ දැන් එය කළ යුතුයි, මන්ද මා දකින පරිදි නගරයේ ඇති එකම ක්‍රීඩාව එයයි", සීල් පැවසීය.

2025 සඳහා අනාවැකි සඳහා සීල් අංකයක් ද බෙදා ගත්තේය: දත්ත අර්බුදය, දත්ත රෙදි සඳහා පදනමක් ලෙස දැනුම ප්‍රස්ථාර, ඔන්ටොලොජි හරහා ග්‍රැෆ්රාග් සහ LLM තර්ක කිරීමෙන් විධිමත් තර්කනයේ ආසන්නකරණය. මේවා පිළිබඳ ගැඹුරු සංවාදයක් සඳහා, පොඩ්කාස්ට් කථාංගය පරීක්ෂා කරන්න. සමස්තයක් වශයෙන්, සීල් සිතන්නේ AI කෙටි කාලීනව දැවැන්ත ලෙස අධි-හයිප් කර ඇති නමුත් දිගු කාලීනව දැවැන්ත ලෙස අඩු-හයිප් කර ඇති බවයි.

POD

Knowledge Graphs as the essential truth layer for Pragmatic AI. Featuring Tony Seale, The Knowledge Graph Guy - Orchestrate all the Things

Organizations are facing a critical challenge to AI adoption: how to leverage their domain-specific knowledge to use AI in a way that delivers trustworthy results. Knowledge graphs provide the missing "truth layer" that transforms probabilistic AI outputs into real world business acceleration. Knowledge graphs are powering products for the likes of Amazon and Samsung. The Knowledge graph market is expected to grow to $6.93 Billion by 2030, at a CAGR of 36.6%. Gartner has been advocating for the role of knowledge graphs in AI and the downstream effects in organizations going forward for the last few years. Neither the technology nor the vision are new. Knowledge graph technology has been around for decades, and people like Tony Seale were early to identify its potential for AI. Seale, also known as "The Knowledge Graph Guy", is the founder of the eponymous consulting firm. In this extensive conversation, we covered everything from knowledge graph first principles to application patterns for safe, verifiable AI, real-world experience, trends, predictions, and the way forward. Read the article published on Orchestrate all the Things here: https://linkeddataorchestration.com/2025/03/11/knowledge-graphs-as-the-essential-truth-layer-for-pragmatic-ai/

සීල් ඒ සඳහා සූදානම් සංවිධානවලට දැනුම ප්‍රස්ථාර සහ ඔන්ටොලොජි යෙදීමට කටයුතු කරමින් සිටී. නමුත් එය මිල අධික වන අතර එය සෑම කෙනෙකුටම පරිමාණය කළ නොහැක. ඊට අමතරව, ඔබට අවශ්‍ය සියලුම අධ්‍යාපනය හෝ පදනම් දත්ත කටයුතු කිරීමට කිසිදු උපදේශනයකට කිසිදා නොහැකි වනු ඇත.

ප්‍රායෝගික AI ප්‍රවේශය මඟින් දත්ත පළමු මූලධර්ම, කළමනාකරණය, පාලනය, ආකෘති නිර්මාණය සහ දත්ත විද්‍යාව පිළිබඳව දැනුවත් කිරීමෙන් මෙම පරතරය පියවයි. එවිට, විශ්වාසදායක, සත්‍යාපිත දත්තවල පදනමක් මත AI පද්ධති ගොඩනැගීම සඳහා සංවිධානවලට අනන්‍ය වූ වසම් දැනුම උපයෝගී කර ගත හැකිය.

ප්‍රායෝගික AI පුහුණුව

ප්‍රායෝගික AI පාඨමාලාව විධායකයින්, කළමනාකරුවන්, ව්‍යවසායකයින්, උපදේශකයින් සහ නිර්මාණකරුවන්ට සැබෑ ව්‍යාපාරික වටිනාකමක් ලබා දෙන AI පද්ධති ගොඩනැගීමට අවශ්‍ය මූලික දැනුම සහ ප්‍රායෝගික විශේෂඥතාව සපයයි. මූලික කරුණු සමඟින් ආරම්භ කර, ඔබේ සංවිධානයේ සත්‍ය ස්ථරය නිර්මාණය කිරීම සඳහා මූලික ආරම්භයක් ලබා ගෙන AI යුගයේ තරඟකාරී වාසියක් ලබා ගන්න.