經常有朋友問我,你常說的語義化知識圖譜是個什么東東。也曾經有朋友質疑我們搞語義化知識圖譜的必要性:“AI大模型越來越強,今后所有的知識大模型都知道了,你搞這個語義化知識圖譜,會不會未來就沒啥價值了,CLAUDE CODE是不是完全可以把你們搞的這個東西替代了?"。
回答第一個問題其實很簡單,最通俗的方法來描述“語義化知識圖譜”就是將專家級的語料有序組織起來,可以方便地被智能體獲取到,用于理解某個業務的背景知識和數據分析技巧。知識圖譜的存儲模式可以是多種多樣的,可以是圖數據庫,也可以是向量庫,也可以是關系型數據,甚至可以是文本。在一個系統中,也可能采用混合模式來存儲數據。而數據驅動的語義化知識圖譜則在專家級語料的基礎上增加了數據的視角,專家級的語料頂多能提供一些分析思路,但是無法實現分析的自動化,也無法直接給出答案,只能讓我們知道一些可能性。有了數據的加持,AI自主推理就成為可能了。
回答第二個問題稍微麻煩一些,因為我都不確定AGI什么時候會到來,我個人的感受是AI技術的發展已經遠超我的預想,目前初級的AGI已經出現了,我個人感覺目前的Claude Code、CodeX、Hermes等技術框架已經是一種AGI的雛形了,未來朝著這條路線發展,潛力無限。我記得80年代末在計算機科學系上《程序設計語言》這門課(這門課不是講某個語言,而是將計算機程序設計語言的發展歷史和基本原理)的時候,我曾經問過授課老師:“人工智能真的能實現嗎?”,當時的任課老師的名字我已經記不清了,當時只是一個講師,不過他師從名師,水平是相當高的,我至今仍記得他的回答:“當計算機會自己寫程序的時候,人工智能就真的成了”。三十多年后,我們終于來到了這個時間點上了。
雖然AGI已見曙光,但是我覺得對于所有的專業領域而言,高質量的專家級語義依然是不可或缺的。我們先來看一個例子。
![]()
我來問一個前陣子客戶現場遇到的故障情況,使用的模型是Qwen3.5。不過回答的內容還是比較籠統的。
![]()
![]()
![]()
上面的回答中規中矩,問題在于僅僅羅列了一些專業知識,并沒有針對性的從服務器IO性能正常,SQL響應慢,IO隊列積壓這三個關鍵點去分析問題。我們再來看看基于我們的“語義化知識圖譜”的專業語義的回答:
![]()
![]()
![]()
可以看出,上面的回答更加聚焦,并且完全可以交給AI,讓AI去做自主分析了,哪怕是DBA根據這個報告去自主分析,成功的可能性也更高。而直接去問大模型獲得的回答,只能作為專家的參考,甚至非專家不能懂,一些對OB運維方面的能力不夠的普通DBA,哪怕看了報告也很難上手去做分析。從這個例子可以看出,語義化知識圖譜是AI自主運維不可或缺的。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.