Unifying LLMs & Knowledge Graphs for GenAI: Use Cases & Best Practices

https://neo4j.com/blog/unifying-llm-knowledge-graph/

就在几年前，理解和回应您的智能机器是科幻小说 - 您只能在《星际迷航》中找到的东西。如今，大型语言模型（LLM）像chatgpt一样触手可及，等待我们的提示。未来是现在。

**知识图（Knowledge graphs）**是另一种因复杂分析，结构化表示和语义查询而闻名的趋势技术。它们补充了LLM，使AI更聪明，输出更加准确和可靠。

这篇博客文章探讨了如何将知识图和大型语言模型（LLM）一起使用，包括顶级用例、示例和开始使用这种有影响力的人工智能技术组合的建议。

什么是大语言模型（LLM）？

在2022年初，创建公司聊天机器人通常需要组建机器学习专家团队来从头开始构建和培训自定义AI模型。随着LLM模型的引入，进入障碍已大大下降。现在，您可以通过简单地提示CHATGPT执行高级AI任务。

LLM与OpenAI的GPT系列一样，是一种大规模基于自然语言处理的机器学习模型。它们是Generative AI的重要组成部分，能够理解和生成类似人类的文本。

LLM经过了各种各样和广泛的文本库的培训，包括各种各样的人类知识和交流。

LLMS的真正力量在于他们的深度学习体系结构，通常基于transformer模型，这些模型在解释和管理顺序数据方面表现出色。这使他们善于理解语言的上下文和细微差别，从而实现了诸如创建内容，文本摘要，语言翻译，聊天机器人和技术帮助之类的应用程序。

然而，管理偏见和幻觉等挑战一直是参与开发和部署这些模型的人的症结所在。

什么是知识图？

知识图是一个高级数据结构，它代表相互联系实体网络中的信息。它与称为知识代表的人工智能领域的悠久研究历史有关。

添加描述实体和关系类型的本体论是丰富知识图的常见实践。这个附加的语义层始终以统一的方式解释了知识图中的内容。本体论提供了有关知识图中数据内容的关键背景，以使其更易于理解。

知识图+LLM：检索增强生成

LLM简化了知识图中的信息检索。它们为各种目的提供了对复杂数据的用户友好访问，而无需数据专家。现在，任何人都可以直接提问并获得摘要，而不是通过传统的编程语言搜索数据库。
与矢量数据库不同，知识图是LLM的可靠选择，因为它们能够表示结构化和非结构化数据。这种技术被称为检索增强生成（RAG），通常用于知识密集型NLP任务。