高煥堂
1??? ML模型的創(chuàng)新組合
前面幾期里,說明了AI(人工智能)ML(機器學(xué)習(xí))模型的記憶和推論技能,善于表達事物或現(xiàn)象之間的關(guān)系。于是,我們可以建立許多個AI模型,然后把它們串連組合起來,就能夠表達形形色色的知識網(wǎng)絡(luò)(Knowledge Networks),又稱為知識圖譜(Knowledge Graph)。在本期里,將舉唐朝的五言詩為例,首先建立3個簡單的ML分類(Classification)模型,然后把它們組合起來,表達出五言唐詩的基本知識圖譜。
2??? 復(fù)習(xí)NN模型:表達事物之關(guān)系
茲復(fù)習(xí)上一期NN(神經(jīng)網(wǎng)絡(luò))模型的范例(圖1)。這個ML模型表達了氣候變化之間的關(guān)系:春暖→夏暑→秋涼→冬寒→春暖→…。這項人類已知的智慧(即關(guān)聯(lián)性),就可以讓機器(計算機)來學(xué)習(xí)、記憶它,然后依據(jù)它進行推論或預(yù)測。以此類推,這樣的簡單ML模型,也可以表達出唐詩的<句子>與<作品名稱>(或作者)之間的關(guān)系(圖2)。
從這Excel畫面上(如圖2),按下<學(xué)習(xí)>按鈕,這ML模型就會記住這些詩句與作品名稱之間的關(guān)系。一旦記住了,就能隨時進行聯(lián)想或推理。例如,這個Excel畫面上(如圖3),按下<測試>按鈕,就可以來測試一下ML模型是否真正記住了這些關(guān)系。
于是,按下了這<測試>按鈕(圖3),就可以迅速得出這兩個詩句是來自那一首詩,輸出了其作品名稱(圖4)。
這是ML模型的基本技能,它透過機器學(xué)習(xí)而記住了<詩句>與<作品名稱>之間的關(guān)系,如圖-5所示。
圖5顯示的是典型的ML分類器模型。我們可以建立更多這樣的模型,來表達各式各樣的事物之間的復(fù)雜關(guān)系。
3??? 設(shè)計新的ML模型,并進行訓(xùn)練
剛才已經(jīng)設(shè)計了一個ML模型,表達了一項五言唐詩的基礎(chǔ)關(guān)系?,F(xiàn)在繼續(xù)來增添更多ML模型,來表達更多關(guān)系。例如,增添2個新模型,如圖6。
圖6中的第1個分類器,就是剛才已經(jīng)建立的ML模型。第2個分類器則表達出<作品名稱>與五言詩的<格律>之關(guān)系。而第3個分類器則表達出<作品名稱>與詩的<境界>之關(guān)系。設(shè)計好了這3個分類器之后,就來收集五言唐詩的數(shù)據(jù),如圖7,來訓(xùn)練這些ML分類器(模型)。
基于這些數(shù)據(jù),就來對這三個模型展開訓(xùn)練;而這些分類器的結(jié)構(gòu)和訓(xùn)練流程都是一樣的,只是訓(xùn)練數(shù)據(jù)不同而已。其中,最左方欄是<詩句>,左二欄是<作品名稱>,右二欄是<格律>,而最右欄是<境界>。例如,典型格律有四種:仄起仄收、仄起平收、平起仄收、平起平收。而典型的境界有三種:物境、情境、意境。接著,就拿<詩句>欄和<作品名稱>欄的數(shù)據(jù),來訓(xùn)練第1個分類器(模型)。接著,拿<作品名稱>欄和<格律>欄的數(shù)據(jù),來訓(xùn)練第2個分類器。然后,拿<作品名稱>欄和<境界>欄的數(shù)據(jù),來訓(xùn)練第3個分類器。這樣就完成分類器的訓(xùn)練了。
4??? 模型的整合測試
剛才把三個分類器串聯(lián)起來(圖6),展現(xiàn)出五言唐詩的知識圖譜的雛形了??梢詮?詩句>串聯(lián)到<作品名稱>,繼續(xù)串聯(lián)到<格律>和<境界>。就來設(shè)計一個Excel畫面,從輸入詩句出發(fā)如圖8。
請您按下<測試>,就會取得第1個詩句:<黃河入海流>。然后把這詩句輸入給第1個模型,這模型就會輸出作品名稱:<登鸛雀樓>。然后把這作品名稱輸入給第2個模型,它就會輸出格律:
<仄仄>。此外,還把這作品名稱輸入給第3個模型,它就會輸出境界<情境>,如圖9所示。
請您再按一次<測試>,就會取得第2個詩句:<舉頭望明月>。然后把這詩句輸入給第1個模型,這模型就會輸出作品名稱:<靜夜思>。然后把這作品名稱輸入給第2個模型,它就會輸出格律:<平平>。此外,還把這作品名稱輸入給第3個模型,它就會輸出境界:<意境>,如圖10所示。于是,展現(xiàn)了從一個知識點,可以串聯(lián)到許多相關(guān)的知識點。
5??? 結(jié)語
本文展現(xiàn)了借助ML模型網(wǎng)絡(luò)(Networks)的創(chuàng)新組合,可以表達出各種特色的知識圖譜。人人都可以輕易地設(shè)計及實現(xiàn)自己所需要的更多模型,組合出更大更完美的知識圖譜了。