技术动态 | 生成式人工智能时代，企业更需要打造私有可信的知识管理基座

转载公众号 | 知识管理就在夏博

---

企业级生成式人工智能应用存在的挑战

生成式人工智能基于大语言模型范式，带来了强大泛化能力及优异效果，正在世界范围内席卷而来。但在了解生成式人工智能工作原理之后，我们同样需要注意其潜在风险，这些风险源于大语言模型本身的“概率”特征，如幻觉问题、透明度和可解释性弱问题、缺乏背景问题、欠缺失效性问题等，尤其当企业想将生成式人工智能应用到业务场景中时，以下挑战需要重点考虑。

一是企业私有可信知识的利用和保护问题。企业一方面要拥抱生成式生人工智能对接企业内部可信知识，另一方面要防范生成式人工智能模型学习到企业私有知识导致知识泄密问题。

二是生成式人工智能模型和企业应用场景的适配问题。生成式人工智能模型主要基于互联网海量的公开数据进行训练，是否能够完全适配企业私有知识下的业务场景需求仍然是个未知数。

三则是企业私有可信知识与生成式人工智能模型的有效融合问题。首先是企业应该采取什么方式对企业私有可信知识进行有效治理，然后治理后高质量私有可信知识如何和生成式人工智能模型进行有效融合，在私有知识治理和融合方法选择上，对于企业存在投入产出的ROI问题需要考虑。

知识图谱和生成式人工智能的集成方法

针对上述挑战，无论研究还是实践，越来越多地达成一种共识——知识图谱与生成式人工智能的集成作为一种变革性方法脱颖而出，以实现值得信赖和负责任的企业场景应用。

知识图谱的特点是知识的结构化表示，其中实体（通常表示概念或对象）及其之间的关系被明确定义，它们提供了可靠且可操作的知识体系，不仅可以捕获明确的事实，还可以实现语义理解。而生成式人工智能的特点是能够生成新内容，无论是文本、图像、音乐还是其他形式的数据，反映或模拟训练数据中看到的模式。将这两个强大的领域合并到知识增强的人工智能系统中，有助于产生不仅精确而且充满上下文丰富性的输出。

具体来说，将知识图谱作为企业私有可信知识的载体，来有效沉淀、表示并保护企业知识，并与生成式人工智能模型进行有效融合，来发挥生成式人工智能的强大能力。在融合方式上，将知识图谱为载体的企业知识作为外挂来补充生成式人工智能模型，是当下较为便捷有效并投入产出较高的的技术路径。在某些企业应用场景中，只是外挂方式有可能难以取得可用的效果，这时需要将知识图谱作为企业领域数据和知识的载体，并输入到生成式人工智能模型进行重新微调训练，以形成更可用的场景式AI模型，但这一技术路径成本高、周期长，需要企业谨慎评估和采用。

生成式人工智能时代的企业数字化知识管理解决方案

总结来说，生成式人工智能时代，企业需要更好打造自身的私有可信知识管理基座，我们推出基于知识图谱和生成式人工智能的企业数字化知识管理解决方案，通过接入企业结构化、半结构化、非结构化等多模态数据，构建企业所需的“流程制度、经验案例、模板工具、业务知识、专业数据“等语义化知识库，并结合深度学习、大模型等技术将相对孤立的企业“石墨”数据转化为有序、有用的“钻石“知识——即企业私有知识图谱，在此基础上与生成式人工智能模型结合，提供统一的知识服务接口，来支撑语义理解交互问答、知识/专家智能推荐、业务系统伴随推荐、业务推理辅助决策、文档辅助编写等知识应用服务。在该数字化知识管理解决方案中，知识图谱和生成式人工智能模型各司其职。

知识图谱职责主要包括以下几项：

（1）数据、知识和能力的显式结构化建模：使用本体建模企业级多源、多模态异构数据和知识，实现信息的表示融合，并提供与原始数据的连接；也可以使用本体表示AI能力、模型等，提供外部能力接入机制；

（2）复杂的计算、分析和推理：完成图挖掘分析、数学及逻辑计算、复杂的知识推理等；

（3）结果解释与验证：对大模型生成的结果进行解释，利用知识验证其是正确的。

（4）提示辅助构建：提供知识及数据，生成大语言模型的提示，控制大语言模型按需生成内容；

生成式人工智能模型的职责主要体现为：

（1）知识辅助加工与数据理解：实现自动化知识图谱构建，包括基于零/小样本的知识抽取、知识对齐与知识补全，以及对文档、数据进行阅读理解；

（2 ）增强搜索、问答与推荐：利用大语言模型的语言理解能力及语义计算能力提升搜索、问答与推荐的准确性；

（3）过程结果或初始答案的生成：完成自然语言到KG查询语言、SQL等的生成；

（4）自然语言交互：对用户输入进行理解，并与KG中的知识进行对齐，实现用户任务的理解与计划；对结果进行理解与生成，使结果与人类对齐。

该整体解决方案可以帮助企业将知识高效盘活、有序管理，并使企业知识更好在业务中得以应用而有效增值。具体来说，有以下几个方面的显著意义：

（1）有效整合企业内部数据和知识，形成区别于传统文档型知识库的知识可信、应用高效的数字化知识管理系统，降低知识搜索和应用成本，提高员工日常工作生产力。

（2）显著提升企业知识的场景化应用能力，基于知识图谱可以对于研发、制造、营销、服务等场景构建结构化、语义化、业务化的领域知识图谱，提供深度结合场景的“搜、推、问、生、策“等多形态知识服务，助力业务提质增效的目标达成。

（3）实现生成式人工智能模型和企业私有知识的有效对接，既发挥出了企业私有知识的价值，又结合了生成式人工智能的强大语言理解和知识生成能力。

（4）助力企业私有知识保护，构建知识壁垒，对于企业私有化的领域知识、专业技能、业务经验等，尤其需要重点加以保护，只有将这类知识资产掌握在企业内部，才能形成有效的企业知识壁垒，这也是生成式人工智能时代企业越来越宝贵的核心竞争力。

---

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。

点击阅读原文，进入 OpenKG 网站。