如何看待陆奇说“知识图谱真的不行”？
发布时间：
2023-08-24 12:28
阅读量：
12
陆奇老师说的是从应用角度吧。
从应用角度上来考量，ChatGPT为首的一众大模型基本上从ToC和ToB端都展现出来非常惊艳的性能。
虽然它有很多的不足，比如乱说话，胡编乱造，但是它在圈定好的范畴的问题上表现是没有问题的，比如说给它提供足够多的前置知识，或者严格限定它的输出，以及让它严格按照思维链的方式思考。
它是可以表现的很优秀的。
再者就是它表现出了非常棒的泛化性能，比如把一个内容以各种不同的形式表现出来，代码形式，伪代码形式，latex格式，甚至说古文，各种形式只要你能想得到的，它都可以做的到，并且做的还不赖。
| 技术 | 优点 | 缺点 |
|---|---|---|
| 知识图谱 | 1. 结构化：每个实体和关系都被清晰定义。2. 易于更新和维护：可以直接在知识图谱中添加或更新信息。3. 可解释性：由于知识图谱的结构化特性，我们可以明确地理解和解释其输出。 | 1. 扩展性：添加新的知识和数据需要大量的人工工作。2. 缺乏灵活性：知识图谱通常不擅长处理模糊的、不确定的或开放式的问题。3. 不断变化的数据：对于需要频繁更新的数据，知识图谱可能不是最佳选择。 |
| 大型语言模型 (如 GPT-4) | 1. 灵活性：这些模型能够处理各种各样的任务。2. 理解和生成自然语言：这些模型通过学习大量的文本数据，理解并生成自然语言。3. 自适应：模型可以从未标记的数据中学习，这意味着它可以适应各种类型的输入。 | 1. 可解释性差：大型语言模型的工作原理是黑盒操作。2. 数据更新：如果训练数据有更新或变更，通常需要重新训练整个模型。3. 可能产生偏见：如果训练数据中包含任何形式的偏见，模型也可能学习并复制这些偏见。 |
知识图谱当然也没什么问题，他最大的优势就是稳定以及确定，因为每一条输出都是确定的，在一些特定的领域，知识图谱肯定是有用的。
但是它的问题就是需要大量的输入以及定义，这需要大量的人力物力以及时间。
我觉得单独大模型肯定不行，因为它不够稳定，有些关键问题胡编乱造会出问题；单独知识图谱也不行，因为人类的知识浩瀚如海，很难都去包容并蓄。
只有大模型+知识图谱才是正道，大模型负责大量内容的消化以及展现泛化能力，而知识图谱负责关键性的确定性内容。
其实OpenAI做的alignment就是类似的工作，就是把ChatGPT的输出尽量跟人类的输出进行对齐，尽可能的避免胡编乱造。
ChatGPT走的是一条先野蛮发展，再有序规范的路子。
好处就是大力出了奇迹。
END