在資訊過載的時代，推進人工智慧不僅需要創新的技術，還需要更智能的數據處理和理解方法。介紹CircleMind，這是一家利用知識圖譜和成熟的PageRank算法重新構想檢索增強生成（RAG）的人工智慧初創公司。CircleMind由Y Combinator資助，旨在通過提供更結構化和細緻的方法來改善大型語言模型（LLMs）理解和生成內容的方式。讓我們更仔細地了解這是如何運作的以及為什麼這很重要。
對於不熟悉RAG的人來說，這是一種將信息檢索與語言生成相結合的人工智慧技術。通常，像GPT-3這樣的大型語言模型會根據其訓練數據對查詢作出回應，儘管這些數據龐大，但隨著時間的推移，難免會過時或不完整。RAG通過在生成過程中引入實時或特定領域的數據來增強這一過程——本質上是一種將搜索引擎功能與對話流利度智能結合的方式。
傳統的RAG模型通常依賴基於關鍵字的搜索或密集向量嵌入，這可能缺乏上下文的複雜性。這可能導致大量數據點的湧現，但未能確保最相關、權威的來源優先級，從而導致的回答可能不可靠。CircleMind旨在通過引入更複雜的信息檢索技術來解決這個問題。
CircleMind的方法：知識圖譜和PageRank
CircleMind的方法圍繞著兩個關鍵技術：知識圖譜和PageRank算法。
知識圖譜是互聯網絡的結構化網絡，包含相互關聯的實體——例如人、地點、組織——旨在表示各種概念之間的關係。它們幫助機器不僅識別單詞，還理解它們的聯繫，從而提高上下文在生成響應過程中被詮釋和應用的方式。這種更豐富的關係表徵幫助CircleMind檢索到更細緻和上下文準確的數據。
然而，理解關係僅僅是解決方案的一部分。CircleMind還利用PageRank算法，這是一種由谷歌創始人在1990年代末開發的技術，根據進入鏈接的數量和質量來衡量圖中節點的重要性。應用於知識圖譜時，PageRank可以優先考慮那些更具權威性和良好連接的節點。在CircleMind的上下文中，這確保檢索到的信息不僅相關，而且具有一定的權威性和可信度。
通過結合這兩種技術，CircleMind提高了檢索信息的質量和可靠性，為LLMs生成響應提供了更具上下文適應性的數據。
優勢：相關性、權威性和精確性
通過結合知識圖譜和PageRank，CircleMind解決了傳統RAG實施的一些關鍵限制。傳統模型通常在上下文模糊性方面掙扎，而知識圖譜幫助CircleMind更豐富地表示關係，從而導致更有意義和準確的響應。
同時，PageRank幫助優先考慮圖中最重要的信息，確保AI的回應既相關又可靠。通過結合這些方法，CircleMind的RAG確保AI檢索到的數據既具上下文相關性又可靠，從而導致信息豐富且準確的回應。這種組合顯著提高了AI系統理解哪些信息相關以及哪些來源具有權威性的能力。
實際影響與應用案例
CircleMind方法的好處在於實際應用案例中最為明顯，特別是在精確性和權威性至關重要的情況下。尋求用於客戶服務、研究協助或內部知識管理的AI的企業將會發現CircleMind的方法非常有價值。通過確保AI系統檢索到權威的、上下文細緻的信息，可以降低不正確或誤導性回應的風險，這對於像醫療、財務諮詢或技術支持等需要準確性的應用至關重要。
CircleMind的架構還為特定領域的AI解決方案提供了強大的框架，特別是那些需要在大量相關數據中進行細緻理解的解決方案。例如，在法律領域，AI助手可以利用CircleMind的方法來不僅拉入相關的案例法，還能根據現實世界的法律結果和引用來理解先例並評估其權威性。這確保所呈現的信息既準確又具上下文適用性，從而使AI的輸出更具可信性。
對於舊與新的致敬
CircleMind的創新既是對過去的致敬，也是對未來的展望。通過復興和重新利用PageRank，CircleMind表明，顯著的進步通常來自於以創新的方式迭代和整合現有技術。原始的PageRank根據互聯性創建了網頁的層級結構；CircleMind同樣創造了一個更有意義的信息層級，專為生成模型量身定制。
知識圖譜的使用承認人工智慧的未來在於更智能的模型，這些模型理解數據是如何相互聯繫的。與其僅依賴擁有更多數據的更大模型，CircleMind專注於關係和上下文，提供一種更複雜的信息檢索方法，最終導致更智能的響應生成。
未來的道路
CircleMind仍處於早期階段，實現其技術的全部潛力將需要時間。主要挑戰在於在不犧牲速度或產生過高計算成本的情況下擴展這種混合RAG方法。實時查詢中動態整合知識圖譜並確保PageRank的有效計算或近似將需要創新工程和顯著的計算資源。
儘管面臨這些挑戰，CircleMind方法的潛力是顯而易見的。通過精煉RAG，CircleMind旨在縮短原始數據檢索與細緻內容生成之間的鴻溝，確保檢索到的內容既具上下文豐富性、準確性又具權威性。在一個錯誤信息和可靠性缺失持續存在的時代，這一點尤其重要。
人工智慧的未來不僅僅是檢索信息，而是理解其上下文和意義。CircleMind在這一方向上取得了有意義的進展，為語言生成中的信息檢索提供了一種新的範式。通過整合知識圖譜並利用PageRank的既有優勢，CircleMind正在為人工智慧提供不僅僅是答案，而是有根據、可信賴且具上下文意識的指導。
在這裡查看詳細信息。本研究的所有功勞都歸功於該項目的研究人員。此外，別忘了在Twitter上關注我們，加入我們的Telegram頻道和LinkedIn小組。如果您喜歡我們的工作，您一定會喜歡我們的電子報。不妨加入我們的55k+機器學習SubReddit。
[免費人工智慧虛擬會議] SmallCon：免費虛擬GenAI會議，特邀Meta、Mistral、Salesforce、Harvey AI等。請於12月11日參加這一免費虛擬活動，了解從Meta、Mistral AI、Salesforce、Harvey AI、Upstage、Nubank、Nvidia、Hugging Face等AI先驅者那裡如何利用小模型構建大型系統。
