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(jī)器學(xué)習(xí)) 模型的記憶和推論技能，善于表達(dá)事物或現(xiàn)象之間的關(guān)系。于是，我們可以建立許多個(gè)AI 模型，然后把它們串連組合起來，就能夠表達(dá)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(gè)簡單的ML 分類(Classification) 模型，然后把它們組合起來，表達(dá)出五言唐詩的基本知識圖譜。

圖1

2   復(fù)習(xí)NN模型：表達(dá)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(gè)ML 模型表達(dá)了氣候變化之間的關(guān)系：春暖→夏暑→秋涼→冬寒→春暖→…。這項(xiàng)人類已知的智慧( 即關(guān)聯(lián)性)，就可以讓機(jī)器( 計(jì)算機(jī)) 來學(xué)習(xí)、記憶它，然后依據(jù)它進(jìn)行推論或預(yù)測。以此類推，這樣的簡單ML 模型，也可以表達(dá)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(huì)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(shí)進(jìn)行聯(lián)想或推理。例如，這個(gè)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。

圖2

圖3

于是，按下了這< 測試> 按鈕( 圖3)，就可以迅速得出這兩個(gè)詩句是來自那一首詩，輸出了其作品名稱( 圖4)。

圖4

這是ML 模型的基本技能，它透過機(jī)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

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(dá)各式各樣的事物之間的復(fù)雜關(guān)系。

3   設(shè)計(jì)新的ML模型，并進(jìn)行訓(xùn)練

剛才已經(jīng)設(shè)計(jì)了一個(gè)ML 模型，表達(dá)了一項(xiàng)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(dá)更多關(guān)系。例如，增添2 個(gè)新模型，如圖6。

圖6

圖6 中的第1 個(gè)分類器，就是剛才已經(jīng)建立的ML模型。第2 個(gè)分類器則表達(dá)出< 作品名稱> 與五言詩的< 格律> 之關(guān)系。而第3 個(gè)分類器則表達(dá)出< 作品名稱> 與詩的< 境界> 之關(guān)系。設(shè)計(jì)好了這3 個(gè)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(gè)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(gè)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(gè)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(gè)分類器。這樣就完成分類器的訓(xùn)練了。

圖7

4   模型的整合測試

剛才把三個(gè)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?lt; 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(jì)一個(gè)Excel 畫面，從輸入詩句出發(fā)如圖8。

圖8

請您按下< 測試>，就會(huì)取得第1 個(gè)詩句：< 黃河入海流>。然后把這詩句輸入給第1 個(gè)模型，這模型就會(huì)輸出作品名稱：< 登鸛雀樓>。然后把這作品名稱輸入給第2 個(gè)模型，它就會(huì)輸出格律：< 仄仄>。此外，還把這作品名稱輸入給第3 個(gè)模型，它就會(huì)輸出境界：< 情境>，如圖9 所示。

圖9

請您再按一次< 測試>，就會(huì)取得第2 個(gè)詩句：<舉頭望明月>。然后把這詩句輸入給第1 個(gè)模型，這模型就會(huì)輸出作品名稱：< 靜夜思>。然后把這作品名稱輸入給第2 個(gè)模型，它就會(huì)輸出格律：< 平平>。此外，還把這作品名稱輸入給第3 個(gè)模型，它就會(huì)輸出境界：< 意境>，如圖10 所示。于是，展現(xiàn)了從一個(gè)知識點(diǎn)，可以串聯(lián)到許多相關(guān)的知識點(diǎn)。

圖10

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(dá)出各種特色的知識圖譜。人人都可以輕易地設(shè)計(jì)及實(shí)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。

（本文來源于《電子產(chǎn)品世界》雜志2022年3月期）