智能背后的人工

白鳝的洞穴 2025-03-27

昨天和一个高校团队电话会议，讨论知识图谱的构建问题，原本计划30分钟简单讨论几个问题，最后一直讨论到晚上十一点钟，讨论的内容集中在知识图谱碎片的互联互通以及构建自动化是否可实现的问题上。实际上构建知识图谱是知识工程的一个方面，是智能化运维系统构建中不可或缺的工作。

其工作过程是十分艰辛的，首先要由专家利用固有知识、官方文档和用户案例进行只是抽象，形成一个个的图谱碎片。当第一个图谱碎片被构建后，其实是无法发挥多大作用的，只有当碎片积累到一定程度之后，才能形成网状结构，并在诊断推理中发挥作用。在不错的智能化推理效果背后，其实都是专家们付出的艰辛的人工。把专家的经验数字化，把专家的经验真正地沉淀到用户的知识管理系统中，并在实际运维工作中被重复使用，这是构建运维知识图谱的目的。

在能否自动化构建图谱这个问题上讨论得并不深入，因为稍一展开就会遇到很多技术难题。高校的同学总觉得在这种十分耗费人力的地方去寻找自动化的方法是十分有价值的事情，而我们总觉得知识图谱这种需要依靠专家经验与能力的地方，很难自动化实现。

仅仅依靠官方文档或者某些专家写的书能否抽象出知识图谱这个问题，是高校同学最为困惑的，因为他们觉得既然知识都在书上，那么能不能找到结构化这些知识的方法呢？实际上，我们目前在知识图谱中存储的大部分图谱碎片并非官方文档上或者某些书上获得的，而是专家和用户生产环境的经验的数字化抽象。

不过官方文档和专家的书籍中确实存在一定的可以作为图谱碎片的内容，如何自动化提取确实是值得去研究的。如果能够将这些基础知识自动变成图谱，也是十分有价值的。只不过如何识别高价值的知识依然是个难题，大模型的能力提升，也许会为这项工作提供一种新的方案。

作为产业界来说，大力出奇迹是很常用的方法，如果没有特别好的自动化手段，那就上人工，否则你的系统做不下去，实现功能比找到最优解更加重要。而对于学术界来说，则觉得这种方法太缺乏学术含量，总是希望找到一些解决这方面问题的方法。学术界和产业界其实是相当互补的，在老美的体系里，这种合作更加紧密，成果转化也十分有效。在我国，这种产学研协作喊了无数年，但是目前来看还是效率太低。

文章转载自白鳝的洞穴，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

相关阅读

关注

获得了496次点赞

内容获得161次评论

获得了68次收藏