Scalable Uncertainty Reasoning in Knowledge Graphs
تقترح هذه الأطروحة إطار عمل نمطي للاستدلال القابل للتوسع في التعامل مع عدم اليقين في الرسوم البيانية للمعرفة، والذي يعالج السمات غير الدقيقة، والثلاثيات الاحتمالية، والمخططات غير المكتملة من خلال تقنيات جبرية ومنطقية وهندسية متخصصة للتوفيق بين الدقة الدلالية والقدرة على المعالجة الحسابية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل مكتبة رقمية ضخمة تسمى رسم بياني للمعرفة (Knowledge Graph). مهمتها هي تنظيم الحقائق حول العالم، مثل "المحرك 123 هو محرك كهربائي" أو "المطحنة 07812 بها عطل". حاليًا، تعمل هذه المكتبة مثل أمين مكتبة صارم لا يقبل إلا الحقائق التي تكون صحيحة بنسبة 100% أو خاطئة بنسبة 100%. إذا لم تكن الحقيقة مكتوبة بدقة، يقول أمين المكتبة: "لا أعرف"، حتى لو كان هناك تلميح قوي أو قياس شبه مؤكد.
في العالم الحقيقي، ومع ذلك، الأمور فوضوية. البيانات غالبًا ما تكون غامضة، أو ناقصة، أو مجرد "تخمين أفضل تقدير". تقترح هذه الأطروحة، من إعداد جينغ تشنغ وو (Jingcheng Wu)، طريقة جديدة لإدارة هذه المكتبة بحيث يمكنها التعامل مع عدم اليقين (Uncertainty) دون أن يتوقف الكمبيوتر عن العمل.
يجادل المؤلف بأنه لا يمكنك استخدام أداة واحدة فقط لإصلاح جميع أنواع عدم اليقين. بدلاً من ذلك، قام بتقسيم المشكلة إلى ثلاث "غرف" مختلفة في المكتبة، كل منها يتطلب مفتاحًا مختلفًا:
الغرفة 1: "المسطرة الضبابية" (عدم اليقين على مستوى السمة)
المشكلة: أحيانًا نعرف أن حقيقة ما موجودة، لكن الرقم المرتبط بها هو مجرد تخمين.
- مثال: نحن نعلم أن المحرك له درجة حرارة، لكن المستشعر يقول إنها "حوالي 80 درجة مئوية، بزيادة أو نقصان درجة واحدة". المكتبة الحالية تعامل هذا كحقيقة مكسورة لأنها لا تستطيع التعامل مع عبارة "بزيادة أو نقصان".
- الحل: بنى المؤلف مسطرة رياضية جديدة (إطار جبري). بدلًا من إجبار الكمبيوتر على التخمين آلاف المرات (مثل رمي النرد مرارًا وتكرارًا للحصول على متوسط)، يمكن لهذه المسطرة الجديدة إجراء الحسابات فورًا. إنها تتعامل مع "80 ± 1" كمنحنى واحد سلس (توزيع غاوسي/Gaussian distribution) وتسمح للكمبيوتر بدمج هذه المنحنيات مباشرة.
- النتيجة: الأمر يشبه الترقية من آلة حاسبة تحتاج إلى عد كل حبة رمل إلى أخرى يمكنها قياس وزن كيس الرمل فورًا. نظام المؤلف، المسمى ProbSPARQL، أسرع بكثير من طرق "رمي النرد" القديمة مع الحفاظ على دقة الرياضيات.
الغرفة 2: "خريطة المحقق" (عدم اليقين على مستوى الثلاثية)
المشكلة: أحيانًا لا نكون متأكدين مما إذا كانت الحقيقة موجودة أصلاً.
- مثال: "هناك احتمال بنسبة 12% أن المطحنة 07812 بها عطل ناتج عن ارتفاع الحرارة". المكتبة الحالية تواجه صعوبة في حساب احتمالات السيناريوهات المعقدة التي تتضمن العديد من مثل هذه الحقائق الـ "ربما". تصبح الرياضيات ثقيلة جدًا (وهي مشكلة تُعرف بأنها "غير قابلة للحل حاسوبيًا").
- الحل: يستخدم المؤلف تقنية تسمى تجميع المعرفة (Knowledge Compilation). تخيل محققًا يحاول حل قضية من خلال التحقق من كل نسخة ممكنة من الواقع (سيناريو "ماذا لو"). القيام بذلك بشكل مباشر يكون بطيئًا. بدلاً من ذلك، يقوم نظام المؤلف بالعمل الشاق قبل أن يسأل المستخدم سؤالًا. إنه يترجم حقائق الـ "ربما" الفوضوية إلى مخطط انسيابي نظيف ومنظم (دائرة احتمالية).
- النتيجة: بمجرد بناء المخطط الانسيابي، تصبح الإجابة على سؤال ما سريعة بقدر اتباع خريطة. يمكن للنظام إخبارك باحتمالية وجود عطل فورًا دون الحاجة إلى إعادة محاكاة الكون بأكمله من الاحتمالات في كل مرة.
الغرفة 3: "الصندوق متغير الشكل" (عدم اليقين على مستوى المجموعة)
المشكلة: أحيانًا يكون لدينا قواعد حول مجموعات من الأشياء تكون إحصائية وليست مطلقة.
- مثال: "85% من مطاحن الزوايا تحتوي على غطاء غبار". هذه ليست قاعدة لكل مطحنة على حدًا؛ بل هي نمط. المكتبة الحالية تحاول وضع هذه الأنماط في أشكال مسطحة ثنائية الأبعاد (مثل الصناديق على ورقة)، وهو ما يصبح فوضويًا وغير دقيق عندما تكون البيانات ذات تسلسلات هرمية عميقة (مثل شجرة العائلة).
- الحل: يقترح المؤلف استخدام الفضاء المنحني (تحديدًا الهندسة الزائدية/Hyperbolic geometry) بدلًا من الفضاء المسطح. فكر في ورقة مسطحة تحاول الالتفاف حول جذع شجرة؛ إنها تتجعد. لكن السطح المنحني (مثل السرج أو القمع) يناسب الشجرة تمامًا.
- النتيجة: من خلال رسم هذه القواعد الإحصائية على سطح منحني، يمكن للكمبيوتر فهم "شكل" البيانات بشكل أفضل بكثير. يمكنه تقدير الاحتمالات (مثل "ما مدى احتمالية أن يكون لهذه المطحنة غطاء؟") بدقة أكبر بكثير من محاولة فرض كل شيء في صندوق مسطح.
الصورة الكبيرة
الفكرة الرئيسية لهذه الأطروحة هي "التخصص".
بدلاً من محاولة إجبار أداة واحدة ضخمة وغير رشيقة على التعامل مع جميع أنواع عدم اليقين، بنى المؤلف ثلاث أدوات متخصصة:
- الجبر للأرقام الضبابية.
- الدوائر المنطقية لحقائق الـ "ربما".
- الهندسة المنحنية للقواعد الإحصائية.
من خلال استخدام الأداة المناسبة للمهمة المناسبة، يمكن للنظام التعامل مع العالم الحقيقي الفوضوي وغير المؤكد مع البقاء سريعًا ودقيقًا. لقد اختبر المؤلف بالفعل الأداة الأولى (المسطرة الضبابية) على مجموعة بيانات ضخمة تضم 3 ملايين حقيقة ووجد أنها أسرع بكثير من الطرق الموجودة، مما يثبت أن استراتيجية "فرق تسد" هذه ناجحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.