“形式化知识和参数化知识在表现形式上一直都是大家考虑的问题，ChatGPT和知识图谱两种技术都应该有自己的定位与价值所在。”

这段时间，人工智能聊天机器人ChatGPT刷爆网络。不少朋友在和ChatGPT聊天后评价它经常“一本正经地胡说八道”，是个十足的高情商“老油条”。

毕竟，高达数十亿量级的语料库和同等量级的参数，意味着对各种问题能做到一力降十会，而作为基于GPT-3.5大型语言模型的应用，这家伙对形式语言的造诣已臻化境，所以回答的语法完整，形式逻辑无误，看起来像模像样。

比如在写情书方面：

套路很完整，连表情符号也很会。chatGPT的高情商好像彻底治愈了“人工智障”，让人重燃交互欲望。而在此之前，智能对话解决的核心问题更侧重于回答的准确性和即时性，对于交互过程中的语气、情感、修辞的训练则相对匮乏，表现出回答生硬、冰冷的不良体验。

换句话说，ChatGPT彻底改变了自然语言生成领域，可以提供人们在聊天中所需要的情绪价值，而不仅仅是信息反馈。

01

“高情商”ChatGPT因智商翻车？

然而，就像任何机器学习模型都有其局限性。

ChatGPT的局限性之一是它缺乏对其生成文本的上下文和背景知识的理解。例如，如果要求写一个特定的主题，它可能生成的文本在语法上是正确的，但缺乏该领域专家的深度理解。另一个限制是它无法在不同概念之间进行推理和建立逻辑联系，虽然它可以生成逻辑流动的文本，但它缺乏根据所提供的信息进行推断和得出结论的能力。

例如：在秦始皇摸电线这个问答中，第一个问题，基操稳定，了解懂文化常识。

连续问第二个问题时，也知道秦始皇摸电线是不可能发生的，但是却错误指出电线是图灵发明的。

在第三个反问时，它承认了自己回答有误，还对图灵做了简单介绍，却又错误地说尼古拉·特斯拉发明电线。

由此可见，ChatGPT在其未经大量语料训练的领域缺乏“人类常识”和引申能力。ChatGPT在很多领域可以“创造答案”，但当用户寻求正确答案时，ChatGPT也有可能给出有误导的回答。

如何让这么一个说话风趣、条理清晰，让人如沐春风的“高情商”系统，能够融通古今，有思想有高度，还拥有批判性思维呢？

那可能需要再配上一个高级大脑。

02

从逻辑正确到精准化应答

远传科技做对了什么？

远传科技认为，生成式AI与检索式AI的结合，或将产生更好的落地效果，而检索式中基于知识图谱的问答已是大势所驱。

知识图谱是一种描绘实体间关系的语义网络，用图模型来描述知识和建模事务之间关联关系。与传统的关系数据库相比，它能够更准确、更直观地表示现实世界的概念及其连接，并允许轻松访问和查询，不断逼近最匹配的意图，解决chatGPT回答不准确的难题。

知识图谱最重要的应用之一是搜索问答。

现实生活中，在检索问答上输入的查询问题类型非常多样，表达形式也是千变万化。有些问题是直接围绕实体进行相关的查询，比如“远传核心产品”，“远传发展历程”等等。还有一些问题可能需要进行更进一步的推理和计算才能得到，比如“芹菜的斑枯病是否会传染”，“浙江的农贸市场上的芹菜的批发价格”等等。具体来说，

对于那些直接围绕实体相关的查询，我们会用一些基于知识库问答的技术进行处理，包括自动挖掘模板进行语义解析，进行文法和语义端到端子图匹配等等。

远传科技知识库检索，就是从海量结构化和非结构化数据中进行实体、关系、属性和事件的信息提取，将知识存储到知识库中，从而可以精确查找出目标实体及其相关内容。

然而，对于需要进行推理计算的问题，我们则需要基于动态函数计算、规则逻辑推理等方式进行处理。也就是说我们针对不同问题类型，研发适用的问答技术方案。

远传科技聊天机器人就可以根据用户的浏览历史、兴趣、统计数据来通过使用知识图谱，将信息合并到文本生成中，从而产生更有信息量和更准确的输出，创建个性化的聊天机器人体验。

知识图谱的另一大应用场景是智能推荐。

基于知识图谱的语义关联，以不同概念链接在一起的结构化方式，将所提供的信息进行推理并得出结论，从而提高了模型的推理能力，把文章背后蕴含的内容模型通过知识图谱关联起来，为智能推荐提供更具知识关联的特性。

远传科技的营销服务机器人就是基于获得用户和物品的精确画像，进行准确的匹配和有针对性的决策，实现场景化、任务型的推荐。

由此可见，虽然ChatGPT是一个强大的语言模型，但它在最新信息、上下文理解、概念间的逻辑关系等方面存在局限性。若想在产业应用中能够真正实现降本增效，知识图谱技术将大放异彩。

在未来很长的一段时间内，知识图谱还会继续发挥其关键的作用，来帮助企业更好地管理、利用知识资产，提高工作效率和客户满意度，让智能交互实现 “智商”、“情商”的“双商”在线。