建立中游知識圖來(lái)支撐企業(yè)主權式AI

1   前言

在上一期里，介紹了<三層KG架構>的設計流程。在本文里，將介紹這種新潮KG(Knowledge Graph)架構的重要用途之一，就是：基于本地行業(yè)自主性KG數據，展開(kāi)訓練中游GNN模型，來(lái)支持下游企業(yè)建立可信、可控、可更新的主權式AI系統。

大家都知道，如今，GenAI逐漸變成知識整合與創(chuàng )新推理的工具，而非黑箱結果輸出的機器而已。于是，我們可以透過(guò) <KG+GNN+CF+LLM>的整合架構設計，推導出高效的主權AI實(shí)踐流程。其包含大語(yǔ)言模型(LLM)協(xié)助構建KG、并訓練GNN推理潛在知識與反事實(shí)鏈接(Counterfactual Link, 簡(jiǎn)稱(chēng)：CF_Link), 經(jīng)由人類(lèi)進(jìn)行創(chuàng )新決策后回饋知識圖，最終結合RAG與LLM完成可信、可控、可更新的主權AI系統。

2   復習：三層KG架構設計

由于LLM非萬(wàn)能，而企業(yè)KG卻是可信知識核心。采用<低監督/少標注/高彈性>的實(shí)踐策略，其可擴展性與低成本優(yōu)勢，非常契合主權AI的自主性與本地性目標。在主權AI的知識圖譜(KG)建構過(guò)程中，專(zhuān)家知識不是輔助，而是設計師。他們決定哪些知識能形成語(yǔ)意路徑，哪些節點(diǎn)之間存在潛在可推理的因果鏈。例如，三層KG架構的特質(zhì)如下：

●   KG分為<上游－中游－下游>三階段金字塔結構，彼此分工清晰又互補，為L(cháng)LM、GNN與人類(lèi)決策提供堅實(shí)的知識支撐。

●   上游通用性KG：善用開(kāi)源的行業(yè)性知識，避免從零建構，減少80%中下游KG開(kāi)發(fā)成本。

●   中游特定領(lǐng)域性KG：結合企業(yè)內部數據，融合文化、地區與組織習慣的知識模式。捕捉真實(shí)商業(yè)語(yǔ)境，為GNN提供語(yǔ)意嵌入訓練基礎。

●   下游任務(wù)型應用KG：支持多樣化AI應用任務(wù)（推薦、風(fēng)險評估），增加營(yíng)收（交叉推薦）、降低決策風(fēng)險。

3   建立行業(yè)中游KG：以乳癌領(lǐng)域為例

3.1   選擇上游通用性大KG

本案例的緣由是：因為在醫療領(lǐng)域的開(kāi)源、開(kāi)放DRKG( Drug repurposing knowledge graph, 中文譯：藥物再利用知識圖譜），其支持下游的精準醫療AI任務(wù)上，表現非常亮麗。

同時(shí)，人們也從生物知識庫中整合了以疾病和基因為中心的多種關(guān)系，開(kāi)發(fā)了一個(gè)使用交互張量分解來(lái)識別疾病基因關(guān)聯(lián)的通用性大KG完成模型，稱(chēng)為：KDGene。其透過(guò)感知相關(guān)知識，模型能夠學(xué)習到不同關(guān)系的內涵，賦予生物實(shí)體和關(guān)系更全面、更精確的表示，有利于疾病基因預測。如下圖1所示：

圖1 選擇適當的上游大KG

這些上游大KG的預訓練知識，能有效節省中、下游模型的訓練速度和成本。

3.2 建立中游領(lǐng)域性KG

本案例是針對<乳腺癌癥>領(lǐng)域，使用神櫻AI團隊自己開(kāi)發(fā)的SAK-Builer工具，建立了中游領(lǐng)域性KG，取名為：MutationKG。其架構如下圖2所示：

圖2 建立中游KG

3.3 訓練<主權式>中游領(lǐng)域性GNN模型

在訓練時(shí)，首先從上游DRKG里讀取藥物實(shí)體的嵌入向量（Embeddings）， 成為這中游MutationKG的< 藥物> 節點(diǎn)的起始特征（Initial Features）。同時(shí)，也從上游KDGene里讀取基因實(shí)體的嵌入向量（Embeddings），成為這中游MutationKG的< 基因>節點(diǎn)的起始特征。然后，搭配本地機構自主性癌癥及其類(lèi)型數據，展開(kāi)訓練中游GNN模型，如下圖3所示：

圖3 訓練出自主的中游KG

此時(shí)，訓練1000回合之后，繼續加碼訓練25 回合，就完成了。

于是，已成功訓練出一個(gè)能夠把突變數據轉換成嵌入向量的GNN模型，而且嵌入已儲存于mutation_embeddings_gin.csv檔案里，可供后續下游任務(wù)使用（如分類(lèi)、群聚、可視化、或與影像特征融合等）。

3.4 支撐<主權式>下游應用型<KG+GNN>模型

這項下游任務(wù)結合了醫學(xué)影像特征（Ultrasound/MRI）進(jìn)行多模態(tài)推論，也將GNN輸出的嵌入與CNN影像特征進(jìn)行融合，提供AI輔助診斷（如預測、分類(lèi)等）。

如下圖4所示：

圖4 支撐下游主權AI開(kāi)發(fā)

關(guān)于超音波影像中的疑似的腫瘤評估，定義于美國放射學(xué)會(huì )所制定BI-RADS的描述項目及描述特征。BIRADS是指美國放射學(xué)會(huì )（ACR）的乳腺影像報告和數據系統（Breast Imaging Reporting and Data System） 的縮寫(xiě)。BI-RADS分級標準被廣泛應用于乳腺的各種影像學(xué)檢查，如乳腺鉬靶X線(xiàn)攝影、彩超、核磁共振，是用來(lái)評價(jià)乳腺病變良惡性程度的一種評估分類(lèi)法。

4   邁向決策式主權AI

反事實(shí)推理（Counterfactual Inference）與KG的結合愈來(lái)愈重要?；贙G+GNN的應用：包括社交網(wǎng)絡(luò )分析、醫療知識圖譜、推薦系統等，反事實(shí)推理能夠幫助人們理解和分析圖結構中的因果關(guān)系。例如，本案例的決策式AI可以提供治療建議：「如果采用另一種治療方案，病情可能會(huì )如何發(fā)展？」。利用反事實(shí)分析來(lái)理解不同治療方案的潛在效果，進(jìn)行個(gè)性化的治療決策支持。

在這三層KG體系的支持下，決策式AI發(fā)揮反事實(shí)推理能力。例如思考：如果刪除一個(gè)可能的疾病節點(diǎn)，診斷預測結果會(huì )如何變化？使用反事實(shí)分析來(lái)進(jìn)行因果推理，找出可能的誤診或未被考慮的疾病。本文提出一套融合大型語(yǔ)言模型（LLM）與知識圖譜（KG）的實(shí)踐方案，作為企業(yè)或產(chǎn)業(yè)建立主權AI 核心的關(guān)鍵基礎架構。

5   結語(yǔ)

企業(yè)要打造可信、可控、可更新的主權AI，不靠黑箱，而是靠自己建構知識圖譜（KG），結合圖神經(jīng)網(wǎng)絡(luò )（GNN）與大型語(yǔ)言模型（LLM）。透過(guò)三層KG架構（上游、中游、下游），企業(yè)能融合內部數據與行業(yè)知識，推動(dòng)智能推理與反事實(shí)分析，建立真正屬于自己的主權式AI系統。

（本文來(lái)源于《EEPW》202505）