ज्ञान ग्राफ (knowledge graph) सूचना का एक संरचित प्रतिनिधित्व है, जिसमें वास्तविक-विश्व की इकाइयाँ, जैसे लोग, स्थान, संगठन या अवधारणाएँ, नोड्स के रूप में संग्रहीत की जाती हैं और उनके बीच के संबंध लेबल किए गए किनारों के रूप में संग्रहीत होते हैं, जिससे एक नेटवर्क बनता है जिसे क्वेरी, ट्रैवर्स और तर्क के माध्यम से विश्लेषित किया जा सकता है। ज्ञान ग्राफ Symbolic AI प्रतिनिधित्व की व्यापक परंपरा के अंतर्गत आते हैं और खोज, प्रश्न-उत्तर, और आधुनिक जनरेटिव AI प्रणालियों को आधार देने के लिए केंद्रीय अवसंरचना बन गए हैं।
संरचना
एक ज्ञान ग्राफ आमतौर पर तथ्यों को विषय, विधेय और वस्तु के त्रिक के रूप में एनकोड करता है, उदाहरण के लिए "Anthropic, founded in, 2021", अक्सर औपचारिक स्कीमा या ऑन्टोलॉजी का पालन करते हुए जो अनुमत इकाई प्रकारों और संबंधों को परिभाषित करते हैं। यह संरचना प्रणालियों को तार्किक क्वेरी करने की अनुमति देती है, जैसे किसी दिए गए वर्ष में स्थापित सभी संगठनों को खोजना, जो असंरचित पाठ से विश्वसनीय रूप से निकालना कठिन होगा, और परिभाषित नियमों के विरुद्ध आंतरिक स्थिरता की जाँच करने में सक्षम बनाती है।
इतिहास
ज्ञान ग्राफ की अवधारणात्मक जड़ें 1960 के दशक से प्रतीकात्मक AI अनुसंधान में विकसित सिमेंटिक नेटवर्कों में निहित हैं, और बाद के प्रयासों जैसे Cyc, जो 1984 में लाखों सामान्य-ज्ञान तथ्यों को हाथ से एनकोड करने के लिए शुरू किया गया एक परियोजना था, और टिम बर्नर्स-ली द्वारा 2000 के दशक की शुरुआत में समर्थित सिमेंटिक वेब पहल, जिसने मशीन-पठनीय वेब डेटा के लिए मानकीकृत प्रारूप प्रस्तावित किए। "ज्ञान ग्राफ" शब्द स्वयं 2012 में Google द्वारा अपने Knowledge Graph उत्पाद लॉन्च करने के बाद मुख्यधारा में आया, जिसने अधिग्रहीत Freebase डेटाबेस और अन्य स्रोतों का उपयोग करके कई वेब खोज परिणामों के साथ आने वाले सूचना पैनलों को शक्ति प्रदान की।
Google Knowledge Graph और उत्तराधिकारी
Google द्वारा इस शब्द को अपनाने के बाद, प्रमुख प्रौद्योगिकी कंपनियों ने अपने स्वयं के बड़े पैमाने के ज्ञान ग्राफ बनाए, जिनमें Microsoft का Satori और Bing entity graph, Facebook का Entity Graph, और Amazon का product graph शामिल हैं, जिनमें से प्रत्येक खोज, अनुशंसा या वर्चुअल सहायक उत्पादों को शक्ति देने के लिए तैयार किया गया। खुले, समुदाय-अनुरक्षित विकल्पों में Wikidata शामिल है, जो 2012 में Wikipedia के संरचित साथी के रूप में लॉन्च किया गया, जो अनुसंधान और अनुप्रयोगों के लिए व्यापक रूप से उपयोग किया जाने वाला मुफ्त ज्ञान ग्राफ संसाधन बन गया है।
AI प्रणालियों में उपयोग
ज्ञान ग्राफ ने Large language model प्रणालियों के युग में नया महत्व प्राप्त किया है, जो Hallucination (AI) के प्रति प्रवण हैं, विश्वसनीय लेकिन झूठे कथनों को आत्मविश्वास से उत्पन्न करते हैं। एक भाषा मॉडल को ज्ञान ग्राफ के साथ जोड़ना सत्यापित संरचित तथ्यों में आउटपुट को Grounding (AI) करने के लिए एक तंत्र प्रदान करता है, या तो प्रॉम्प्ट में शामिल करने के लिए प्रासंगिक उपग्राफों को पुनः प्राप्त करके, जो Retrieval-augmented generation का एक प्रकार है, या उत्पन्न दावों को ग्राफ के विरुद्ध बाद में सत्यापित करके। ज्ञान ग्राफ Semantic search प्रणालियों में क्वेरी और इकाइयों को अस्पष्टता से मुक्त करने के लिए भी उपयोग किए जाते हैं, जो Vector database में संग्रहीत घने Embedding-आधारित पुनर्प्राप्ति विधियों का पूरक हैं, और उद्यम सेटिंग्स में AI प्रणालियों को स्वामित्व, संरचित संगठनात्मक ज्ञान तक पहुँच प्रदान करने के लिए जो कभी भी मॉडल के प्रशिक्षण डेटा का हिस्सा नहीं था।
सीमाएँ
ज्ञान ग्राफ का निर्माण और रखरखाव श्रम-गहन है: असंरचित स्रोतों से सटीक संरचित तथ्य निकालने के लिए पर्याप्त मानव क्यूरेशन या त्रुटि-प्रवण स्वचालित निष्कर्षण की आवश्यकता होती है, स्कीमा डोमेन के विकसित होने पर पुरानी हो सकती हैं, और कवरेज अच्छी तरह से प्रलेखित डोमेन के बाहर अनिवार्य रूप से अधूरी है। इन सीमाओं ने संकर दृष्टिकोणों को प्रेरित किया है जो प्रतीकात्मक ज्ञान ग्राफ की सटीकता और ऑडिट-क्षमता को तंत्रिका विधियों की लचीलापन और व्यापक कवरेज के साथ जोड़ते हैं, जो Expert system से उत्पन्न स्पष्ट, संरचित प्रतिनिधित्व और Natural language processing और Machine learning से व्यापक रूप से सांख्यिकीय पैटर्न सीखने के बीच AI में एक लंबे समय से चले आ रहे तनाव को प्रतिध्वनित करता है।