建立中游知識圖來支撐企業(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，展開訓練中游GNN模型，來支持下游企業(yè)建立可信、可控、可更新的主權式AI系統(tǒng)。

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 <KG+GNN+CF+LLM>的整合架構設計，推導出高效的主權AI實踐流程。其包含大語言模型(LLM)協(xié)助構建KG、并訓練GNN推理潛在知識與反事實鏈接(Counterfactual Link, 簡稱：CF_Link), 經由人類進行創(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(tǒng)。

2   復習：三層KG架構設計

由于LLM非萬能，而企業(yè)KG卻是可信知識核心。采用<低監(jiān)督/少標注/高彈性>的實踐策略，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)建構過程中，專家知識不是輔助，而是設計師。他們決定哪些知識能形成語意路徑，哪些節(jié)點之間存在潛在可推理的因果鏈。例如，三層KG架構的特質如下：

●   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LLM、GNN與人類決策提供堅實的知識支撐。

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

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

●   下游任務型應用KG：支持多樣化AI應用任務（推薦、風險評估），增加營收（交叉推薦）、降低決策風險。

3   建立行業(yè)中游KG：以乳癌領域為例

3.1   選擇上游通用性大KG

本案例的緣由是：因為在醫(yī)療領域的開源、開放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(yī)療AI任務上，表現非常亮麗。

同時，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系，開發(fā)了一個使用交互張量分解來識別疾病基因關聯的通用性大KG完成模型，稱為：KDGene。其透過感知相關知識，模型能夠學習到不同關系的內涵，賦予生物實體和關系更全面、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(jié)省中、下游模型的訓練速度和成本。

3.2 建立中游領域性KG

本案例是針對<乳腺癌癥>領域，使用神櫻AI團隊自己開發(fā)的SAK-Builer工具，建立了中游領域性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>中游領域性GNN模型

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

圖3 訓練出自主的中游KG

此時，訓練1000回合之后，繼續(xù)加碼訓練25 回合，就完成了。

于是，已成功訓練出一個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(xù)下游任務使用（如分類、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

這項下游任務結合了醫(yī)學影像特征（Ultrasound/MRI）進行多模態(tài)推論，也將GNN輸出的嵌入與CNN影像特征進行融合，提供AI輔助診斷（如預測、分類等）。

如下圖4所示：

圖4 支撐下游主權AI開發(fā)

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

4   邁向決策式主權AI

反事實推理（Counterfactual Inference）與KG的結合愈來愈重要?；贙G+GNN的應用：包括社交網絡分析、醫(yī)療知識圖譜、推薦系統(tǒng)等，反事實推理能夠幫助人們理解和分析圖結構中的因果關系。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，病情可能會如何發(fā)展？」。利用反事實分析來理解不同治療方案的潛在效果，進行個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)揮反事實推理能力。例如思考：如果刪除一個可能的疾病節(jié)點，診斷預測結果會如何變化？使用反事實分析來進行因果推理，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言模型（LLM）與知識圖譜（KG）的實踐方案，作為企業(yè)或產業(yè)建立主權AI 核心的關鍵基礎架構。

5   結語

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），結合圖神經網絡（GNN）與大型語言模型（LLM）。透過三層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，推動智能推理與反事實分析，建立真正屬于自己的主權式AI系統(tǒng)。

（本文來源于《EEPW》202505）