學貫中西(5):以AI表達五言唐詩的知識圖譜

1   ML模型的創新組合

前面幾期里，說明了AI（人工智能）ML（機器學習) 模型的記憶和推論技能，善于表達事物或現象之間的關系。于是，我們可以建立許多個AI 模型，然后把它們串連組合起來，就能夠表達形形色色的知識網絡(Knowledge Networks)，又稱為知識圖譜(Knowledge Graph)。在本期里，將舉唐朝的五言詩為例，首先建立3 個簡單的ML 分類(Classification) 模型，然后把它們組合起來，表達出五言唐詩的基本知識圖譜。

圖1

2   復習NN模型：表達事物之關系

茲復習上一期NN（神經網絡）模型的范例( 圖1)。這個ML 模型表達了氣候變化之間的關系：春暖→夏暑→秋涼→冬寒→春暖→…。這項人類已知的智慧( 即關聯性)，就可以讓機器( 計算機) 來學習、記憶它，然后依據它進行推論或預測。以此類推，這樣的簡單ML 模型，也可以表達出唐詩的< 句子> 與< 作品名稱>( 或作者) 之間的關系( 圖2)。

從這Excel 畫面上( 如圖2)，按下< 學習> 按鈕，這ML 模型就會記住這些詩句與作品名稱之間的關系。一旦記住了，就能隨時進行聯想或推理。例如，這個Excel 畫面上( 如圖3)，按下< 測試> 按鈕，就可以來測試一下ML 模型是否真正記住了這些關系。

圖2

圖3

于是，按下了這< 測試> 按鈕( 圖3)，就可以迅速得出這兩個詩句是來自那一首詩，輸出了其作品名稱( 圖4)。

圖4

這是ML 模型的基本技能，它透過機器學習而記住了< 詩句> 與< 作品名稱> 之間的關系，如圖-5 所示。

圖5

圖5 顯示的是典型的ML 分類器模型。我們可以建立更多這樣的模型，來表達各式各樣的事物之間的復雜關系。

3   設計新的ML模型，并進行訓練

剛才已經設計了一個ML 模型，表達了一項五言唐詩的基礎關系。現在繼續來增添更多ML 模型，來表達更多關系。例如，增添2 個新模型，如圖6。

圖6

圖6 中的第1 個分類器，就是剛才已經建立的ML模型。第2 個分類器則表達出< 作品名稱> 與五言詩的< 格律> 之關系。而第3 個分類器則表達出< 作品名稱> 與詩的< 境界> 之關系。設計好了這3 個分類器之后，就來收集五言唐詩的數據，如圖7，來訓練這些ML 分類器( 模型)。

基于這些數據，就來對這三個模型展開訓練；而這些分類器的結構和訓練流程都是一樣的，只是訓練數據不同而已。其中，最左方欄是< 詩句>，左二欄是< 作品名稱>，右二欄是< 格律>，而最右欄是< 境界>。例如，典型格律有四種：仄起仄收、仄起平收、平起仄收、平起平收。而典型的境界有三種：物境、情境、意境。接著，就拿< 詩句> 欄和< 作品名稱> 欄的數據，來訓練第1 個分類器( 模型)。接著，拿< 作品名稱>欄和< 格律> 欄的數據，來訓練第2 個分類器。然后，拿< 作品名稱> 欄和< 境界> 欄的數據，來訓練第3個分類器。這樣就完成分類器的訓練了。

圖7

4   模型的整合測試

剛才把三個分類器串聯起來( 圖6)，展現出五言唐詩的知識圖譜的雛形了。可以從< 詩句> 串聯到< 作品名稱>，繼續串聯到< 格律> 和< 境界>。就來設計一個Excel 畫面，從輸入詩句出發如圖8。

圖8

請您按下< 測試>，就會取得第1 個詩句：< 黃河入海流>。然后把這詩句輸入給第1 個模型，這模型就會輸出作品名稱：< 登鸛雀樓>。然后把這作品名稱輸入給第2 個模型，它就會輸出格律：< 仄仄>。此外，還把這作品名稱輸入給第3 個模型，它就會輸出境界：< 情境>，如圖9 所示。

圖9

請您再按一次< 測試>，就會取得第2 個詩句：<舉頭望明月>。然后把這詩句輸入給第1 個模型，這模型就會輸出作品名稱：< 靜夜思>。然后把這作品名稱輸入給第2 個模型，它就會輸出格律：< 平平>。此外，還把這作品名稱輸入給第3 個模型，它就會輸出境界：< 意境>，如圖10 所示。于是，展現了從一個知識點，可以串聯到許多相關的知識點。

圖10

5   結語

本文展現了借助ML 模型網絡(Networks) 的創新組合，可以表達出各種特色的知識圖譜。人人都可以輕易地設計及實現自己所需要的更多模型，組合出更大更完美的知識圖譜了。

（本文來源于《電子產品世界》雜志2022年3月期）