„Az adat az új olaj”, untig ismételt mondat, klisének számít. A hasonlatban rejlő egy ellentmondást azonban mindenképp fontos kiemelni, annak ellenére is, hogy a magazin egy korábbi számában volt már erről szó. Míg a nyersolaj-készleteink felhasználása sokkal gyorsabb ütemben történik, mint ahogy létrejön a természetben, az adat vonatkozásában ennek pont az ellenkezője igaz. Az adatvagyonban rejlő érték kiaknázása jelentős kihívást jelentett már eddig is, és ez a kihívás csak fokozódik, új megközelítésre van szükség az adatmenedzsment területén.
A tudásgráf az információt entitásokként (csomópontokként) és kapcsolatokként (élekként) ábrázolja. Célja, hogy olyan módon tárolja és rendszerezze az információkat, amely lehetővé teszi a számítógépek számára az adatok szemantikai jelentésének és összefüggéseinek megértését, és intuitív módon teszi elérhetővé az információt az emberek számára.
Fontos leszögezni, hogy nem (elsősorban) egy technológiai vívmányról van szó, hanem egy újfajta megközelítésről. Az információ gráfszerű struktúrában való tárolása és ábrázolása lehetővé teszi a komplexebb adatelemzést, következtetést és lekérdezést, aminek révén a gépek az információ mögötti értelmet is látják, az emberek számára pedig intuitív felfedezést és megértést biztosít.
„Az üzlet több nyelven beszél, de egyik sem az informatika nyelve.”
Az üzletnek információra van szüksége, adatigényét természetesen nem adatbázis sémák, táblák és SQL kódrészletek segítségével fogalmazza meg. Ráadásul az üzlet néha „több nyelven is beszél”, ugyanaz a szó a különböző területeken eltérő értelmezéssel bír, vagy épp több megnevezést is használnak ugyanarra a fogalomra.
Tehát az üzleti oldal meghatározza, hogy milyen információra van szüksége, milyen számok, milyen csoportokra bontva, milyen szűrési lehetőségekkel. Az illetékes fejlesztő vagy üzleti elemző kolléga pedig kideríti, hogy melyik adat melyik rendszerben érhető el, az üzleti igényt lefordítja az adatok nyelvére.
Azonban előfordul, hogy az üzleti nyelvben használatos megnevezés nem ad kellően egzakt definíciót ahhoz, hogy beazonosítsuk az adat forrását, vagy éppen az adatbázisban van több hasonló adat hasonló definícióval, és az üzlet nem tudja eldönteni, hogy melyikre van szüksége. Ezekben az esetekben több úton is elindulhatunk, de van, hogy egy gyakorlatias megközelítés a leghatékonyabb, megkérjük a felhasználót, hogy mutassa meg az alkalmazás felületén a keresett adatot.
Sikeresen beazonosítottuk az adat forrását, fejlesztés, tesztelés, majd a jelentést éles üzembe állítottuk. Törvényszerű, hogy előbb-utóbb az azonos névvel illetett adatokat a különböző jelentésekben összevetik, amiből a megfelelő ismeretek hiányában félreértések és konfliktusok születnek. Előfordul, hogy a szoftverkódot kell visszafejteni ahhoz, hogy tisztázzuk az eltérések okát. Tehát sok idő (pénz) árán lefordítottuk az üzleti definíciót programnyelvre, hogy elkészüljenek az üzletmenetet támogató jelentések, majd sok idő (pénz) árán ugyanezt elvégezzük az ellenkező irányban, hogy a félreértéseket tisztázzuk.
A megoldás: a tudásgráf
A korábban említett szituációt képzeljük el egy olyan vállalatnál, ahol elérhető a vállalat minden alkalmazottja számára egy tudásgráfon keresztül az adatvagyon és tudásbázis. Az adatforrások, riportok, minden adattermék rögzítve van a tudásgráfban a közöttük lévő kapcsolatokkal együtt, tehát bármely riport bármely adatának könnyen felderíthető a forrása, mely alkalmazáson keresztül rögzítik, és milyen transzformációkon megy keresztül.
Az informatika és az üzlet nyelve összekapcsolódik, az üzleti területek az adott fogalomhoz társított eltérő definíciói transzparenssé válnak. Az adatokhoz való hozzáférésre vonatkozó információk is elérhetők a tudásgráfban, így a tervezett felhasználói kör jogosultsága könnyedén ellenőrizhető, ezzel támogatva a jogosultságkezelést.
Az informatikai fejlesztési projektek minden fázisát felgyorsítja és megkönnyíti a jól kidolgozott tudásgráf, illetve a vállalati működés számos egyéb területét támogatja. Az adatokat gyorsabban (és alacsonyabb költségek mellett) tudjuk az üzlet szolgálatába állítani, szélesebb körű hozzáférést és könnyebb elérést biztosíthatunk, előtérbe helyezve az adatok közötti kapcsolatokat.
A tudásgráf egyik legfontosabb hozzáadott értéke a felfedezés szabadsága, ami a gráf struktúrában tárolt adatokból és azok vizualizációjának egyszerűségéből adódik, illetve az, hogy a gép és ember közös nyelvének tekinthetjük.
Mesterséges intelligencia és tudásgráf
A tudásgráf gazdag információt kínál az adatokról és azok összefüggéseiről, ezáltal az MI modellek nagyobb mélységben és részletességben képesek elemezni az adatokat, és átfogóbb „megértésre” képesek.
A mesterséges intelligenciát alkalmazó chatbotok fejlesztéséhez hatalmas mennyiségű adatra van szükség, továbbá egy operátorra (emberre), aki a chatbot által a kérdésekre adott válaszokat értékeli (helyes/helytelen), és visszajelzést ad a rendszernek a fejlődés érdekében. Minél összetettebb párbeszédekre és szituációkra igyekszünk felkészíteni a chatbotot, annál nagyobb tanító adathalmazra (valós vagy való életben vélhetően előforduló párbeszédekre) van szükség, amely gyakran nem áll rendelkezésre. A tudásgráf képes a chatbotok fejlesztésének költségeit csökkenteni, működésük megbízhatóságát és minőségét pedig jelentősen növelni azáltal, hogy nem csak előre betanított kérdésekre tud válaszolni, illetve a tanítás idejét rövidíti és a tanításhoz szükséges adathalmaz méretét csökkenti.
Képzeljünk el egy telekommunikációs vállalat ügyfélszolgálati tevékenységét támogató chatbotot, amelynek működését tudásgráffal optimalizáljuk. A tudásgráfban elérhető a vállalat összes szolgáltatása, a különböző szolgáltatásokban elérhető csomagok, illetve a szolgáltatási területek. Ez az egyszerű tudásgráf lehetővé teszi, hogy a chatbot válaszoljon olyan kérdésekre, mint például: „Gyöngyösön elérhető a ’Hyper 1000 Mbit/s’ internetcsomag?”. A tudásgráfban rendelkezésre áll minden szükséges információ, aminek segítségével értelmezni tudja a gép a kérdést, a válaszát pedig tények alapján adja meg. A fenti kérdés tudásgráfja:
– Az internetszolgáltatás része a szolgáltatási portfóliónak.
– A „Hyper 1000 Mbit/s” egy internetes szolgáltatási csomag.
– Gyöngyös egy település Magyarországon.
– Gyöngyösön elérhető a „Hyper 1000 Mbit/s” internet csomag.
A tudásgráf a generatív MI megoldások megbízhatóságát és minőségét is javítja. Az „MI-hallucináció” jelensége miatt előfordul, hogy a szöveges tartalmat generáló MI-modellek nem tényeken alapuló, helytelen, vagy kontextusba nem illő válaszokat adnak. Ennek oka, hogy az MI-modellek elsősorban statisztikai alapon működnek, nem beszélhetünk valódi megértésről. A tudásgráf képes biztosítani a kontextust és az információt (tényeket) a megfelelő struktúrában és kapcsolatokkal, ennek révén az MI-hallucináció gyakorisága csökken. A tudásgráfot validációra használva az MI-modell tényeken alapuló helyes válaszokat ad a felhasználónak, vagy éppen „tudatában” lesz annak, ha nem képes megalapozott választ adni.
De nemcsak a tudásgráf támogatja a különböző MI-megoldásokat, hanem fordítva is. Az MI alkalmazásával akár a nem strukturált adatforrásokból is gyorsan és hatékonyan kinyerhetők az entitások és azok közötti kapcsolatok, amelyek a tudásgráf alapjait adják, így felgyorsítva a tudásgráf kialakítását és támogatva annak folyamatos frissítését.
Zárógondolat
Napjainkban az adat- és tudásmenedzsmentnek nagyobb a jelentősége, mint valaha, az adatok felhasználásának sebességét és rugalmasságát javítanunk kell, hogy a lehető legnagyobb mértékben legyünk képesek kiaknázni a benne rejlő potenciált. Többek között ebben képes hatékonyan támogatni minket a tudásgráf. A tudatos és célorientált megközelítés segít abban, hogy a vállalatok gyorsan, alacsony kezdeti költségekkel számos területen profitáljanak a tudásgráfok alkalmazásából.
