يمثل الرسم البياني المعرفي، المعروف أيضا باسم الشبكة الدلالية (Semantic Network)، شبكة من كيانات العالم الحقيقي - مثل الكائنات (Objects) أو الأحداث (Events) أو المواقف (Situations) أو المفاهيم (Concepts) - ويوضح العلاقة بينها. تُخزن هذه المعلومات عادةً في قاعدة بيانات رسومية (Graph Database)، ويتم عرضها كهيكل رسومي، مما يؤدي إلى استخدام مصطلح "الرسم البياني" المعرفي.
يتكون الرسم البياني للمعرفة من ثلاثة عناصر رئيسية: العقد (Nodes) والحواف (Edges) والتسميات (Labels). تمثل العقدة الكيانات مثل الأشخاص، أو الأماكن، أو الأشياء تصف الحافة العلاقة بين العقد على سبيل المثال، قد تمثل العقدة عميلًا مثل IBM وعقدة أخرى وكالةً مثل Ogilvy، في حين تصف الحافة العلاقة بينهما بأنها علاقة عملاء.
يمثل (أ) الفاعل، ويمثل (ب) المسند إليه، في حين يمثل (ج) المفعول به
ومن الجدير بالذكر أيضًا أن تعريفات الرسوم البيانية المعرفية ليست موحدة حيث تشير بعض الأبحاث إلى أن الرسم البياني المعرفي لا يختلف عن قاعدة المعرفة أو الأنطولوجيا (Ontology). وتُشير هذه الأبحاث إلى أن المصطلح اشتهر عندما قدمت Google الرسم البياني المعرفي الخاص بها في عام 2012.
كثيرا ما يتم ذكر التوصيفات أيضا في سياق الرسوم البيانية المعرفية، لكن هناك نقاش مستمر حول كيفية تمييزها عن الرسوم البيانية المعرفية. بشكل عام، تهدف التوصيفات إلى إنشاء تمثيل رسمي للكيانات في الرسم البياني. عادةً ما تستند التوصيفات إلى التصنيف الهرمي (Taxonomy)، ولكن نظرًا لإمكانية احتوائها على تصنيفات متعددة، فهي تحتفظ بتعريف مستقل. نظرًا لأن كلًا من الرسوم البيانية المعرفية والتوصيفات يتم تمثيلها بطريقة مشابهة - أي باستخدام العقد والحواف - وتعتمد على ثلاثيات إطار توصيف الموارد (RDF)، فإنها تبدو متشابهة في التصورات البصرية.
لنأخذ مثالًا على مكان معين مثل Madison Square Garden: تتميز التوصيفات بفصل الأحداث التي تقام في هذا الموقع بناءً على متغير مثل الوقت. على سبيل المثال، قد يستضيف فريق رياضي مثل New York Rangers سلسلة من المباريات خلال موسم معين داخل هذا الملعب. جميعها مباريات هوكي تُقام في نفس المكان، لكن يتم تمييز كل حدث عن الآخر بناءً على التاريخ والوقت.
لغة توصيف الويب (OWL) هي مثال على توصيفات معتمدة على نطاق واسع، يدعمها اتحاد شبكة الويب العالمية (W3C)، وهو مجتمع دولي يدعم المعايير المفتوحة لضمان استمرارية الإنترنت. في النهاية، يتم دعم هذا التنظيم المعرفي من خلال بنية تحتية تقنية تشمل قواعد البيانات، واجهات برمجة التطبيقات (APIs)، وخوارزميات التعلم الآلي.تعمل هذه البنية التحتية على تمكين الأفراد والخدمات من الوصول إلى المعلومات ومعالجتها بكفاءة أكبر.
عادةً ما تتألف الرسوم البيانية المعرفية من مجموعات بيانات مأخوذة من مصادر متعددة، تختلف عادةً في بنيتها. تعمل المخططات والهويات والسياق معا لتوفير بنية لهذه البيانات المتنوعة. توفر المخططات إطار عمل الرسم البياني المعرفي، وتصنف الهويات العقد بشكل تتصنيفًا صحيحًا، في حين يحدد السياق البيئة التي توجد فيها تلك المعرفة. تساعد هذه العناصر على التمييز بين الكلمات ذات المعاني المتعددة. هذا يتيح للمنتجات، مثل خوارزمية محرك بحث Google، من التمييز بين "Apple" كعلامة تجارية و"apple" كفاكهة.
تعتمد الرسوم البيانية المعرفية، المدعومة بتقنيات التعلم الآلي، على معالجة اللغة الطبيعية لبناء رؤية شاملة للعقد والحواف والتسميات من خلال عملية تُعرف باسم الإثراء الدلالي (semantic enrichment). عندما يتم إدخال البيانات، تتيح هذه العملية للرسوم البيانية المعرفية التعرف على الكيانات الفردية وفهم العلاقات بينها. بعد ذلك، يتم مقارنة هذه المعرفة العملية ودمجها مع مجموعات بيانات أخرى ذات صلة وطبيعة مشابهة. بمجرد اكتمال الرسم البياني المعرفي، يمكن استخدامه في أنظمة الإجابة على الأسئلة وأنظمة البحث لاسترجاع وإعادة استخدام الإجابات الشاملة للأسئلة المطروحة. بينما تُظهر المنتجات الموجهة للمستهلكين قدرتها على توفير الوقت، يمكن تطبيق الأنظمة ذاتها في بيئات الأعمال، مما يُلغي الحاجة إلى جمع البيانات يدويًا ودمجها لدعم اتخاذ القرار.
تساهم جهود دمج البيانات حول الرسوم البيانية المعرفية في إنشاء معرفة جديدة، حيث تُنشئ روابط بين نقاط البيانات التي ربما لم تكن واضحة سابقًا.
هناك عدد من الرسوم البيانية المعرفية الشائعة الموجهة للمستخدمين، التي تحدد توقعات المستخدم لأنظمة البحث داخل المؤسسات. من بين هذه الرسوم البيانية المعرفية ما يلي:
ومع ذلك، فإن الرسوم البيانية المعرفية لها استخدامات في صناعات أخرى أيضًا، مثل:
يمكنك بسهولة تصميم مساعدي ووكلاء الذكاء الاصطناعي القابلين للتوسع وأتمتة المهام المتكررة وتبسيط العمليات المعقدة باستخدام IBM watsonx Orchestrate.
تسريع قيمة الأعمال باستخدام مجموعة قوية ومرنة من مكتبات وخدمات وتطبيقات الذكاء الاصطناعي.
أعدّ ابتكار عمليات ومهام سير العمل الحساسة بإضافة الذكاء الاصطناعي لتعزيز التجارب وصنع القرارات في الوقت الفعلي والقيمة التجارية.
IBM® ™Granite هي مجموعة من نماذج الذكاء الاصطناعي المفتوحة والموثوقة وذات الأداء العالي والتي صُمِمَت خصيصًا للأعمال وجرى الارتقاء بها على النحو الأمثل لتوسيع نطاق تطبيقات الذكاء الاصطناعي لديك. استكشف خيارات اللغة والتعليمات البرمجية والسلاسل الزمنية وضوابط الحماية.
اكتشف كيف يمكن أن تساعدك معالجة اللغة الطبيعية على التحدث بشكل أكثر طبيعية مع أجهزة الكمبيوتر.
لقد قمنا باستطلاع آراء 2000 مؤسسة حول مبادرات الذكاء الاصطناعي لديها لمعرفة ما ينجح وما لا ينجح وكيف يمكنك المضي قدمًا.
استكشف الموقع الإلكتروني لمطوري IBM للوصول إلى المدونات والمقالات والنشرات الإخبارية وتعرف على المزيد عن الذكاء الاصطناعي القابل للتضمين من IBM.
تعلّم المفاهيم الأساسية وطوّر مهاراتك من خلال المختبرات العملية والدورات التدريبية والمشاريع الموجهة والتجارب وغيرها.