本文链接:https://blog.csdn.net/shiliang97/article/details/101155502 2-9 彩虹瓶 (20 分) ?
这个时机选择极具战略眼光——本体论与大模型的结合正在创造前所未有的协同效应。 本体论赋能大模型体现在三个维度。 更重要的是,本体论提供的是可追溯、可解释的知识,大模型的推理结果可以沿着本体论的关系链追溯到原始数据,这在金融、医疗、军事等高风险领域是刚需。 大模型加速本体论则体现在建模效率的革命性提升。 传统本体论依赖专家人工梳理和建模,周期长、成本高、难以规模化。 大模型能够基于企业已有数据自动识别业务实体和关系,生成本体论的初始框架或模板,大幅降低知识图谱的构建门槛。 边界与局限 尽管本体论价值显著,但它不是万能解药。 在数值优化领域,本体论不如专业算法引擎。 调度、排产、路径优化等场景需要借助线性规划、约束求解等专业算法,本体论擅长的是关系建模和因果推理,而非最优计算。 在高频实时数据场景下,本体论需要与流式计算框架配合。
本篇博文意在对前几章中遗漏的,本人觉得有意思的习题当独拿出来练练手。 1、习题2-4,求逆序对,时间复杂度要求Θ(nlgn) 定义:对于一个有n个不同的数组A, 当i<j时,存在A[i]>A[j],则称对偶(i, j)为A的一个逆序对。 譬如:<2,3,8,6,1>有5个逆序对。 解题思路:归并排序的思想:逆序对的数量=左区间的逆序对+右区间的逆序对+合并的逆序对 代码如下: 1 #include <iostream> 2 #include <vector> 3 using namespace std
这大半年,本体论实在是太火了。我自己也在公众号和视频号里聊了很多期,从西方哲学的本体论,到 Palantir 的本体,到对象行为规则建模,再到本体驱动 AI 原生应用。 坦白说,看到这么多人开始重视和研究本体论,包括能找到不少朋友共同研讨,本身是一件好事。 但最近我也越来越不安。因为我发现,本体论正在被捧成一种无所不能的神话,变成了一种能包治百病的灵丹妙药。 不是否定本体论,而是想认真地划一划它的边界:本体论到底适合解决什么问题,又有哪些场景根本不该硬上本体。讲清楚边界,本体论才不会沦为一个空洞的口号。 所以你看,本体论不是不强大,它在自己的主场里强大得惊人。但也正因为它的主场如此明确,我们才更不该把它当成万能钥匙到处乱插。 本体论不是灵丹妙药,它是一把需要对准特定锁孔的钥匙。 看清场景、看清问题、看清那两个轴和那道门槛,本体论才能真正发挥价值,而不是沦为又一个被吹上天、最后摔下来的技术神话。 好了,今天的分享就到这里。 希望对正在研究本体论的朋友有所启发。再见。
当AI遇见真实业务 要理解Palantir为什么能在这个AI时代脱颖而出,只需要抓住一个核心关键词:本体论(Ontology)。
而本体论恰好是给这堵墙开门的钥匙。 第二部分:从第一性原理思考本体论在运维中的价值 要理解本体论为什么对智能运维这么重要,得回到运维的第一性原理。 第四部分:本体论与 AI 原生——为什么智能体离不开本体论 最近一年讨论本体论的人突然多了起来,这背后有一个最直接的推手:AI 原生(AI-Native)。 本体论恰好是给这堵墙开门的钥匙。 这一部分先讲清楚什么是 AI 原生、为什么它离不开本体论,再讲落到运维场景的具体协同模式。 4.3 为什么本体论恰好是 AI 原生的必备底座 把上一节的痛点反过来想,就明白本体论为什么突然热起来: 1.
本文档整理自我和Claude大模型关于Palantir本体建模的一次完整的技术对话,涵盖 Palantir Foundry / AIP 平台的本体论建模机制、供应链场景应用、与数据中台的集成方案,以及大模型决策回写的实现路径 目录 Palantir 本体论建模平台概览 供应链场景:数据在可视化图谱上的流动 大模型决策如何回写业务系统 与已有数据中台的集成方案 库存周转率告警驱动决策的完整解决方案 1. Palantir 本体论建模平台概览 问:你是否对 Palantir 的基于本体论建模的平台熟悉?在该平台上有一个运营平台,可以对本体论模型进行动态模拟或推演。 平台整体架构 Palantir Foundry / AIP 平台由五个层次构成,自上而下协同运转: 【架构图占位】 Palantir 本体论平台五层架构图 (数据采集层 → 集成与转换层 → 本体论建模层 三、本体论建模层(Ontology)—— 核心 这是平台最具特色的部分,包含四类核心元素: Object Type(对象类型):等同于业务实体的"类定义",比如"飞机"、"零件"、"人员"。
它不让你直接去碰那些表格和字段,而是先构建了一层数字孪生——他们管这个叫Ontology,中文翻译是本体论。 这个本体论做什么呢? 它把冷冰冰的数据库数据变成了现实世界的实体。 和ChatBI对比 有了这个本体论基础,Palantir的AI处理起问题来就完全不一样了。 Palantir不存在这个问题,因为AI面对的是已经工程化建模过的本体论,它调用的每一个数据都是经过业务验证的API或对象。 当然,Palantir也不是完美的,它的本体论构建需要大量的前期投入,不是每个企业都愿意花这个成本。 但在企业级数据分析这个领域,它确实走出了一条不一样的路,你觉得呢?
abstract_id=5228625 引言 本研究发展出一种哲学本体论,在其中,“分化”被设定为首要的本体论范畴,优先于所有传统的形而上学基础。 将分化视为一种不可还原为主观活动或逻辑功能的本体论基础的思想,在其他哲学语境中也曾出现。吉尔·德勒兹将分化理解为一种独立于同一性与否定的原初本体论力量。 相反,它们构成了分化在特定本体论场景中运作方式的原始区分 。它们描述了本体论清晰性的基本方向,独立于空间延展或时间连续性的完整概念。 进化本体论: 现实中发生的种种变化——物理的、生物的、认知的或社会的变化——可以从本体论上被理解为分化主导模态与程度的变化 。 这使得在本体论意义上出现可预测性 成为可能,也就是说,它建立了一种分化模态,使得差异嵌入到一个规律的本体论场景之中。 物理法则就是这种耦合的典型例子。
本题要求编写程序,计算2个正整数的和、差、积、商并输出。题目保证输入和输出全部在整型范围内。
HVAC-KG-RAG 项目在系统架构和代码实现中深度融入了本体论(Ontology)思想。 这套基于本体论的规则,则在回答 HVAC 领域的知识应该如何被表示、连接、约束和判断。 有了这些规则,AI 就可以从一个爱吹牛的聊天机器人,变成了一个严谨、可靠、懂行的工程师。
核心设计一:本体论 = 数据标准体系 1. 本体的本质 在这个项目中,本体论是领域数据标准 + 元数据模型。 我定义了一套 HVAC 领域的统一语义结构。 13类实体,如设备、参数、工艺、故障等。
代码清单2-9 ULONGLONG Count1InAInteger(ULONGLONG n) { ULONGLONG iNum = 0; while(n !
为了解决这个底层冲突,在 HVAC-KG-RAG 项目中,我引入了计算机科学中的本体论(Ontology)。 用第一性原理来解释,本体论就是对现实世界的一种建模。 大模型眼里的世界,是一堆乱码般的词向量。 而在本体论眼里的世界,一切事物都有清晰的因果关系。 本体论做了三件触及本质的事。 1. 从数据驱动转变为先验约束 AI 从海量数据中归纳出经验,如果语料里有脏数据,AI 就会学进去并输出。 本体论是领域专家在 AI 运行之前,自上向下写死一套规则。 本体论是我们的秘密武器,市场上没有任何其他东西能与之接近。 在 Palantir 的技术体系中,本体论是其两大核心旗舰产品 Foundry 和 AIP 的系统基石。 它将本体论落地为三个层面。 1. 在 B 端和工业 AI 领域,得本体论者得天下。 只有将概率的 AI 关进本体论的规则牢笼,才能创造出真正具备商业变现能力和工程安全性的工业大模型。
这份文档是我和AI关于西方哲学本体论的一次沟通和对话,探讨西方哲学从本体论到认识论的演进。 如何理解西方哲学中本体论的研究基础? 康德的“哥白尼式革命”指出人类永远无法触达事物的“物自体”(本质),只能认识“现象”,从而将本体论问题强行转换为了认识论问题。 海德格尔的本体论与外在环境、时间有什么必然联系? 问: 可否这样理解:海德格尔打破了主观与客观的二元对立,将本质和存在融合。他不仅研究作为结果的“存在者”,更研究存在的“过程”。 海德格尔提出了“向死而生”(Being-towards-death): 死亡是一种存在方式: 本体论的死亡不是断气的一刻,而是对“我必然会死”的觉知。 巴门尼德是本体论的基础奠基者,而海德格尔是本体论的集大成者。 答: 高度认可。
DDD也有类似概念其中,领域驱动设计(DDD)确实有和本体论非常相似的概念。例如:领域驱动设计中的“统一语言”(UbiquitousLanguage),与本体论中的概念定义是一致的。 为什么是“本体论”那为什么AI时代选择了本体论,而不是大家非常熟悉的领域驱动设计(DDD)呢?要知道,搞工程、写代码的人,其实应该比较熟悉领域驱动设计才对。 其实这有比较深层次的原因:本体论拥有成熟的工具链和标准体系领域驱动设计没有专用的工具,而本体论则拥有丰富的规则、多种标准语言和工具链。 早在2000年,语义网(我也是第一次听说这个网站)就建立了本体论的相关标准。关键区别在于:领域驱动设计是一种方法论,缺乏标准化的工具;而本体论是一项可以执行的技术标准。 本体论恰好提供了一个统一的语义框架。无法支持自动推理:领域驱动设计需要程序员编写所有业务逻辑。而本体论凭借其规范化的规则、标准以及完善的工具链,能够支持基于知识的自动推导。
Lucas 什么是本体论? 本体论作为科学的一部分, 有很多面孔。 起初, 本体论是关于"存在"哲学的一部分, 也是描述世界的物体、现象和规律的通用知识体系。 近年来, 本体论的发展已经从人工智能领域转向语义网。 网络上的本体论, 包括从对一般网页内容(如 schema.org)进行分类, 到销售产品及其功能(如亚马逊网站)。 虽然句法语言(例如 OWL、 RDF 和 RDFS)可以用来构建本体论, 而本节将关注与任何特定建模语言无关的方法论。 信息模型的类 信息模型作为一个知识领域, 可以有自己的本体, 可以建立一个多层次的本体论。 信息模型顶级对象类(ODEF Information-set)可用于包含定义信息模型的子类(图20)。 [图20 | 一个信息模型类层次结构] 数据类型的本体 数据类型和测量单位(如 QUDT.org)的本体论可以为商业和技术提供基础语义互操作性。 数据类型类可以作为信息模型的子类来建模。
本体论到底在解决什么问题 2024年,Palantir和BP达成AIP合作,2025年又与xAI推出金融AI解决方案。空中客车用Foundry优化航空航天制造流程,实现了25倍ROI。 本体论到底有什么魔力? 简单说,本体论不是哲学课上讨论的存在的本质,而是Palantir用十多年时间打磨出的企业AI语义操作系统。 SAP叫"Material_Code",用友叫"物料编号",MES叫"零件ID"——本体论告诉你,这些都是“零件”这个对象。 不用改老系统,但在上层统一了语言。 说白了,传统中台告诉你库存不够了,本体论直接帮你把单下了。 结语 数据中台建了这么多年,为什么效果一直不行? 不是因为数据不够多,而是因为太关注数据本身了。 本体论不只是一个技术方案,它是一种思维方式的转变:从“存数据”变成“管业务”,从“看报表”变成“做决策”。 2024年数睿数据发布的数据通,就是对Palantir本体论的轻量级本土化实践。
今天接着再跟大家聊一下本体论,因为最近在我好几个群里面,本体论聊得相当的火热,但是总感觉大家仍然还是在谈本体论一些基础的概念,或者是连概念都没有搞清楚。 好了,如果你原来还学习过相关的一些基础的西方哲学,你可能更容易了解本体论。因为本体论这个词本身就来源于西方哲学,我原来在讲哲学的时候就谈到里面两大分支:一个是本体论,一个是认识论。 所以我今天在聊本体论,我准备聊三个方面的内容: 第一,我还是想从最初的软件系统开发、软件建模来谈起。 第二,接着来谈Palantir的本体论究竟解决了一个什么样的本质问题。 在原来我讲的时候我就一直谈到:本体论它其实没有什么太多新鲜的东西,本体论的建模的思路本身就跟我们原来讲的面向对象分析设计建模的思路完全是一致的。那为什么现在回来又要谈到本体论的建模? 而且在前面我有一个视频,我专门在讲本体论建模的时候,我还讲了一个相当重要的东西:本体论的建模一定是围绕对象这个核心展开的。
今天接着再跟大家聊一下本体论,因为最近在我好几个群里面,本体论聊得相当的火热,但是总感觉大家仍然还是在谈本体论一些基础的概念,或者是连概念都没有搞清楚。 好了,如果你原来还学习过相关的一些基础的西方哲学,你可能更容易了解本体论。因为本体论这个词本身就来源于西方哲学,我原来在讲哲学的时候就谈到里面两大分支:一个是本体论,一个是认识论。 所以我今天在聊本体论,我准备聊三个方面的内容: 第一,我还是想从最初的软件系统开发、软件建模来谈起。 第二,接着来谈Palantir的本体论究竟解决了一个什么样的本质问题。 在原来我讲的时候我就一直谈到:本体论它其实没有什么太多新鲜的东西,本体论的建模的思路本身就跟我们原来讲的面向对象分析设计建模的思路完全是一致的。那为什么现在回来又要谈到本体论的建模? 而且在前面我有一个视频,我专门在讲本体论建模的时候,我还讲了一个相当重要的东西:本体论的建模一定是围绕对象这个核心展开的。