Awọn aworan imọ, lakoko ti a ko mọ daradara bi awọn ẹbun iṣakoso data miiran, jẹ agbara ti a fihan ati ojutu iwọn fun sisọ awọn ibeere iṣakoso data ile-iṣẹ kọja ọpọlọpọ awọn inaro. Gẹgẹbi ibudo fun data, metadata, ati akoonu, wọn pese isokan, deede, ati wiwo ti ko ni idaniloju ti data tuka kaakiri awọn ọna ṣiṣe oriṣiriṣi. Lilo imoye agbaye gẹgẹbi ọrọ-ọrọ fun itumọ ati orisun kan fun imudara, wọn tun mu alaye ti ohun-ini pọ si ki awọn ẹgbẹ le mu ṣiṣe ipinnu pọ si ati rii awọn ibatan ti ko si tẹlẹ laarin awọn ohun-ini data wọn. 

Awọn ile-iṣẹ ti mọ tẹlẹ data ti wọn nilo lati ṣakoso jẹ Oniruuru pupọ, tuka, ati ni awọn ipele ti ko ṣee ṣe ni ọdun mẹwa sẹhin. Eyi nigbagbogbo fi awọn oye iṣowo silẹ ati awọn aye ti o padanu laarin idiju kan ti a ko ni itumọ, data ipalọlọ ati akoonu. Awọn aworan imọ ṣe iranlọwọ lati bori awọn italaya wọnyi nipa isokan iraye si data, pese isọdọkan data rọ, ati iṣakoso data adaṣe adaṣe. Lilo awọn aworan imọ ni ipa nla lori ọpọlọpọ awọn ọna ṣiṣe ati awọn ilana eyiti o jẹ idi Garner sọtẹlẹ pe nipasẹ ọdun 2025, awọn imọ-ẹrọ ayaworan yoo ṣee lo ni 80% ti data ati awọn imotuntun atupale, lati 10% ni ọdun 2021, ni irọrun ṣiṣe ipinnu ni iyara kọja ile-iṣẹ naa. 

Awọn aworan Imo Ti ṣalaye ati Idi ti Awọn Atumọ (ati Ontologies) Ọrọ

Gẹgẹ bi Wikipedia, Aworan imo jẹ ipilẹ oye ti o nlo awoṣe data ti a ti ṣeto iwọn tabi topology lati ṣe aṣoju ati ṣiṣẹ lori data. Ọkan ti awọn aworan imọ jẹ awoṣe imọ - ikojọpọ awọn apejuwe ti o ni asopọ ti awọn imọran, awọn nkan, awọn ibatan, ati awọn iṣẹlẹ nibiti:

• Awọn apejuwe ni awọn itumọ-ọrọ ti o jẹ ki eniyan mejeeji ati awọn kọnputa le ṣe ilana wọn daradara ati lainidi
• Awọn apejuwe ṣe alabapin si ara wọn, ṣiṣẹda nẹtiwọọki kan, nibiti nkan kọọkan ṣe aṣoju apakan ti apejuwe awọn nkan ti o jọmọ rẹ
• Awọn data oniruuru ti sopọ ati ṣapejuwe nipasẹ metadata atunmọ ni ibamu si awoṣe imọ

Nipa ṣiṣẹda apejuwe atunmọ ti o wọpọ, ayaworan imọ jẹ ki ipele ti o ga julọ ti abstraction ti ko gbẹkẹle awọn amayederun ti ara tabi ọna kika data naa. Nigba miran tọka si bi a aṣọ data, o funni ni iṣọkan, ore-eniyan, ati ọna ti o nilari ti iraye si ati ṣepọ data inu ati ita. Lilo awọn metadata atunmọ, awọn aworan imọ n pese wiwo deede ti data ile-iṣẹ oniruuru, imọ-ibarapọ ti o ti tuka kaakiri awọn eto oriṣiriṣi ati awọn onipinnu. 

Pẹlu iranlọwọ ti sisẹ ede adayeba (NLP), awọn iwe ọrọ le tun ṣepọ pẹlu awọn aworan imọ. Fun pe ọpọlọpọ awọn oniwadi sọ pe laarin 75-85% ti oye ti ajo kan wa ni titiipa ni awọn iwe aṣẹ aimi, iye nla ati ọgbọn ti padanu. Awọn opo gigun ti NLP ni anfani lọpọlọpọ, bi awọn ọna itupalẹ ọrọ ti o fafa le ṣee lo nigba apapọ ikẹkọ ẹrọ pẹlu awọn aworan oye. Awọn aworan imọ tun jẹ pataki fun AI atunmọ eyikeyi ati ilana AI ti o ṣalaye.

Ontologies jẹ pataki bakanna, bi wọn ṣe ṣe aṣoju ẹhin ẹhin ti awọn atunmọ iṣe ti iyaya imọ kan. Gẹgẹbi ero data ti iyaya naa, wọn ṣiṣẹ bi adehun laarin awọn olupilẹṣẹ ti ayaworan imọ ati awọn olumulo rẹ nipa itumọ data naa. Olumulo le jẹ eniyan miiran tabi ohun elo sọfitiwia ti o nilo lati tumọ data naa ni ọna igbẹkẹle ati kongẹ. Ontologies ṣe idaniloju oye pinpin ti data ati awọn itumọ rẹ. Nigbati a ba lo awọn itumọ-ọrọ deede lati ṣalaye ati tumọ data ti iwọn imọ kan, ọpọlọpọ awọn aṣoju ati awọn ohun elo awoṣe wa: 

• kilasi: Ni ọpọlọpọ igba, apejuwe nkan kan ni isọdi ti nkan naa nipa ilana ipo kilasi kan. Fun apẹẹrẹ, nigbati o ba n ba awọn iroyin gbogbogbo tabi alaye iṣowo, awọn kilasi le wa ti o pẹlu Eniyan, Ajo, ati Ipo. Awọn eniyan ati awọn ajo le ni aṣoju kilasi-Super ti o wọpọ. Ipo nigbagbogbo ni ọpọlọpọ awọn ipin-kilasi, fun apẹẹrẹ, Orilẹ-ede, Aye ti o pọ si, Ilu, ati bẹbẹ lọ. 
• Awọn ibatan: Awọn ibatan laarin awọn ile-iṣẹ jẹ aami aami nigbagbogbo pẹlu awọn oriṣi, eyiti o pese alaye nipa iru ibatan, fun apẹẹrẹ, ọrẹ, ibatan, oludije, ati bẹbẹ lọ. 
• Categories: Nkan kan le ni nkan ṣe pẹlu awọn ẹka ti o ṣapejuwe diẹ ninu abala ti imọ-ọrọ rẹ, fun apẹẹrẹ, “Awọn alamọran Nla Mẹrin” tabi “awọn olupilẹṣẹ ọrundun XIX.” Iwe kan le jẹ nigbakanna si gbogbo awọn ẹka wọnyi: "Awọn iwe nipa Afirika," "Ti o dara julọ," "Awọn iwe nipasẹ awọn onkọwe Itali," "Awọn iwe fun awọn ọmọde," ati bẹbẹ lọ. Nigbagbogbo awọn ẹka ti wa ni apejuwe ati paṣẹ sinu owo-ori. 
• Ọrọ Ọfẹ: O ṣee ṣe lati ṣafikun “ọrọ ore-eniyan” lati ṣe alaye siwaju awọn ero apẹrẹ fun nkan naa ati ilọsiwaju wiwa.

Awọn aworan Imọ ni Ilana Apejuwe Awọn orisun (RDF)

Ilana Apejuwe Awọn orisun jẹ boṣewa fun ṣiṣe apejuwe awọn orisun wẹẹbu ati paṣipaarọ data, ti dagbasoke ati idiwon pẹlu World Wide Web Consortium (W3C). Yato si RDF, awoṣe ayaworan ohun-ini ti a samisi (LPG) n pese ifihan iwuwo fẹẹrẹ si iṣakoso data iyaya. Awọn LPG nigbagbogbo bori awọn ọkan ti awọn olupilẹṣẹ ti data ba nilo lati gba ipolowo ipolowo ati awọn atupale ayaworan ni a ṣe lakoko iṣẹ akanṣe kan pẹlu iyapa naa ti sọnu lẹhinna. Laanu, akopọ imọ-ẹrọ ni ayika awọn LPG ko ni eto eto tabi awọn ede awoṣe awoṣe ati awọn ede ibeere, ati pe ko si awọn ipese fun awọn atunmọ ilana ati awọn pato ibaraenisepo (fun apẹẹrẹ, ko si awọn ọna kika serialization, awọn ilana ijọba, ati bẹbẹ lọ).

Lakoko ti RDF ngbanilaaye awọn alaye lati ṣee ṣe nipa awọn apa nikan, RDF-Star ngbanilaaye ọkan lati ṣe awọn alaye nipa awọn alaye miiran ati ni ọna yii so metadata lati ṣapejuwe eti kan ni aworan kan gẹgẹbi awọn ikun, awọn iwuwo, awọn aaye igba, ati iṣafihan. Ni gbogbo rẹ, awọn aworan imọ, ti o jẹ aṣoju ni RDF, pese ilana ti o dara julọ fun isọpọ data, isokan, sisopọ, ati ilotunlo, nitori wọn ṣajọpọ atẹle naa:

1. Iyara: Awọn iṣedede ti o wa ninu akopọ Wẹẹbu Semantic - RDF(s) ati OWL - gba laaye fun aṣoju pipe ti ọpọlọpọ awọn oriṣi ti data ati akoonu: ero data, awọn owo-ori, awọn ọrọ-ọrọ, gbogbo iru metadata, itọkasi, ati data titunto si. Ifaagun irawọ RDF jẹ ki o rọrun lati ṣe afihan awoṣe ati awọn metadata eleto miiran. 
2. Itumọ ojuṣe: Gbogbo awọn iṣedede ninu akopọ oju opo wẹẹbu Semantic wa pẹlu awọn itumọ-itumọ ti o ni pato, eyiti o gba eniyan laaye ati kọnputa laaye lati tumọ ero-ọrọ, awọn ontologies, ati data lainidi. 
3. Išẹ iṣe: Gbogbo awọn pato ni a ti ronu ati fihan lati gba laaye fun iṣakoso daradara ti awọn aworan ti awọn ọkẹ àìmọye ti awọn otitọ ati awọn ohun-ini.
4. Ibaraẹnisọrọ: Awọn alaye pato wa fun isọdọkan data, iwọle (Ilana SPARQL fun awọn aaye ipari), iṣakoso (Ile-itaja Graph SPARQL), ati apapo. Lilo awọn idamọ alailẹgbẹ agbaye n ṣe imudarapọ data ati titẹjade. 
5. Ipele: Gbogbo ohun ti o wa loke ti wa ni idiwọn nipasẹ ilana agbegbe W3C, lati rii daju pe awọn ibeere ti awọn oṣere oriṣiriṣi ni itẹlọrun - lati awọn onimọ-jinlẹ si awọn alamọdaju iṣakoso data ile-iṣẹ ati awọn ẹgbẹ iṣẹ ṣiṣe eto. 

Sibẹsibẹ, o ṣe pataki lati ṣe akiyesi pe kii ṣe gbogbo aworan RDF jẹ iyaya imọ. Fun apẹẹrẹ, akojọpọ data iṣiro, fun apẹẹrẹ GDP data fun awọn orilẹ-ede, ti o ṣojuuṣe ni RDF kii ṣe aworan imọ. Aṣoju aworan kan ti data nigbagbogbo wulo, ṣugbọn o le jẹ ko wulo lati gba oye itumọ ti data naa. O tun le to fun ohun elo kan lati ni okun “Italy” ti o ni nkan ṣe pẹlu okun “GDP” ati nọmba naa “$ 1.95 aimọye” laisi nilo lati ṣalaye kini awọn orilẹ-ede tabi kini Ọja Abele Gross ti orilẹ-ede kan jẹ. 

O jẹ awọn asopọ ati awọn aworan ti o ṣe iwọn imọ, kii ṣe ede ti a lo lati ṣe aṣoju data naa. Ẹya bọtini kan ti iyaworan imọ ni pe awọn apejuwe nkan yẹ ki o ni asopọ si ara wọn. Itumọ ti nkan kan pẹlu nkan miiran. Asopọmọra yii jẹ bii awọn fọọmu aworan (fun apẹẹrẹ, A jẹ B; B jẹ C; C ni D; A ni D). Awọn ipilẹ imọ laisi ilana ilana ati imọ-itumọ, fun apẹẹrẹ, Q&A “ipilẹ imọ” nipa ọja sọfitiwia, tun ko ṣe aṣoju iyaya imọ kan. O ṣee ṣe lati ni eto iwé kan ti o ni akojọpọ data ti a ṣeto ni ọna kika ti kii ṣe ayaworan ṣugbọn o nlo awọn ilana iyokuro adaṣe gẹgẹbi ṣeto awọn ofin “ti o ba jẹ lẹhinna” lati dẹrọ itupalẹ. 

Awọn aworan imọ kii ṣe sọfitiwia boya. Dipo iyaworan imọ jẹ ọna lati ṣeto ati gba data ati metadata lati pade awọn ibeere ati sin awọn idi kan pato eyiti, lapapọ, jẹ lilo nipasẹ sọfitiwia oriṣiriṣi. Awọn data ti iwọn imọ kan le ṣee lo ni awọn eto ominira lọpọlọpọ fun awọn idi oriṣiriṣi.

Awọn aworan Imọ ati Isakoso Data Akoko-gidi

Awọn ibeere lori data wa ti ti awọn ọna ibile si iṣakoso data kọja awọn opin wọn. Awọn data lọpọlọpọ lo wa, diẹ sii lojoojumọ, ati pe gbogbo rẹ nilo lati ni ilọsiwaju, loye, ati jẹ ki o wulo. O nilo lati jẹ igbẹkẹle ati ṣe ni akoko gidi laibikita ti o ba wa lati inu tabi awọn orisun ita. Lẹhin gbogbo ẹ, iye data da lori agbara lati lo anfani rẹ. Eyi jẹ ẹkọ ti awọn ile-iṣẹ n kọ ẹkọ ni iyara bi wọn ṣe n wa lati dinku idagbasoke ati awọn idiyele itọju ati wa lati ni riri awọn anfani ati owo-wiwọle lati ni anfani nipasẹ ṣiṣakoso data igbekalẹ ni oye. Awọn ilolupo data ode oni tun jẹ agbaye. 

Awọn aworan imọ le koju pẹlu oniruuru wọn ati aini iṣakoso aarin nitori pe o jẹ apẹrẹ ti o baamu si ilolupo data agbaye ti o pẹlu gbogbo agbari. Dara julọ sibẹsibẹ, bi alaye naa ati oye ti ajo kan ati awọn iwulo lati inu alaye yẹn ṣe yipada, bẹ ni iwọn imọ naa. Awọn data ti o jẹ aṣoju nipasẹ iyaworan imọ ni itumo ti o muna ti eniyan ati awọn ẹrọ le tumọ. Itumọ yẹn jẹ ki o ṣee ṣe fun eniyan ṣugbọn o tun ngbanilaaye ero adaṣe lati jẹ ki awọn kọnputa ṣiṣẹ lati rọ diẹ ninu ẹru naa. Pẹlu awọn aworan imọ, awọn ajo le yipada, piruni, ati mu ero-ọrọ naa mu lakoko ti o tọju data kanna ati tunlo lati wakọ paapaa awọn oye diẹ sii.

Awọn ọdun sẹyin, a lọ kuro ni buzzword ti Big Data si Smart Data. Nini awọn oye airotẹlẹ ti data ti ti iwulo lati ni awoṣe data kan ti o ṣe afihan oye eka wa ti alaye. Lati jẹ ki data jẹ ọlọgbọn, awọn ẹrọ ko le di alaabọ nipasẹ awọn ero data aiyipada ati brittle. Wọn nilo awọn ibi ipamọ data ti o le ṣe aṣoju aye gidi ati awọn ibatan ti o ni ibatan ti o ni. Gbogbo eyi nilo lati ṣee ṣe ni ọna kika-ẹrọ pẹlu imọ-itumọ ilana lati jẹki ero adaṣe adaṣe ti o ni ibamu ati irọrun ọgbọn eniyan ati ṣiṣe ipinnu. 

Awọn aworan imọ ti a fihan ni RDF pese eyi ati ọpọlọpọ awọn ohun elo ni data ati awọn iṣẹ iwuwo alaye. Awọn apẹẹrẹ pẹlu akoonu oye, apoti, ati ilotunlo; ṣe idahun ati iṣeduro akoonu ti o tọ; Awari imo laifọwọyi; wiwa atunmọ; ati awọn aṣoju oye. O tun le ṣe atilẹyin awọn nkan bii profaili ile-iṣẹ ati ipo; Awari alaye ni awọn iwe aṣẹ ilana; ati pharmacovigilance litireso monitoring. 

Ni kukuru, awọn aworan oye ṣe iranlọwọ fun awọn iṣowo ṣe awọn ipinnu to ṣe pataki ti o da lori awọn awoṣe imọ ibaramu ati data ti o wa lati awọn eto orisun idalẹnu. Wọn tun ṣe afihan iwọn abinibi ati imọ-ọrọ ti o jẹ ki o munadoko, pato, ati ọna idahun si data pẹlu aabo ati iṣakoso, iṣakoso nini nini, ati iṣafihan. 

• SEO Agbara akoonu & PR Pinpin. Gba Imudara Loni.
• PlatoData.Network inaro Generative Ai. Fi agbara fun ara Rẹ. Wọle si Nibi.
• PlatoAiStream. Web3 oye. Imo Amugbadun. Wọle si Nibi.
• PlatoESG. Erogba, CleanTech, Agbara, Ayika, Oorun, Isakoso Egbin. Wọle si Nibi.
• PlatoHealth. Imọ-ẹrọ Imọ-ẹrọ ati Awọn Idanwo Ile-iwosan. Wọle si Nibi.
• Orisun: https://www.dataversity.net/knowledge-graphs-101-the-story-and-benefits-behind-the-hype/