知识库指的是什么

符号人工智能的早期成就之一是专家系统——为充当某个有限问题领域的专家而设计的计算机系统。它们基于从一个或多个人类专家那里提取的知识库，并包含一个推理引擎，在此基础上进行推理。专家系统就像人类的推理系统一样，包含短期记忆和长期记忆。同样，在以知识为基础的系统中，我们会区分以下几个部分：问题记忆（Problem memory）：包含与当前要解决的问题有关的知识，如病人的体温或血压、是否有炎症等。这种知识也被称为静态知识（static knowledge），因为它包含了快照信息，记录着我们在当前状态下对问题的了解——即所谓的问题状态（problem state）。知识库（Knowledge base）：代表某个问题领域的长期知识。它是从人类专家那里人工提取的，不会因外部的咨询而改变。由于它允许我们从一个问题状态前往另一个问题状态，因此也被称为动态知识（dynamic knowledge）。推理引擎（Inference engine）：协调在问题状态空间中搜索的整个过程，必要时向用户提问。它还负责找到适用于每个状态的正确规则。举例来说，下面这个专家系统是根据动物的物理特征来判断动物的：这种图称为AND-OR树，是一组产生式规则的图形表示。在从人类专家那里提取知识的早期阶段，绘制树形图非常有用。要在计算机中表示知识，使用规则更为方便：你可以注意到，规则左侧的每个条件和操作本质上都是对象-属性-值（OAV）三元组。工作记忆包含与当前要解决的问题相对应的OAV三元组。规则引擎会查找满足条件的规则，并应用这些规则，从而向工作记忆中添加另一个三元组。✅为你喜欢的主题写一个AND-OR树！

扣子提供了以下几种方式来存储和记忆外部数据，这样Bot便可以使用这些外部数据来精准回复用户。知识库：是大量知识分片，通过语义匹配，给模型补充知识。以车型数据为例，每个知识库的分段中，保存了一种车型的基础数据。当用户问宝马X3的售价是多少？，能匹配到对应车型的分段，然后模型从中获取到售价信息。数据库：类似传统软件开发的数据库功能，以表格结构存储信息，通过NoSQL方式使用。目前提供的是关系型数据库，下面列举一些应用场景：AI便签：记录用户提交的便签，支持提交、查询操作，这些操作都是通过NL2SQL完成。单词本：记录用户背过哪些单词，其中哪些单词还没有记住等。

活字典是针对知识库一个非常贴切的比喻还记得我们说过AI的知识会"过期"吗？解决这个问题的一个好方法就是给AI配备一个随时更新的"活字典"，我们称之为知识库。知识库就像是AI可以随时查阅的百科全书。当AI遇到不确定的问题时，它可以从知识库中检索相关信息，从而给出更新、更准确的回答。比如，我们可以建立一个包含最新新闻、科技发展、法律法规等内容的知识库。这样，即使AI的基础模型没有得到更新，它也能通过查阅知识库来回答有关最新事件的问题。比如很火的AI搜索，其实就是将整个互联网的实时数据作为知识库，每次被询问时都可以通过搜索引擎获取最新的信息。旁白：你很激动，当你听到关于对RAG的解释的时候，你觉得你找到了一条正确的路。RAG也许可以帮你解决每天回答那些重复问题的困扰，你怀着激动的心情开始了RAG学习之旅