學貫中西（5）：以AI表達五言唐詩的知識圖譜

高煥堂

1??? ML模型的創新組合

前面幾期里，說明了AI（人工智能）ML（機器學習）模型的記憶和推論技能，善于表達事物或現象之間的關系。于是，我們可以建立許多個AI模型，然后把它們串連組合起來，就能夠表達形形色色的知識網絡（Knowledge Networks），又稱為知識圖譜（Knowledge Graph）。在本期里，將舉唐朝的五言詩為例，首先建立3個簡單的ML分類（Classification）模型，然后把它們組合起來，表達出五言唐詩的基本知識圖譜。

2??? 復習NN模型：表達事物之關系

茲復習上一期NN（神經網絡）模型的范例（圖1）。這個ML模型表達了氣候變化之間的關系：春暖→夏暑→秋涼→冬寒→春暖→…。這項人類已知的智慧（即關聯性），就可以讓機器（計算機）來學習、記憶它，然后依據它進行推論或預測。以此類推，這樣的簡單ML模型，也可以表達出唐詩的<句子>與<作品名稱>（或作者）之間的關系（圖2）。

從這Excel畫面上（如圖2），按下<學習>按鈕，這ML模型就會記住這些詩句與作品名稱之間的關系。一旦記住了，就能隨時進行聯想或推理。例如，這個Excel畫面上（如圖3），按下<測試>按鈕，就可以來測試一下ML模型是否真正記住了這些關系。

于是，按下了這<測試>按鈕（圖3），就可以迅速得出這兩個詩句是來自那一首詩，輸出了其作品名稱（圖4）。

這是ML模型的基本技能，它透過機器學習而記住了<詩句>與<作品名稱>之間的關系，如圖-5所示。

圖5顯示的是典型的ML分類器模型。我們可以建立更多這樣的模型，來表達各式各樣的事物之間的復雜關系。

3??? 設計新的ML模型，并進行訓練

剛才已經設計了一個ML模型，表達了一項五言唐詩的基礎關系。現在繼續來增添更多ML模型，來表達更多關系。例如，增添2個新模型，如圖6。

圖6中的第1個分類器，就是剛才已經建立的ML模型。第2個分類器則表達出<作品名稱>與五言詩的<格律>之關系。而第3個分類器則表達出<作品名稱>與詩的<境界>之關系。設計好了這3個分類器之后，就來收集五言唐詩的數據，如圖7，來訓練這些ML分類器（模型）。

基于這些數據，就來對這三個模型展開訓練;而這些分類器的結構和訓練流程都是一樣的，只是訓練數據不同而已。其中，最左方欄是<詩句>，左二欄是<作品名稱>，右二欄是<格律>，而最右欄是<境界>。例如，典型格律有四種：仄起仄收、仄起平收、平起仄收、平起平收。而典型的境界有三種：物境、情境、意境。接著，就拿<詩句>欄和<作品名稱>欄的數據，來訓練第1個分類器（模型）。接著，拿<作品名稱>欄和<格律>欄的數據，來訓練第2個分類器。然后，拿<作品名稱>欄和<境界>欄的數據，來訓練第3個分類器。這樣就完成分類器的訓練了。

4??? 模型的整合測試

剛才把三個分類器串聯起來（圖6），展現出五言唐詩的知識圖譜的雛形了。可以從<詩句>串聯到<作品名稱>，繼續串聯到<格律>和<境界>。就來設計一個Excel畫面，從輸入詩句出發如圖8。

請您按下<測試>，就會取得第1個詩句：<黃河入海流>。然后把這詩句輸入給第1個模型，這模型就會輸出作品名稱：<登鸛雀樓>。然后把這作品名稱輸入給第2個模型，它就會輸出格律：

<仄仄>。此外，還把這作品名稱輸入給第3個模型，它就會輸出境界<情境>，如圖9所示。

請您再按一次<測試>，就會取得第2個詩句：<舉頭望明月>。然后把這詩句輸入給第1個模型，這模型就會輸出作品名稱：<靜夜思>。然后把這作品名稱輸入給第2個模型，它就會輸出格律：<平平>。此外，還把這作品名稱輸入給第3個模型，它就會輸出境界：<意境>，如圖10所示。于是，展現了從一個知識點，可以串聯到許多相關的知識點。

5??? 結語

本文展現了借助ML模型網絡（Networks）的創新組合，可以表達出各種特色的知識圖譜。人人都可以輕易地設計及實現自己所需要的更多模型，組合出更大更完美的知識圖譜了。