近年、銀行や製薬会社、メディア企業など様々な業界で成功を収めてきた知識グラフの専門家が、
開発のパターンにおいて人間の判断が必要不可欠であるポイントを紹介しています。
それは、オントロジーを複数のデータベーススキーマにリンクする作業で、
たとえば「顧客」という用語の扱い方にはデータベースごとの差異があります。
このギャップを埋めるために、大規模言語モデル（LLM）を活用する新しいアプローチを紹介し、
例としてGPT技術を用いた知識グラフの判断ギャップを埋める方法を解説します。
特にChatGPTを使用してオントロジーとデータスキーマ間のマッピングを自動化し、
クエリ作成における膨大な手作業を減らす事例を取り上げています。
その結果、事例ではデータソースが効率的に統合され、ビジネスルールや報告要件をビジネス言語で表現しながら実行可能となりました。
この実験がもたらす可能性は、企業や個人にとってデータマネジメントが劇的に変化することを意味しており、
今後は企業がデータをもっと簡単に一元化できるようになるかもしれません。
ただし、このようなシームレスなセマンティックデータ統合にはリスクも存在し、
悪用の可能性も増す一方で、透明性の向上が良い方向に作用することも期待されます。
出典 : LLM’s Closing the KG Gap https://medium.com/@dallemang/llms-closing-the-kg-gap-29feee9fa52c