الرسم البياني للمعرفة (Knowledge Graph)
الرسم البياني للمعرفة هو قاعدة بيانات منظمة تمثل الكيانات في العالم الحقيقي كعقد والعلاقات الدلالية بينها كحواف مسمّاة، مما يمكّن الآلات من الانتقال عبر شبكات الحقائق ودعم استعلامات الاستدلال متعدد الخطوات.
الرسم البياني للمعرفة هو قاعدة بيانات منظمة على شكل رسم بياني تشفر كيانات العالم الحقيقي كعقد وعلاقاتها الدلالية كحواف موجهة ومسمّاة—عادة ما يتم تخزينها كثلاثيات من نوع موضوع-محمول-مفعول (على سبيل المثال، "ماري كوري — فازت بـ — جائزة نوبل في الفيزياء"). وعلى عكس قواعس البيانات العلاقية، التي تفرض أنماطًا صارمة، فإن الرسوم البيانية للمعرفة تستوعب معلومات غير متجانسة وشديدة الترابط، وتدعم الاستدلال متعدد الخطوات: الانتقال عبر عدة حواف العلاقة للإجابة على الأسئلة التي لا تحتويها أي سجل واحد.
يتم بناء الرسوم البيانية للمعرفة عن طريق استخراج الكيانات والعلاقات من مجموعات النصوص الكبيرة، ودمج مصادر البيانات المنظمة، وتطبيق الأنطولوجيات التي تحدد أنواع الكيانات وقيود العلاقات. تشمل الأمثلة الكبيرة المفتوحة Wikidata (أكثر من 100 مليون عنصر اعتبارًا من عام 2024)، التي تدعم طبقة البيانات المنظمة في Wikipedia، و Knowledge Graph من Google، الذي يشغّل لوحات المعلومات في Google Search. تشمل الرسوم البيانية المتخصصة المجال SNOMED CT و UMLS في الرعاية الصحية؛ تحتفظ المؤسسات المالية الكبيرة برسوم بيانية تربط الشركات والمديرين التنفيذيين والمعاملات والملفات التنظيمية.
في خطوط الأنابيب للذكاء الاصطناعي، تخدم الرسوم البيانية للمعرفة كطبقة تأسيس للاستعلامات الحقائقية، وتوفر سياقًا منظمًا لأسئلة الإجابة، وتمكّن مسارات الاستدلال القابلة للشرح حيث تكون سلسلة الحواف المقطوعة قابلة للتدقيق. أظهر إطار GraphRAG من Microsoft (2024) أن بناء رسم بياني للمعرفة مسبقًا من مجموعة وثائق والاستعلام عن رسوم بيانية فرعية في وقت الاسترجاع يتفوق على RAG متجه قياسي في الأسئلة التي تتطلب تجميع المعلومات عبر العديد من المستندات—خاصة الأسئلة على مستوى المجتمع والأسئلة الموضوعية.
اعتبارًا من عام 2026، يعتبر دمج الرسوم البيانية للمعرفة مع نماذج اللغات الكبيرة مجالاً نشطًا في المنتجات والبحث. تُستخدم نماذج اللغات الكبيرة لبناء رسوم بيانية من النصوص غير المنظمة وللترجمة من استعلامات اللغة الطبيعية إلى لغات استعلام الرسوم البيانية مثل Cypher (Neo4j) أو SPARQL. كما تمكّن الشبكات العصبية للرسوم البيانية الاستدلال المستند إلى التضمين على بنية الرسم البياني. يتم توفير البنية الأساسية الإنتاجية بواسطة Neo4j و Amazon Neptune و Nebula Graph، بينما تدعم المشاريع مفتوحة المصدر مثل Apache TinkerPop النشر الأخف وزناً.