“利用人工智能，我们正在创造一个你可以称之为大脑的社交网络。” 镓艺术服务公司的数据工程师辛迪·麦迪逊说。
有了像IBM Watson这样的工具，图形数据库已经成为人工智能世界中越来越重要的合作伙伴，IBM Watson提供的技术可以让机器人帮你登记入住酒店。
在本周的5分钟采访(在旧金山的GraphConnect进行)中，麦迪逊讨论了镓艺术服务如何使用Neo4j从玩家那里收集记忆，以提供重要的见解——甚至让他们与阿尔伯特·爱因斯坦这样的历史人物交谈。
请告诉我们您如何在镓工厂使用Neo4j。
辛迪·麦迪逊: 我们使用Neo4j作为模拟人工智能游戏的数据库。 所以人工智能基本上是玩家的代理，这就是为什么我们称她为普罗西。
我们有一系列玩家参与的游戏界面，将他们的一些记忆上传到数据库。 这些是用来训练人工智能的，这样它就可以随着时间的推移而改变和成长。 记忆有关键参数，我们利用它们之间的联系来理解你是如何与其他有相似记忆的人联系在一起的，以及你记忆的不同方面是如何聚集在一起的。
从图论的背景来看，你可以把它描述为你头脑中的一种社会网络。 我们试图理解在空间和时间中与你记忆的不同部分相关的概念。 随着人工智能的训练，她可能会给你提供洞察力，提供与人工代理接口的机会——例如，阿尔数据同步 伯特·爱因斯坦——甚至提供共享记忆的机会。
例如，如果你的大学室友带着她自己的代理人进入游戏，你的代理人可以在共享内存上合作。 也许你们两个都记得你发现自己热爱计算机的时候，但是对它到底发生在哪里并不一致。 通过组合来自每个玩家的这些独立记忆，我们可以创建一个“共享记忆”，这对于每个玩家来说都是丰富的记忆。 对于大型活动——比如洛马普列塔地震——有很多人有着共同的记忆和经历，将所有这些经历结合起来可以提供真正有趣的见解。
是什么让你选择使用图形数据库技术？
麦迪逊: 我们的工作都是关于数据关系的；我们不仅试图理解概念，还试图理解事物之间的联系。 我们还对每个数据点赋予不同的权重来创建一个思维模式，它提供了一种查看你的记忆集合的方式，并提供了关于你的情感需求的见解。
图形数据库允许使用不同的图形算法轻松快速地分析这些数据。 很明显，与关系数据库相比，我们想要做的工作类型看起来更自然。对于我们的数据模型来说，这是一场自然的联姻。
自从使用Neo4j以来，你看到的最有趣的结果是什么？
麦迪逊: 因为我们使用的是我认为相当稀疏的图表，所以关系更加有意义。 这是因为我们已经将复杂的记忆迭代到了几个关键概念和单个部分，这让我看到了不同概念之间真正迷人的联系。
在未来，我希望普罗西蜂箱思维能够真正训练我自己的单词嵌入，这可能比试图利用推特或其他类似工具要好。 同样，这是因为我们将非常具体的概念和不同的权重放在一个结构化的环境中，以提供见解。
如果你能回到过去，做些不同的事情，那会是什么？
麦迪逊: 我会回去重做数据模型。 我们不断学习新的东西，让我思考，“为什么我没有想到这一点？“因此，我尝试尽可能简单地开始，并从那里扩展。
就在昨天，我不得不检查数据库并使其正常化，所以总会有这样的经历，但我认为你正在开发的任何产品都是一样的。 但是Neo4j已经足够灵活，我可以做到。