今年的CSDN主辦的 BDTC2018 大會知識圖譜分論壇上,，我作為嘉賓做了一次演講，結(jié)合我在知識圖譜,、移動搜索以及人工智能交互等領(lǐng)域的經(jīng)驗,，給知識圖譜的行業(yè)人士分享了一些所領(lǐng)域到的對于AI產(chǎn)品演進(jìn)路徑上的思考,。

人工智能領(lǐng)域一直以來有句老話，叫做有多少人工,，就有多少智能,。這件事在知識圖譜構(gòu)建上體現(xiàn)的尤為明顯。人工智能的技術(shù)瓶頸不是要代替智人作為動物的那一部分感知智能,，而在于代替我們最近幾千年發(fā)展起來的那些認(rèn)知能力,，也就是我們有了符號思維能力之后的智能。從知識圖譜到人工智能,，要想一蹴而就,，不太現(xiàn)實，也不可能實現(xiàn),。在這種情況下,，我們更應(yīng)該關(guān)注其中的實現(xiàn)路徑，而非最終目標(biāo),。

人工智能如何定義,？

說到人工智能,，我覺得首先要搞清楚一件事情什么是人工智能,？人工智能到底離我們有多遠(yuǎn)？我們看看第一個話題,，每個人都在談?wù)摰降兹斯ぶ悄芩錾谑裁吹胤?，?jīng)過了什么樣的發(fā)展。我們都知道,，其實要講到人工智能這個話題,，要回溯到1946年世界上第一臺電子計算機(jī)埃尼阿克的誕生，埃尼阿克產(chǎn)生以后,，許多的計算機(jī)科學(xué)家對于計算機(jī)將來能夠代替人類做什么事情有很多聯(lián)想,，其中最著名的一個人是圖靈。圖靈在二戰(zhàn)的時候發(fā)明了非常重要的炸彈,，這個炸彈可以破解當(dāng)時德國的密碼體系,。在二戰(zhàn)以后，埃尼阿克發(fā)明以后,，圖靈在1950年左右在人工智能領(lǐng)域進(jìn)行了很多的探討,，并且提出了著名的圖靈測試。

真正的“人工智能”這個詞被提出來,，是在1956年Dartmouth的會議上,。當(dāng)年在Dartmouth提出來人工智能的人，包括明斯基,、西蒙,、麥卡塞等等,，這些年輕的人工學(xué)者他們提出概念以后，他們中間誕生了四位圖靈獎得主,。大家看到了,，時光荏苒，作為最后的一名參與者已經(jīng)去世了,，但是我們已經(jīng)可以看到人工智能的發(fā)展,。

人工智能的下一次大發(fā)展正在爆發(fā)過程中

但是人工智能的發(fā)展也不是一帆風(fēng)順的，就像一項技術(shù)一樣,，當(dāng)一項新技術(shù)出現(xiàn)在人類社會的時候,，大家會抱以非常高的期望。在人工智能剛剛提出的時候,，所有人都認(rèn)為人工智能用規(guī)則推理的方法可以解決這個問題,。因為當(dāng)時的計算機(jī)、存儲和各個方面的原因,，當(dāng)時是大型機(jī)的時代,。IBM的總裁曾經(jīng)說過，世界只需要五臺計算機(jī),，事實證明他錯了,。

但是人工智能經(jīng)過了五六十年代的發(fā)展，離大家的期望很遠(yuǎn),，所以人工智能進(jìn)入了沉寂期,。

隨著80年代個人電腦的發(fā)展，人工智能再次引起了大家的關(guān)注,。以日本的第五代計算機(jī)為重要的表現(xiàn),，以中國的863計劃，其實我們也設(shè)計了306主題,，就是智能計算機(jī)主題,。

在90年代人工智能又再次陷入了低谷，因為很多人發(fā)現(xiàn),，互聯(lián)網(wǎng)其實可以幫助我們解決很多的問題,，我們的信息化技術(shù)能夠解決我們生活中大部分的問題，而且我們并不需要人工智能,，而且人工智能也做不到,。

目前正處在人工智能大爆發(fā)的前夜。

人工智能的奇點在哪里,？

奇點理論

根據(jù)美國未來學(xué)家,、谷歌公司工程總監(jiān)雷·庫茨魏爾的奇點理論。技術(shù)奇點（英語：Technological Singularity），又稱科技奇點,，出自奇點理論,，一個根據(jù)技術(shù)發(fā)展史總結(jié)出的觀點，認(rèn)為未來將要發(fā)生一件不可避免的事件──技術(shù)發(fā)展將會在很短的時間內(nèi)發(fā)生極大而接近于無限的進(jìn)步,。當(dāng)此轉(zhuǎn)捩點來臨的時候,，舊的社會模式將一去不復(fù)返，新的規(guī)則開始主宰這個世界,。而后人類時代的智能和技術(shù)我們根本無法理解,，就像金魚無法理解人類的文明一樣。

目前有各種各樣的智能,，比如圖片識別,，文字識別，但是這個跟真正的人類智能還有很大的差距,。講到人工智能,，很多人有各種各樣的想法，但是人工智能中最重要,，現(xiàn)在最需要突破,，也是最難點的地點在于什么地方？要回答這個問題,，其實我們有可能要先看一下人類,。我們都知道人類在地球上有300到400萬年的時間。

根據(jù)《人類簡史》中的對人類的發(fā)展史的研究：我們可以發(fā)現(xiàn),，就是在七萬到兩萬年之前,，人類在農(nóng)業(yè)革命、工業(yè)革命還有一個重要的革命是認(rèn)知革命,。而認(rèn)知革命是人類用語言和智能戰(zhàn)勝其他猿人的非常重要的方面，因為有幾個方面的事情,，一是可以把客觀事件描述得準(zhǔn)確,；二是八卦，我曾經(jīng)以為八卦是女性社會非常不好的習(xí)慣,，但是沒想到是非常重要的,，由原來的100人的團(tuán)隊可以變成150人到1000人的團(tuán)隊。因為有了語言,，我們可以交流我們在做夢中,，或者我們思維里面的東西，我們可以產(chǎn)生虛構(gòu)的概念,，我們可以產(chǎn)生宗教,、公私等等，從而讓我們?nèi)祟惓蔀榈厍虻闹髟住?/p>

語言成為了人類智能演進(jìn)的奇點

人工智能發(fā)展的階段

從計算機(jī)發(fā)明以來,，結(jié)合我們對人類智能發(fā)展的認(rèn)識,，我們可以把人工智能分為三個階段：

1. 計算智能
2. 感知智能
3. 認(rèn)知智能

當(dāng)前我們處在第二個階段,，圖像識別、語音識別,、文字ORC識別等等準(zhǔn)確率覆蓋率都已經(jīng)完全達(dá)到了實用的要求,，而且已經(jīng)在各行各業(yè)中取得了很好的應(yīng)用。

跟第二個階段相比,，我們在第三個階段：認(rèn)知智能的進(jìn)展就很小了,。最近幾年的核武器---深度神經(jīng)網(wǎng)絡(luò)對于我們語言的理解并沒有取得特別大的突破。

原因在哪,？

機(jī)器為啥理解不了語言中的語義,？

從上圖中可以看出，跟圖像識別,、語音識別有所不同的是,，原始的圖像和語音都已經(jīng)蘊(yùn)含了大量的有效信息，只需要加以針對性的用大量數(shù)據(jù)訓(xùn)練,，就可以識別準(zhǔn)確,。

但是語言的理解不同，語言的理解中,，語音本身信息量很少,，大部分?jǐn)?shù)據(jù)都蘊(yùn)含在符號中，符號本身需要以可以被機(jī)器理解的形式進(jìn)行定義,，并且跟其他的符號發(fā)生關(guān)聯(lián),。所以機(jī)器要理解語義，首先就需要用機(jī)器可以理解并執(zhí)行的方式,，準(zhǔn)備好符號后面所代表的知識（概念）,。

這個機(jī)器可以理解的知識數(shù)據(jù)庫就是知識圖譜了。

所以知識圖譜是機(jī)器理解語義,，實現(xiàn)認(rèn)知智能的基石,。

人工智能的基石：知識圖譜

為啥大家都說知識圖譜是人工智能的基石呢？我們先從知識圖譜到底是個啥開始說起,。

知識圖譜是什么,？

知識圖譜其實就是一種可以被機(jī)器直接識別，并且方便做推理的一種結(jié)構(gòu)化,、標(biāo)準(zhǔn)化的以圖的方式存儲的知識庫,。

知識圖譜中有實體（表示世界中的各種事物，解決語言中是什么的問題）,，也有關(guān)系（表示世界中的實體的各種關(guān)系,，用來表示各種事實）。

另外，圖譜中的關(guān)系會按照屬性定義,，只有被定義過的關(guān)系才可以存儲進(jìn)入圖譜,，這些屬性定義也是圖譜語義的重要組成部分。

圖譜中的實體會按照類型組織,，同一類型的實體擁有相同的屬性,。也就是說圖譜中會根據(jù)實體的屬性對實體進(jìn)行分類，反過來這些分類又可以幫助機(jī)器推理,，推測實體還有哪些未知的屬性,，以及這些屬性有哪些約束。

說到這里你應(yīng)該可以想到為啥說,，機(jī)器理解語言的語義需要知識圖譜了吧,，因為知識圖譜中存儲的就是前面提到的語言的背景的知識，更重要的是這些知識對于機(jī)器非常友好,，可以被直接推理和使用,，因為圖譜中的數(shù)據(jù)都是有嚴(yán)格的約束和定義的，在這些定義之上,，機(jī)器可以按照預(yù)先設(shè)定好的邏輯規(guī)則進(jìn)行推理,。從而表現(xiàn)出，機(jī)器理解了語言,，并且推理得出了新的知識（也就是圖譜中還沒有的facts（關(guān)系））

知識圖譜的人工智能應(yīng)用

前面說知識圖譜是認(rèn)知人工智能的基石,。那么它到底有什么應(yīng)用呢？目前來看知識圖譜有三大應(yīng)用場景：

一,、搜索引擎（實體詳情卡：將query中的實體識別出來,，以圖文并茂給出圖譜中實體相關(guān)的結(jié)構(gòu)化知識（屬性和關(guān)系），給出更加豐富的搜索結(jié)果,，讓用戶即搜即得,。相關(guān)實體推薦卡：基于圖譜中實體的分類以及實體之間的關(guān)系，給出相關(guān)實體推薦,，幫助用戶獲得順藤摸瓜的瀏覽式的搜索體驗,，讓用戶更容易找到自己感興趣的實體的知識）

二、問答,，知識圖譜上可以回答問題，進(jìn)行推理,。

• 統(tǒng)一的schema定義賦予圖譜強(qiáng)大而靈活的查詢能力,，從而可以回答問題。
• 比如：
• -- 劉德華的老婆的生日是什么時候,？
• -- Francis ford coppola 導(dǎo)演了哪些電影,？等等
• 你要你能拼出query，你就可以獲得答案。

三,、智能助手對話:對詞匯標(biāo)簽進(jìn)行知識填充,，結(jié)合語言結(jié)構(gòu)的分析，獲得語義,，需要大量高質(zhì)量的人工語義識別的標(biāo)注數(shù)據(jù),，理解語義，是實現(xiàn)有上下文的對話交互的基礎(chǔ)

未完待續(xù)...

從知識圖譜到人工智能,，我們今天介紹了一些背景知識以及他們之間的內(nèi)在聯(lián)系,，因為篇幅的關(guān)系，今天我們先說到這里,。

今天只是這個系列的第一篇,，接下來我會繼續(xù)寫一下產(chǎn)品路徑上的探索。

關(guān)于作者

葛燦輝

知識圖譜產(chǎn)品經(jīng)理

本人極客一枚,，做了七年搜索產(chǎn)品經(jīng)理,，于幾年前偶遇知識圖譜，從此迷上一發(fā)不可收拾,，從里到外,，從前到后深入研究，后承蒙眷顧,，獲得了一個寶貴的機(jī)會,，從零到一構(gòu)建一個千萬級的知識圖譜，中間遇坑無數(shù),，咬牙堅持推進(jìn),，終于構(gòu)建出來，并且在搜索產(chǎn)品中獲得規(guī)?；膽?yīng)用,，取得了較好的效果。不過,，無論是圖譜的構(gòu)建,，還是使用，目前還處于初級階段,，未來知識圖譜這個領(lǐng)域空間廣闊,，大有可為，我也會繼續(xù)專注下去,。