編輯導(dǎo)語(yǔ)：“無(wú)知識(shí)圖譜，不AI”，知識(shí)圖譜一直是AI領(lǐng)域不可不談的話題，各大公司都在搭建各自領(lǐng)域的知識(shí)圖譜，還有許多靠做知識(shí)圖譜起家的獨(dú)角獸公司。那么知識(shí)圖譜到底是什么？它為什么會(huì)被大家熱衷？它與傳統(tǒng)的數(shù)據(jù)庫(kù)存儲(chǔ)數(shù)據(jù)的方式有何不同？讓我們一起看看吧。

一、知識(shí)圖譜是什么？

如字面意思，知識(shí)圖譜可以拆解為“知識(shí)”和“圖譜”去理解。

知識(shí)，是人們?cè)诟脑焓澜绲膶?shí)踐中所獲得的認(rèn)識(shí)和經(jīng)驗(yàn)的總和。

圖譜，是一種強(qiáng)調(diào)鏈接的存儲(chǔ)方式。

知識(shí)圖譜其實(shí)就是存儲(chǔ)及表達(dá)知識(shí)的一種方式。

但一個(gè)知識(shí)的儲(chǔ)存方式為什么會(huì)被單獨(dú)提出來(lái)？甚至被Google作為一項(xiàng)技術(shù)項(xiàng)目單獨(dú)提出來(lái)？

首先得了解知識(shí)在認(rèn)知中起到的作用。

其實(shí)在Google之前，知識(shí)圖譜的前身：語(yǔ)義網(wǎng)絡(luò)早在1960年代就被提出，當(dāng)時(shí)是作為知識(shí)表示的一種方法被提出，主要應(yīng)用于自然語(yǔ)言理解領(lǐng)域（讓機(jī)器能夠理解語(yǔ)言）。

知識(shí)圖譜演化的重要節(jié)點(diǎn)

正如人去理解一段話所表達(dá)的意思時(shí)，也用到了知識(shí)，比如“阿偉手上拿著剛發(fā)布的蘋果”，這句話要能被正確理解，離不開對(duì)應(yīng)的知識(shí)，至少得知道蘋果除了是吃的，還可以是個(gè)手機(jī)牌子。

也就是說(shuō)知識(shí)圖譜起源是為了讓機(jī)器更好的理解語(yǔ)言，通過(guò)建立起知識(shí)庫(kù)，這種方法企圖讓機(jī)器擁有更多的“知識(shí)點(diǎn)”，能進(jìn)行更多的聯(lián)想及推理，對(duì)信息的理解更到位。

知識(shí)圖譜在人工智能中充當(dāng)“記憶”的角色

知識(shí)的作用不僅限于文本，對(duì)圖片也一樣。

解讀出的感受是又油又土十分好笑，這其中也運(yùn)用了知識(shí)聯(lián)想，聯(lián)想了演員在社交媒體中的人設(shè)形象，當(dāng)前的表情及動(dòng)作，聯(lián)想了發(fā)圖者與自己的關(guān)系，于是會(huì)心一笑。

二、為什么是圖譜？

為什么演化到目前階段，是通過(guò)圖譜去存儲(chǔ)知識(shí)，而不是傳統(tǒng)數(shù)據(jù)庫(kù)？

我認(rèn)為有兩點(diǎn)：

第一是因?yàn)閳D譜的存儲(chǔ)結(jié)構(gòu)足夠簡(jiǎn)單，圖譜通過(guò)“三元組”存儲(chǔ)知識(shí)，即頭實(shí)體、關(guān)系，尾實(shí)體組成；

比如：蘋果手機(jī)是蘋果公司旗下的產(chǎn)品，抽象成知識(shí)表達(dá)的三元組即是：

幾乎所有的能通過(guò)符號(hào)表示的知識(shí)都能用這個(gè)結(jié)構(gòu)進(jìn)行儲(chǔ)存。

第二是因?yàn)榛ヂ?lián)思維的普及，在強(qiáng)調(diào)萬(wàn)物互聯(lián)的時(shí)代，圖譜這種注重鏈接的存儲(chǔ)方式能串聯(lián)不同領(lǐng)域的知識(shí)，從而挖掘其中關(guān)系隱藏的價(jià)值。

三、知識(shí)圖譜有什么用？

目前知識(shí)圖譜應(yīng)用主要有兩個(gè)大方向：

1. 輔助語(yǔ)言理解

知識(shí)圖譜在輔助語(yǔ)言理解方面起的作用有：

實(shí)體消歧：對(duì)文中提到的多義詞進(jìn)行精準(zhǔn)判斷，如上文提到的蘋果案例。

指代消解：對(duì)文中的代詞做出解釋，如他和它。

其中代表性的應(yīng)用如下：

（1）搜索

傳統(tǒng)搜索只提供對(duì)網(wǎng)頁(yè)的搜索（紅框部分），圖譜提供了對(duì)事物本身的描述，讓結(jié)果更直觀，更符合查詢的語(yǔ)義。

圖譜搜索效果展示

（2）問(wèn)答

垂直領(lǐng)域的問(wèn)答系統(tǒng)會(huì)涉及到許多專業(yè)知識(shí)面的問(wèn)題，舉個(gè)保險(xiǎn)行業(yè)的例子：

比如當(dāng)客戶問(wèn)到：“xx保險(xiǎn)能不能保障脊髓灰質(zhì)炎？”

知識(shí)圖譜可以通過(guò)結(jié)合保險(xiǎn)領(lǐng)域知識(shí)與醫(yī)療知識(shí)進(jìn)行推理，從而給出精準(zhǔn)答案。

知識(shí)推理簡(jiǎn)化示意圖

2. 輔助大數(shù)據(jù)分析

圖譜可以結(jié)合各類領(lǐng)域的知識(shí)，打造領(lǐng)域型的知識(shí)圖譜，目前在大數(shù)據(jù)分析方面，工業(yè)落地主要應(yīng)用如下：

（1）推薦

知識(shí)圖譜中包含了豐富的關(guān)聯(lián)性，可以為推薦系統(tǒng)提供部分信息來(lái)源；比如常見的推薦有電影推薦、音樂(lè)推薦。

加入圖譜推薦的好處主要是可解釋性強(qiáng)，能基于設(shè)定好的推薦路徑進(jìn)行精準(zhǔn)推送。

比如小丁喜歡聽《艾米莉》，《艾米莉》的樂(lè)隊(duì)是回春丹，那么同個(gè)樂(lè)隊(duì)的歌可以作為推薦。

（2）風(fēng)控

圖結(jié)構(gòu)能非常好的與SNA（社交網(wǎng)絡(luò)分析）理論相結(jié)合，對(duì)團(tuán)伙欺詐這類型的風(fēng)險(xiǎn)能起到非常好的挖掘作用；如洗錢行為可以綜合多筆交易、企業(yè)信息等看是否出現(xiàn)資金匯集等。

圖的優(yōu)勢(shì)在于能跨多度計(jì)算，能挖出埋藏較深度的風(fēng)險(xiǎn)關(guān)系，比起傳統(tǒng)的偵察手段對(duì)團(tuán)伙作案的風(fēng)險(xiǎn)能摸查得更全面。

三、無(wú)圖譜，不AI？

這句話在現(xiàn)階段，大家當(dāng)pr稿理解就好了，事實(shí)上很多的AI落地應(yīng)用，并沒(méi)有用到知識(shí)圖譜，知識(shí)圖譜本身也存在著相當(dāng)多的局限。

1. 工業(yè)落地視角

至少在目前階段，許多項(xiàng)目中知識(shí)圖譜的平替方案有很多，比如風(fēng)控場(chǎng)景，通過(guò)傳統(tǒng)的數(shù)據(jù)分析也能抓出許多問(wèn)題案件；問(wèn)答場(chǎng)景，搭建簡(jiǎn)單的問(wèn)答知識(shí)庫(kù)比直接建立知識(shí)圖譜效率更高，投入更小。

究其原因還是在于這項(xiàng)技術(shù)需要非常大的資源投入，需要大量的具有豐富業(yè)務(wù)知識(shí)的專家，圖算法專家等。

實(shí)際的工業(yè)落地項(xiàng)目中，幾乎有70%的時(shí)間投入在圖譜數(shù)據(jù)的獲取、清洗、結(jié)構(gòu)化上，而像知識(shí)框架的建設(shè)、圖應(yīng)用只占了不到30%的時(shí)間。

2. 技術(shù)視角

上文提到，知識(shí)圖譜的三元組形式能表示幾乎所有的符號(hào)型知識(shí)，即能被很好表達(dá)的顯性知識(shí)，但現(xiàn)實(shí)中存在著很多知識(shí)是隱性的，比如一項(xiàng)技能，彈鋼琴光知道樂(lè)理但沒(méi)有熟練的指法也不行。

且知識(shí)圖譜對(duì)于數(shù)據(jù)的結(jié)構(gòu)化程度要求十分之高，但現(xiàn)實(shí)中大部分業(yè)務(wù)數(shù)據(jù)是非結(jié)構(gòu)化的，如何將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)為結(jié)構(gòu)化，而這是一道還沒(méi)有被解決的業(yè)界難題，是NLP的瓶頸。

四、結(jié)語(yǔ)

對(duì)每項(xiàng)新技術(shù)，我們應(yīng)看到技術(shù)未來(lái)的發(fā)展空間，同時(shí)也要看到技術(shù)在當(dāng)下的局限性。

保持對(duì)技術(shù)的理解、思考與反思，才能將技術(shù)真正落地。

本文由 @產(chǎn)品哲思 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。

題圖來(lái)自Unsplash，基于 CC0 協(xié)議