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

一、知識圖譜是什么？

如字面意思，知識圖譜可以拆解為“知識”和“圖譜”去理解。

知識，是人們在改造世界的實踐中所獲得的認(rèn)識和經(jīng)驗的總和。

圖譜，是一種強調(diào)鏈接的存儲方式。

知識圖譜其實就是存儲及表達(dá)知識的一種方式。

但一個知識的儲存方式為什么會被單獨提出來？甚至被Google作為一項技術(shù)項目單獨提出來？

首先得了解知識在認(rèn)知中起到的作用。

其實在Google之前，知識圖譜的前身：語義網(wǎng)絡(luò)早在1960年代就被提出，當(dāng)時是作為知識表示的一種方法被提出，主要應(yīng)用于自然語言理解領(lǐng)域（讓機器能夠理解語言）。

知識圖譜演化的重要節(jié)點

正如人去理解一段話所表達(dá)的意思時，也用到了知識，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，離不開對應(yīng)的知識，至少得知道蘋果除了是吃的，還可以是個手機牌子。

也就是說知識圖譜起源是為了讓機器更好的理解語言，通過建立起知識庫，這種方法企圖讓機器擁有更多的“知識點”，能進(jìn)行更多的聯(lián)想及推理，對信息的理解更到位。

知識圖譜在人工智能中充當(dāng)“記憶”的角色

知識的作用不僅限于文本，對圖片也一樣。

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

二、為什么是圖譜？

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

我認(rèn)為有兩點：

第一是因為圖譜的存儲結(jié)構(gòu)足夠簡單，圖譜通過“三元組”存儲知識，即頭實體、關(guān)系，尾實體組成；

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

幾乎所有的能通過符號表示的知識都能用這個結(jié)構(gòu)進(jìn)行儲存。

第二是因為互聯(lián)思維的普及，在強調(diào)萬物互聯(lián)的時代，圖譜這種注重鏈接的存儲方式能串聯(lián)不同領(lǐng)域的知識，從而挖掘其中關(guān)系隱藏的價值。

三、知識圖譜有什么用？

目前知識圖譜應(yīng)用主要有兩個大方向：

1. 輔助語言理解

知識圖譜在輔助語言理解方面起的作用有：

實體消歧：對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)搜索只提供對網(wǎng)頁的搜索（紅框部分），圖譜提供了對事物本身的描述，讓結(jié)果更直觀，更符合查詢的語義。

圖譜搜索效果展示

（2）問答

垂直領(lǐng)域的問答系統(tǒng)會涉及到許多專業(yè)知識面的問題，舉個保險行業(yè)的例子：

比如當(dāng)客戶問到：“xx保險能不能保障脊髓灰質(zhì)炎？”

知識圖譜可以通過結(jié)合保險領(lǐng)域知識與醫(yī)療知識進(jìn)行推理，從而給出精準(zhǔn)答案。

知識推理簡化示意圖

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，打造領(lǐng)域型的知識圖譜，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)提供部分信息來源；比如常見的推薦有電影推薦、音樂推薦。

加入圖譜推薦的好處主要是可解釋性強，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》的樂隊是回春丹，那么同個樂隊的歌可以作為推薦。

（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，對團(tuán)伙欺詐這類型的風(fēng)險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)勢在于能跨多度計算，能挖出埋藏較深度的風(fēng)險關(guān)系，比起傳統(tǒng)的偵察手段對團(tuán)伙作案的風(fēng)險能摸查得更全面。

三、無圖譜，不AI？

這句話在現(xiàn)階段，大家當(dāng)pr稿理解就好了，事實上很多的AI落地應(yīng)用，并沒有用到知識圖譜，知識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，許多項目中知識圖譜的平替方案有很多，比如風(fēng)控場景，通過傳統(tǒng)的數(shù)據(jù)分析也能抓出許多問題案件；問答場景，搭建簡單的問答知識庫比直接建立知識圖譜效率更高，投入更小。

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

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

2. 技術(shù)視角

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

且知識圖譜對于數(shù)據(jù)的結(jié)構(gòu)化程度要求十分之高，但現(xiàn)實中大部分業(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，而這是一道還沒有被解決的業(yè)界難題，是NLP的瓶頸。

四、結(jié)語

對每項新技術(shù)，我們應(yīng)看到技術(shù)未來的發(fā)展空間，同時也要看到技術(shù)在當(dāng)下的局限性。

保持對技術(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。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于 CC0 協(xié)議