即使是AI界“网红” 知识图谱也曾经历40年的生不逢时

Knowing yourself is the beginning of all wisdom.

智者始于自知

——亚里士多德

当人工智能再次火热之后， 却因缺乏“知识”面临冷启动。  

知识图谱的本质是知识关联， 基于已有的经验和知识，“告知”计算机，并让它利用这些知识解决问题。 

可以说， 人工智能先有“人工”（知识和经验），后“智能” 

也怪不得知识图谱成为了人工智能领域

当之无愧的“网红”

“网红“修炼史

实际上，从 1956 年人工智能这个概念提出开始，脑洞大开的学者们相继提出了三个研究学派，分别是：符号主义、连接主义和行为主义。初衷都是希望机器模拟人的思维来思考。

其中一大流派是符号主义，主要技术是AI知识工程中的知识表示理论。它研究的是如何将人类的知识用计算机可以理解的语言表达出来，以及如何让计算机在这些知识上进行推理。  

在这一派学者孜孜不倦的努力研究下，知识表示也在不停地换名字: 

从60年代从语义网络兴起

到上世纪70年代的“专家系统（ExpertSystem）”

尤其是70年代中期以来，知识表示领域专家

认识到知识的获取乃是构建强大AI系统的关键所在，

利用哲学领域的本体论创建计算机模型并不断演进

……

1990年代的贝叶斯网络

到万维网之父Berners-Lee提出“语义网（SemanticWeb）”

再到他后来提出的“链接数据（LinkedData）”

……

都是“知识图谱”的前身。

BUT——生不逢时 

经历40多年的发展，走出实验室并不容易。 

受限于： 

·        数据没有公开，即On the web；

·        技术不成熟，需要知识表示与推理、数据库、信息检索、自然语言处理等多种技术发展的融合；

·        数据标准问题，Machine-readable，很多数据格式不同或各家定义不同，导致机器不能识别； 

解决这些问题，最后才是让数据产生互联。 

更为重要的是，太超前的技术往往找不到大规模应用领域…… 

最常用的如Dublin Core系统，解决了电子资源的标准问题，并利用XML和RDF进行了技术实现，解决图书馆（图书）和医院（医药）繁复的编目问题，非常具有实用性。

直到2010年，发生了一件事情，

Google收购了一家名为MetaWeb的公司。

这家公司的目标是创建世界的数据库，一个能够容纳世界全部信息的地方。

收购确确实实影响了如今搜索领域中很多重大的改进：

在曾经简单的「十行蓝色链接」之上附加了丰富的类似于卷宗档案一样的内容，涉及人物、地点、物品等等，一应俱全。

通用型知识图谱诞生 

2012年谷歌做搜索正式发布被称为一大战略性意义的产品：知识图谱（Knowledge Graph） 

这也是我们现在称作的基于互联网上的文本数据建立关系的“通用型知识图谱”。 

举个栗子：如果你要查一首诗词，如果按照关键词，就只能查出诗词的内容，但是知识图谱技术却可以告诉你作者、年代、背景、释义。

这款产品打开了知识图谱的一大应用——搜索，知识图谱技术终于从实验室走出来并深入到真实业务中。 

各个机构也开始着手打造各种知识库： 

甚至， 

LinkedOpen Data这个组织开放出欧洲和美国的一部分做出了互联数据云。

当然，Open KG（中国开放知识图谱联盟）的目标也要做一个中国版本的开放数据云。 

那么，为什么大家不遗余力的做这件事呢？ 

人类走过了农业社会、工业社会、信息社会，进入到用智能社会，主要区别于在于生产资料和生产工具的变化。

如今，劳动工具转向了基于数据、信息、知识、价值的智能工具，典型如AlphaGo，成功将连接主义学派的深度学习被大众重新认知； 

但即使演进到AlphaGo、AlphaZero，仍无法在规则知识缺位的情况下对弈。 

这是因为： 

人类的先验经验和知识：

理学的数学、物理学、生物学、心理学……

工学的计算机科学与技术……

文学的应用语言学…… 

所组成的知识图谱 

将会是智能社会的重要生产资料。

事实型知识图谱

近年来知识图谱愈发受人关注不仅仅是因为这些互联网数据互链，而是在真实世界又发生了一件大事： 

Platantir建立了通过线下刷卡、银行转账、犯罪记录等数据建立了实体关系，我们称之为了“事实型知识图谱”。 

基于此： 

它最传奇的战绩是发现麦道夫“庞氏骗局”。美国证监会旗下某组织曾爆料称，他们使用Palantir的软件，整合了40年的记录及海量数据，在进行复杂的大数据分析之后，发现了纳斯达克前主席麦道夫（Bernie Madoff）的“庞氏骗局”。Palantir帮助多家银行追回了麦道夫隐藏起来的数十亿美元巨款。

对了，其中一个创始人，就是《从0到1》这本轰动全球的作者。

 随着Palantir公司财务数据指数型增长，针对各个行业的企业级知识图谱服务变成了网红。

从1到∞，行业知识图谱…… 

如今，在智能客服、金融、公安、航空、医疗等“知识密集型”领域被广泛应用。 

智能客服：比如百分点为“青年之声”搭建的自动问答平台，对用户提出的问题进行智能分析和分类，建立内部体系，并通过深度学习对词语进行训练，为全国8000万团员提供专业解答。 

金融领域：通过知识图谱能够查询到用户的二度、三度好友，建立关系网络，通过一定的指标规则来实现对用户的风险识别，为金控反欺诈预警提供业务支持。

医疗领域：利用知识图谱区分疾病扩散人群

影响传染病发传播的因素非常多，不仅包含传染病发作、收治、诊疗、传播、致死等防控数据，还涉及人口基本数据、经济发展情况、气候与自然地理数据，乃至火车站等人口密集地点的交通基础数据和流动人口数据，采集并整理这些数据门槛非常高，通过构建知识图谱将人群进行关联，就可以发现疾病扩散人群。 

公安领域：预防犯罪分析

利用知识图谱搭建百分点异常聚集模型，可以随时掌握调查人员之间的通讯、位置、事件、社交关系等信息，验证犯罪线索，及时发现热点事件的发展、传播与关键点，提早做出感知和准确识别。

航空领域：突发事件决策支持

2014年法航公司发生的飞行员为期10天以上的大规模罢工事件中，多次航班因此取消。借助知识图谱，建立事件知识图谱、行程知识图谱、航班知识图谱，实时了解航空公司航班动态和航班号等信息，从而为航空公司决策做辅助。

行业业务中的先验经验和知识是万分宝贵的，在跨界应用过程中，也会逐步形成行业甚至世界范围内的数据标准。 

可以预料到，人工智能的进一步发展一定会依赖于各行各业知识图谱的建设。

最后 

行业知识图谱是AI进步的阶梯。