1知識圖譜與人工智能的關(guān)系

在人工智能應(yīng)用層出不窮的今天，作為軟件從業(yè)者，我們都非常關(guān)注如何在自己研發(fā)的應(yīng)用中使用人工智能技術(shù)，以提高軟件的智能化水平。

回顧過往人工智能應(yīng)用，主要利用了語音識別、圖像識別方面的成果，但是不如想象般遍地開花。究其原因，我們發(fā)現(xiàn)，以機器學習為基礎(chǔ)的人工智能應(yīng)用往往需要滿足以下幾個特點：

1）必須具備充足的數(shù)據(jù)，而且這些數(shù)據(jù)是準確可靠的；2）需要具備完整的信息，例如下棋，是完整信息博弈，只要算的快就可以，而人的決策往往是在不具備完整信息的情況下做出的；3）結(jié)果是明確的，人很容易確定結(jié)果是否正確，即使暫時不能確定，確定的代價也不高；4）過程往往是靜態(tài)的，缺乏動態(tài)的可預(yù)測性。

這些特點導致很多情況下無法采用機器學習方式，進行人工智能的應(yīng)用。例如在大型裝備的故障診斷中，我們無法具備大量準確的故障數(shù)據(jù)進行學習，因為很多故障沒有發(fā)生過或者很少發(fā)生；故障發(fā)生后對故障原因的判定，也不是一個很容易判定的結(jié)果，因為故障現(xiàn)象難以重現(xiàn)；故障發(fā)生后應(yīng)急方案的制訂，目前深度學習、神經(jīng)網(wǎng)絡(luò)的方式，由于人無法了解其推理過程，產(chǎn)生的預(yù)案也往往不敢使用。

上述四點只要能夠改善某一點，就可以給人工智能的應(yīng)用帶來更廣闊的空間，這也是知識圖譜作為人工智能一個重要方向的原因。

知識圖譜（KG  Knowledge Graph）是 Google 2012 年提出的概念，并成功應(yīng)用于搜索引擎當中。但什么是知識圖譜，Google并沒有給出明確的定義，目前業(yè)界的定義例如維基百科、百度百科都是從 Google 搜索引擎中知識圖譜的運用出發(fā)，進行相關(guān)的功能描述。

我們可以把知識圖譜，理解為對知識的一種結(jié)構(gòu)化描述，它以結(jié)構(gòu)化的形式描述客觀世界中概念、實體及其之間的關(guān)系，便于計算機更好的管理、計算和理解信息。它是新一代的知識庫技術(shù)，通過結(jié)構(gòu)化、語義化的處理將信息轉(zhuǎn)換為知識，加以應(yīng)用。

通常結(jié)構(gòu)化知識是以圖的形式進行表示，學術(shù)術(shù)語可以成為語義網(wǎng)絡(luò)。圖的節(jié)點表示概念和實體（學術(shù)術(shù)語稱為語義符號），圖的邊表示節(jié)點之間的關(guān)系（學術(shù)術(shù)語稱為語義關(guān)系），此外每個節(jié)點還有屬性。

例如：人物、娛樂人物、歌手、影視演員都是概念，這幾個概念之間有從屬關(guān)系，周杰倫是一個實體，周杰倫是歌手，也是影視演員，周杰倫的出生日期等就是屬性，周杰倫的妻子是昆凌，昆凌的丈夫是周杰倫，這就是關(guān)系，從上述關(guān)系可以推理出昆凌的丈夫是一個娛樂人物。

這個簡單的示例表明，通過概念、實體以及之間的關(guān)系進行知識結(jié)構(gòu)化表示，就可以讓計算機具備推理能力，這種推理能力：

1）可以不需要大量數(shù)據(jù)基礎(chǔ)就可以建立起來；2）不一定需要完備的信息就可以進行推理；3）推理的過程是可以評估的，人可以通過推理過程判斷結(jié)果是否準確；4）可以進行對未來的預(yù)測。這就可以在一定程度上解決目前機器學習方式面臨的問題。

研究知識圖譜、人工智能的時候，我們經(jīng)常遇到很多專業(yè)術(shù)語，例如語義網(wǎng)絡(luò)、本體、知識庫等等，理解起來非常費力。實際上如上例而言，用圖的結(jié)構(gòu)來表示知識就是語義網(wǎng)絡(luò)，圖的節(jié)點表示概念和實體，學術(shù)術(shù)語稱為語義符號，圖的邊表示節(jié)點之間的關(guān)系，學術(shù)術(shù)語稱為語義關(guān)系。

本體（Ontology）的源自于哲學領(lǐng)域，在哲學中的定義為“對世界上客觀事物的系統(tǒng)描述”。哲學中的本體關(guān)心的是客觀現(xiàn)實的抽象本質(zhì)，而在計算機領(lǐng)域，本體是一種描述知識的方式。自從本體的概念引進后，就出現(xiàn)了資源描述框架 RDF（Resource Description Framework）、網(wǎng)絡(luò)本體語言 OWL（Ontology Web Language）這樣的語言進行標準化的知識表示。

其實本體也是基于圖、概念、實體、屬性、關(guān)系這些來描述知識的。傳統(tǒng)人工智能領(lǐng)域采用了大量的學術(shù)術(shù)語，而Google的一個創(chuàng)新就是利用“知識圖譜”這樣直白的語言，形象的表述了一個復雜事物，用 AlphaGo 這樣直觀的示例，普及了人工智能的概念。而本文也希望盡可能用類比的方式，采用易于軟件研發(fā)理解的語言來介紹使用知識圖譜的過程，這也是取名“解開知識圖譜神秘面紗”的初衷。