本報(bào)告結(jié)合復(fù)旦大學(xué)知識(shí)工場(chǎng)實(shí)驗(yàn)室十多個(gè)領(lǐng)域知識(shí)圖譜落地項(xiàng)目實(shí)踐，嘗試對(duì)這些問題進(jìn)行初步解答，梳理這些問題背后的關(guān)鍵科學(xué)問題，總結(jié)領(lǐng)域知識(shí)圖譜技術(shù)落地的最佳實(shí)踐，以期為各行業(yè)的知識(shí)圖譜落地實(shí)踐提供參考。

下文根據(jù)肖仰華教授近期所作報(bào)告《領(lǐng)域知識(shí)圖譜落地實(shí)踐中的問題與對(duì)策》整理而成，并經(jīng)肖仰華教授親自審核。

隨著近幾年知識(shí)圖譜技術(shù)的進(jìn)步，知識(shí)圖譜研究與落地發(fā)生了一些轉(zhuǎn)向。其中一個(gè)重要變化就是越來越多的研究與落地工作從通用知識(shí)圖譜轉(zhuǎn)向了領(lǐng)域或行業(yè)知識(shí)圖譜，轉(zhuǎn)向了企業(yè)知識(shí)圖譜。知識(shí)圖譜技術(shù)與各行業(yè)的深度融合已經(jīng)成為一個(gè)重要趨勢(shì)。

在這一過程當(dāng)中，涌現(xiàn)出一系列理論與技術(shù)問題。例如：知識(shí)圖譜技術(shù)到底能夠解決怎樣的行業(yè)痛點(diǎn)問題？知識(shí)圖譜技術(shù)與各行業(yè)融合的具體路徑是怎樣的？領(lǐng)域知識(shí)圖譜與通用知識(shí)圖譜的聯(lián)系與區(qū)別是什么？領(lǐng)域知識(shí)圖譜落地過程當(dāng)中的關(guān)鍵科學(xué)技術(shù)問題是什么？

這一系列問題的剖析與回答是進(jìn)一步推動(dòng)知識(shí)圖譜技術(shù)落地實(shí)踐、生根開花的關(guān)鍵所在。本次報(bào)告主要結(jié)合復(fù)旦大學(xué)知識(shí)工場(chǎng)實(shí)驗(yàn)室在十多個(gè)行業(yè)的領(lǐng)域知識(shí)圖譜實(shí)踐經(jīng)歷，對(duì)領(lǐng)域知識(shí)圖譜落地實(shí)踐中的關(guān)鍵問題以及主要對(duì)策做個(gè)初步解答。

報(bào)告思路很簡(jiǎn)單，是一問一答的形式。這里列出的問題是各個(gè)行業(yè)普遍關(guān)心的代表性的關(guān)鍵問題。

首先回答什么是領(lǐng)域知識(shí)圖譜？領(lǐng)域知識(shí)圖譜（Domain-specific Knowledge Graph： DKG）的概念是從通用知識(shí)圖譜（General-purpose Knowledge Graph： GKG）演化而來，所以我們首先闡述什么是知識(shí)圖譜（knowledge graph）。

在回答什么是知識(shí)圖譜這個(gè)問題上有個(gè)非常有意思的現(xiàn)象，一直以來，工業(yè)界和學(xué)術(shù)界都沒有對(duì)于知識(shí)圖譜給出一個(gè)嚴(yán)格的定義。如果大家去搜維基百科，會(huì)看到維基百科說知識(shí)圖譜是Google的一種知識(shí)表示。然而，一個(gè)相對(duì)嚴(yán)格的定義是必要的，我給出的定義是“大規(guī)模語義網(wǎng)絡(luò)”。

理解這個(gè)定義有兩個(gè)要點(diǎn)。第一個(gè)是語義網(wǎng)絡(luò)，語義網(wǎng)絡(luò)包含的是實(shí)體、概念以及實(shí)體和概念之間各種各樣的語義關(guān)系。比如C羅是一個(gè)足球運(yùn)動(dòng)員，是一個(gè)實(shí)體，金球獎(jiǎng)也是一個(gè)實(shí)體。

何為實(shí)體？黑格爾在《小邏輯》里面曾經(jīng)給實(shí)體下過一個(gè)定義：“能夠獨(dú)立存在的，作為一切屬性的基礎(chǔ)和萬物本原的東西”。也就是說實(shí)體是屬性賴以存在的基礎(chǔ)，必須是自在的，也就是獨(dú)立的、不依附于其他東西而存在的。比如身高，單單說身高是沒有意義的，說“運(yùn)動(dòng)員”這個(gè)類別的身高也是沒有意義的，必須說某個(gè)人的身高，才是有明確所指，有意義的。理解何為實(shí)體，對(duì)于進(jìn)一步理解屬性、概念是十分必要的。

再來看概念（concept），概念又稱之為類別（type）、類（category）等。比如“運(yùn)動(dòng)員”，不是指某一個(gè)運(yùn)動(dòng)員，而是指一類人，這就是一個(gè)概念。語義網(wǎng)絡(luò)中的關(guān)聯(lián)都是語義關(guān)聯(lián)，這些語義關(guān)聯(lián)發(fā)生在實(shí)體之間、概念之間或者實(shí)體與概念之間。

實(shí)體與概念之間是instanceOf（實(shí)例）關(guān)系，比如“C羅”是“運(yùn)動(dòng)員”的一個(gè)實(shí)例。概念之間是subclassOf（子類）關(guān)系，比如“足球運(yùn)動(dòng)員”是“運(yùn)動(dòng)員”的一個(gè)子類。實(shí)體與實(shí)體之間的關(guān)系十分多樣，比如“C羅”效力于“皇家馬德里球隊(duì)”。

理解知識(shí)圖譜的第二個(gè)要點(diǎn)是大規(guī)模。除了語義網(wǎng)絡(luò)之外，上個(gè)世紀(jì)伴隨著專家系統(tǒng)的研制而發(fā)展出了類別多樣的知識(shí)表示形式，比如產(chǎn)生式規(guī)則、本體、框架，還有決策樹、貝葉斯網(wǎng)絡(luò)、馬爾可夫邏輯網(wǎng)絡(luò)等。

這些知識(shí)表示表達(dá)了現(xiàn)實(shí)世界各種復(fù)雜語義。知識(shí)表示多種多樣，語義網(wǎng)絡(luò)只是各種知識(shí)表示中的一種而已。既然上世紀(jì)七八十年代有如此多的知識(shí)表示，而且知識(shí)圖譜本質(zhì)上是語義網(wǎng)絡(luò)，為什么今天還要提知識(shí)圖譜？那是因?yàn)橹R(shí)圖譜與傳統(tǒng)七八十年代的知識(shí)表示有一個(gè)根本的差別，那就是在規(guī)模上的差別。知識(shí)圖譜是一個(gè)大規(guī)模語義網(wǎng)絡(luò)，而七八十年代的語義網(wǎng)絡(luò)是個(gè)典型的小知識(shí)（small knowledge）。

知識(shí)圖譜的規(guī)模巨大，像Google knowledge graph在2012年發(fā)布之初就有5億多的實(shí)體，10億多的關(guān)系，如今規(guī)模更大。知識(shí)圖譜的規(guī)模之所以如此巨大，是因?yàn)樗鼜?qiáng)調(diào)對(duì)于實(shí)體的覆蓋。比如說運(yùn)動(dòng)員作為一個(gè)類別在知識(shí)圖譜里涵蓋了數(shù)以萬計(jì)諸如C羅這樣的實(shí)體。知識(shí)圖譜的規(guī)模效應(yīng)帶來了效用方面的質(zhì)變。知識(shí)圖譜是典型的大數(shù)據(jù)時(shí)代產(chǎn)物。關(guān)于這些觀點(diǎn)的詳細(xì)描述參考本人的《知識(shí)圖譜與認(rèn)知智能》，在此不再贅述。

那什么是領(lǐng)域知識(shí)圖譜呢？比如“足球知識(shí)圖譜”，里面大多都是跟足球相關(guān)的實(shí)體和概念。如果知識(shí)圖譜聚焦在特定領(lǐng)域，就可以認(rèn)為是領(lǐng)域知識(shí)圖譜。領(lǐng)域知識(shí)圖譜的范疇再大一些就是行業(yè)知識(shí)圖譜了，比如農(nóng)業(yè)知識(shí)圖譜。

近幾年一些大型企業(yè)對(duì)于利用知識(shí)圖譜解決企業(yè)自身的問題十分感興趣，于是就有了橫貫企業(yè)各核心流程的企業(yè)知識(shí)圖譜。領(lǐng)域知識(shí)圖譜、行業(yè)知識(shí)圖譜與企業(yè)知識(shí)圖譜有時(shí)邊界也十分模糊。近幾年，這幾類知識(shí)圖譜得到越來越多的關(guān)注。

在理解領(lǐng)域知識(shí)圖譜時(shí)，我想指出一個(gè)非常重要的觀點(diǎn)，我稱之為“NoKG”，也就是Not only KG。這里是借鑒“NoSQL”的說法。首先，知識(shí)圖譜只是知識(shí)表示的一種，單單知識(shí)圖譜不足以表達(dá)現(xiàn)實(shí)世界的豐富語義，不足以解決所有問題。比如很多領(lǐng)域有著豐富的if-then規(guī)則（比如故障維修、計(jì)算機(jī)系統(tǒng)配置），這些規(guī)則利用知識(shí)圖譜表達(dá)就很牽強(qiáng)，特別是對(duì)于if A and B then C 這樣的規(guī)則。

條件部分的原子表達(dá)式之間的關(guān)系可以很復(fù)雜，利用知識(shí)圖譜難以表達(dá)。知識(shí)表示方面的缺陷限制了知識(shí)圖譜解決問題的范圍。其次，知識(shí)圖譜輔以其他知識(shí)表示則有可能解決很多復(fù)雜的實(shí)際問題。作為一種語義網(wǎng)絡(luò)，知識(shí)圖譜在大數(shù)據(jù)的賦能下就已經(jīng)能夠解決很多實(shí)際問題。

可以設(shè)想一下，還有更多的知識(shí)表示沒有突破規(guī)模瓶頸。在大數(shù)據(jù)的賦能下，其他類型的知識(shí)表示也將能夠解決更多實(shí)際的問題。越來越多的領(lǐng)域應(yīng)用需要的知識(shí)已經(jīng)突破了知識(shí)圖譜的范圍，對(duì)其他知識(shí)（比如產(chǎn)生式規(guī)則、貝葉斯網(wǎng)絡(luò)、決策樹等）提出了訴求。比如，我們正在嘗試聯(lián)合使用知識(shí)圖譜與產(chǎn)生式規(guī)則實(shí)現(xiàn)面向故障診斷的精準(zhǔn)語義檢索。

NoKG的另一層含義在于領(lǐng)域應(yīng)用不僅需要靜態(tài)知識(shí)，更需要?jiǎng)討B(tài)知識(shí)。知識(shí)圖譜側(cè)重于表達(dá)實(shí)體、概念之間的語義關(guān)聯(lián)，這些語義關(guān)聯(lián)大多是靜態(tài)的、顯性的、客觀的、明確的。而實(shí)際應(yīng)用中對(duì)過程性、決策性知識(shí)是有著大量需求的，這些知識(shí)大部分是動(dòng)態(tài)的、隱形的、帶有一定主觀性的，比如疾病診斷、投資決策、司法解釋等等。

這些應(yīng)用需要把決策的因素、機(jī)制與過程加以表達(dá)。動(dòng)態(tài)知識(shí)的沉淀對(duì)于很多行業(yè)來說是強(qiáng)需求。隨著我國(guó)人口紅利消失，人力成本持續(xù)提高，特別是富有經(jīng)驗(yàn)的領(lǐng)域?qū)＜页杀驹郊痈甙?。這些人員一旦流失，會(huì)給企業(yè)造成巨大損失。為此，企業(yè)特別需要將領(lǐng)域?qū)＜掖竽X中的決策知識(shí)加以沉淀，賦予機(jī)器，從而一定程度上降低對(duì)專家的依賴。

但是，動(dòng)態(tài)知識(shí)的表達(dá)與獲取仍然是個(gè)具有重大挑戰(zhàn)的技術(shù)問題。很多決策過程難以明確表達(dá)，很多決策因素是隱性的。比如老中醫(yī)看病，中醫(yī)智能化一直希望將有經(jīng)驗(yàn)的老中醫(yī)的看病經(jīng)驗(yàn)沉淀下來。但是老中醫(yī)自己也未必說得清楚是根據(jù)什么看病的。雖然中醫(yī)也有樸素的理論在支撐其診斷，但總體而言整個(gè)過程是模糊的。在傳統(tǒng)知識(shí)管理領(lǐng)域曾經(jīng)設(shè)計(jì)出很多激勵(lì)制度以促進(jìn)企業(yè)內(nèi)的知識(shí)表達(dá)與沉淀，但是阻力重重，收效甚微。

關(guān)鍵問題在于工程師、分析師、醫(yī)生等等領(lǐng)域?qū)＜易约阂膊恢廊绾伪磉_(dá)。傳統(tǒng)知識(shí)工程通過專業(yè)的知識(shí)工程師協(xié)助領(lǐng)域?qū)＜疫M(jìn)行知識(shí)獲取，但總體上的代價(jià)太大，過程太重，不易成功。動(dòng)態(tài)過程的知識(shí)表達(dá)已經(jīng)困難重重，知識(shí)獲取就更加雪上加霜了。

曾有人設(shè)想獲取金牌投資經(jīng)理投資決策的知識(shí)，嘗試為投資經(jīng)理提供新聞閱讀工具，通過其點(diǎn)擊行為把握其所關(guān)注新聞，甚至通過眼球跟蹤捕捉其關(guān)注的文章片段，以期精準(zhǔn)捕捉其決策要素。知識(shí)獲取之困難可見一斑。但是知識(shí)表示及獲取的重心將逐步過渡到動(dòng)態(tài)知識(shí)是必然趨勢(shì)，也是擺在研究人員面前的攻關(guān)戰(zhàn)。

現(xiàn)在回答第二個(gè)問題，DKG（領(lǐng)域知識(shí)圖譜）和GKG（通用知識(shí)圖譜）的關(guān)系和區(qū)別。首先來看GKG和DKG的區(qū)別。兩者之間的區(qū)別是明顯的，體現(xiàn)在知識(shí)表示、知識(shí)獲取和知識(shí)應(yīng)用三個(gè)層面。在知識(shí)表示層面的差別可以從廣度、深度和粒度這三個(gè)維度加以考察。從廣度來看，GKG涵蓋的范圍明顯大于DKG。

從深度來看，DKG通常更深，尤其體現(xiàn)在概念圖譜的層級(jí)體系上。比如，在娛樂領(lǐng)域，追星族們可能很關(guān)心“內(nèi)地鼻子長(zhǎng)得帥的男明星”，在電商領(lǐng)域單單“連衣裙”不足以滿足人們的購(gòu)物需求，電商圖譜中往往要涵蓋“韓版夏裝連衣裙”這樣的細(xì)分品類。

如何表達(dá)與處理這些較深層次的概念對(duì)于很多領(lǐng)域知識(shí)圖譜應(yīng)用而言是個(gè)巨大挑戰(zhàn)。需要指出的是層次較深的細(xì)粒度概念往往不是基本概念（basic concept）。這意味著不同人對(duì)這些深層次概念有著不同的認(rèn)知體驗(yàn)的，因而會(huì)有較大的主觀分歧。這就是很多人工構(gòu)建的概念層級(jí)深到一定層次就很難繼續(xù)下去的重要原因。此時(shí)，數(shù)據(jù)驅(qū)動(dòng)的自下而上的自動(dòng)化方法往往比較適合。

第三個(gè)維度是知識(shí)表示的粒度，DKG通常涵蓋細(xì)粒度的知識(shí)。知識(shí)表示是有粒度的，知識(shí)的基本單元可以是一個(gè)文檔，也可以是文章中的段落、法律中的條款、教育資源中的知識(shí)點(diǎn)等等。傳統(tǒng)知識(shí)管理往往以文檔為單位組織企業(yè)知識(shí)資源。

在司法智能中的司法解釋往往需要將知識(shí)粒度控制在條款級(jí)別。在教育智能化領(lǐng)域，學(xué)科的知識(shí)點(diǎn)往往是個(gè)合適的粒度，以知識(shí)點(diǎn)為中心組織教學(xué)素材和資源是個(gè)可行的思路。知識(shí)表示的粒度也可以細(xì)化到知識(shí)圖譜中的實(shí)體與屬性級(jí)別，或者是邏輯規(guī)則中的條件與結(jié)果。比如法律條款可以進(jìn)一步細(xì)化到由條件與結(jié)果構(gòu)成的產(chǎn)生式規(guī)則，數(shù)學(xué)中的很多定理也可以進(jìn)一步細(xì)化為相關(guān)的公理系統(tǒng)（一組產(chǎn)生式規(guī)則）。

既然知識(shí)表示的粒度是可控的，我們應(yīng)該如何控制呢？很多場(chǎng)景下知識(shí)表示的粒度是個(gè)需要仔細(xì)斟酌的問題。一般而言，粒度越細(xì)表達(dá)能力越強(qiáng)，但是其表達(dá)與獲取代價(jià)也越大。細(xì)粒度知識(shí)表示一般是領(lǐng)域應(yīng)用的強(qiáng)需求之一。比如在知識(shí)管理領(lǐng)域，粒度粗放已經(jīng)成為阻礙企業(yè)知識(shí)管理發(fā)展的根本問題。傳統(tǒng)知識(shí)搜索只能搜索到文檔級(jí)別，如果不幸這個(gè)文檔含有1000頁內(nèi)容，則會(huì)給用戶帶來巨大麻煩。

但是，凡事過猶不及，太細(xì)粒度的知識(shí)表示也往往會(huì)給知識(shí)獲取帶來巨大的復(fù)雜性。合理控制知識(shí)表示的粒度，不盲目求精求細(xì)，是知識(shí)庫(kù)技術(shù)落地成功的關(guān)鍵思路之一。很多落地實(shí)踐中過早地陷入細(xì)粒度知識(shí)獲取的泥潭當(dāng)中，消耗巨大但收效甚微。但事實(shí)上細(xì)粒度的知識(shí)表示在很多場(chǎng)景下也是不必要的。因此，在實(shí)踐中建議緊扣應(yīng)用需求，從應(yīng)用出發(fā)反推需要怎樣粒度的知識(shí)表示。

在知識(shí)獲取層面，DKG對(duì)質(zhì)量往往有著極為苛刻的要求。因?yàn)楹芏囝I(lǐng)域應(yīng)用場(chǎng)景是極為嚴(yán)肅的（也就是mission critical 的AI應(yīng)用）。比如醫(yī)療，某個(gè)藥物有哪些禁忌癥，這類知識(shí)是不能出錯(cuò)的。

對(duì)質(zhì)量的苛刻要求自然就意味著領(lǐng)域知識(shí)圖譜構(gòu)建過程中專家參與的程度相對(duì)較高。需要指出的是，專家的積極干預(yù)并不意味著盲目的手動(dòng)構(gòu)建。如何應(yīng)用好人力資源，包括哪些環(huán)節(jié)讓人參與以及專家參與的具體方式等問題一直以來就是領(lǐng)域知識(shí)圖譜落地的關(guān)鍵問題。在眾包計(jì)算中有不少方法值得借鑒。但是對(duì)于有著依賴專家經(jīng)驗(yàn)的歷史傳統(tǒng)而言，如何盡可能降低人力資源的成本是個(gè)值得深入研究的問題。

一般而言，我們期望構(gòu)建過程盡可能自動(dòng)化；但是由于對(duì)目標(biāo)圖譜有著苛刻的質(zhì)量要求，最終的知識(shí)驗(yàn)證過程還是要訴諸人力。較多的人工干預(yù)自然決定了領(lǐng)域知識(shí)圖譜落地過程自動(dòng)化程度相對(duì)較低。相比較而言，通用知識(shí)圖譜構(gòu)建一定要高度自動(dòng)化，因?yàn)橥ㄓ弥R(shí)圖譜規(guī)模太大（動(dòng)輒數(shù)千萬的實(shí)體，數(shù)億的關(guān)系），如果沒有自動(dòng)化的辦法，根本無法推進(jìn)，除非存在有效的大規(guī)模眾包化手段，比如知識(shí)類互動(dòng)游戲等。

在知識(shí)應(yīng)用層面，首先，領(lǐng)域知識(shí)圖譜的推理鏈條往往相對(duì)較長(zhǎng)。原因有兩個(gè)方面。一是領(lǐng)域知識(shí)圖譜相對(duì)密集。比如某個(gè)疾病在通用知識(shí)庫(kù)中相關(guān)實(shí)體可能寥寥無幾，但是在一個(gè)醫(yī)療知識(shí)圖譜中相關(guān)實(shí)體可能數(shù)以百計(jì)。知識(shí)庫(kù)建設(shè)有一個(gè)有意思的現(xiàn)象那就是永遠(yuǎn)不要指望知識(shí)庫(kù)是完備的。完備是知識(shí)庫(kù)建設(shè)永遠(yuǎn)在追求但卻無法企及的目標(biāo)。

但是，DKG相對(duì)于GKG在單個(gè)實(shí)體的相關(guān)知識(shí)覆蓋面有著明顯優(yōu)勢(shì)。也正是基于此，領(lǐng)域知識(shí)圖譜上的推理鏈條可以較長(zhǎng)。在一個(gè)相對(duì)稠密的領(lǐng)域知識(shí)圖譜上長(zhǎng)距離推理之后的結(jié)果仍然還可能是個(gè)有意義的結(jié)果。但是在通用知識(shí)圖譜上，由于其相對(duì)稀疏，多步推理之后語義漂移（semantic drift）嚴(yán)重，其推理結(jié)果很容易“面目全非”、“離題千里”，令人難以理解了。

所以在GKG之上的推理操作大都是基于上下文的一到兩步的推理。比如搜索“劉德華”，可以推薦他的歌曲，那是因?yàn)橹R(shí)圖譜告知我們劉德華是一個(gè)歌星，主要作品是歌曲，這是兩步的推理鏈條。

其次，領(lǐng)域知識(shí)圖譜上的計(jì)算操作也相對(duì)復(fù)雜一些。像之前提到的深度推理就是一種復(fù)雜的應(yīng)用。此外，領(lǐng)域應(yīng)用往往會(huì)涉及復(fù)雜查詢。比如在公共安全領(lǐng)域，對(duì)于重點(diǎn)監(jiān)控人群，通常需要在相關(guān)圖譜中查詢?cè)撊巳盒纬傻某砻茏訄D。諸如此類的復(fù)雜計(jì)算和操作，在領(lǐng)域知識(shí)圖譜中并不罕見。相反，通用知識(shí)圖譜的查詢多為一到兩步的鄰居查詢，相對(duì)簡(jiǎn)單。

現(xiàn)在來看聯(lián)系，通用知識(shí)圖譜與領(lǐng)域知識(shí)圖譜關(guān)系是十分密切的，根本原因是人類的知識(shí)體系是有結(jié)構(gòu)的。我個(gè)人認(rèn)為人類的知識(shí)體系呈現(xiàn)出倒三角形的結(jié)構(gòu)。三角結(jié)構(gòu)越是接近底層的部分越是最為基本的、形式簡(jiǎn)單的知識(shí)；越往上層知識(shí)越為抽象、越加多樣，也越加細(xì)分、專業(yè)性越強(qiáng)。

在個(gè)人成長(zhǎng)的早期階段，人類通過自身身體與世界的交互習(xí)得了最為基本的常識(shí)，特別是關(guān)于時(shí)間、空間、因果的基本常識(shí)。我們知道時(shí)間是在流逝的、我們知道空間是有一定位置關(guān)系的、我們明白有因必有果。這些都是最為基本的常識(shí)。這些常識(shí)是構(gòu)建認(rèn)知體系的基礎(chǔ)。

在此基礎(chǔ)上，通過“隱喻”或者“類比”（美國(guó)的侯世達(dá)教授甚至認(rèn)為類比是智能的本質(zhì)，見其《哥德爾、艾舍爾、巴赫》一書），人類發(fā)展出更為高層的知識(shí)，包括對(duì)于世界的知識(shí)（比如我們知道太陽從東邊升起，人是要呼吸的等等）、簡(jiǎn)單關(guān)聯(lián)事實(shí)（比如下雨了，地面會(huì)潮濕）。

基于這些簡(jiǎn)單知識(shí)，再通過隱喻和類比，進(jìn)一步形成特定領(lǐng)域的知識(shí)。很多領(lǐng)域知識(shí)本質(zhì)上是通過隱喻從基本知識(shí)發(fā)展而來的。比如人們關(guān)于社會(huì)地位的認(rèn)識(shí)，某個(gè)人社會(huì)地位較高實(shí)際上是從空間上的高低隱喻而來的。說某個(gè)人很積極、很激進(jìn)，實(shí)際上是從時(shí)間的先后隱喻而來的。

最近還有一個(gè)例子，將各種芯片與人體的各器官相類比：做人工智能的芯片就好比在做大腦，做通用芯片就好比在做血管，做計(jì)算芯片就好比在做心臟，這都是典型的隱喻。所以很多領(lǐng)域知識(shí)都是從人類的基本常識(shí)和世界知識(shí)通過隱喻發(fā)展而來的。因此，領(lǐng)域知識(shí)和通用知識(shí)之間存在著千絲萬縷的聯(lián)系。理解自然語言中的隱喻現(xiàn)象也一直是自然語言處理領(lǐng)域的一個(gè)研究熱點(diǎn)。

DKG與GKG的另一個(gè)聯(lián)系在于行業(yè)應(yīng)用對(duì)于領(lǐng)域知識(shí)的需求難以閉合。也就是說，很多行業(yè)應(yīng)用看上去好像只需要領(lǐng)域知識(shí)，但是實(shí)際應(yīng)用過程中往往會(huì)超出領(lǐng)域所預(yù)先設(shè)定的知識(shí)邊界。

比如在金融知識(shí)圖譜落地過程中，本以為涵蓋公司、法人、機(jī)構(gòu)、產(chǎn)品等就足夠了。但是實(shí)際應(yīng)用過程中我們發(fā)現(xiàn)這些類型的知識(shí)還遠(yuǎn)遠(yuǎn)不夠。比如基于金融知識(shí)圖譜的關(guān)聯(lián)分析往往會(huì)牽扯出幾乎萬事萬物。比如說諸如龍卷風(fēng)的氣候?yàn)?zāi)害，會(huì)使得農(nóng)作物產(chǎn)量下降，農(nóng)業(yè)機(jī)械的出貨量因而就會(huì)下降，農(nóng)機(jī)的發(fā)動(dòng)機(jī)產(chǎn)量也就相應(yīng)要下降，從事農(nóng)機(jī)發(fā)動(dòng)機(jī)關(guān)鍵部件生產(chǎn)的公司業(yè)績(jī)就會(huì)下降，相關(guān)公司的股票可能就會(huì)下跌。這個(gè)例子形象地說明幾乎一切事物在某種意義下都是跟金融有關(guān)系。

事實(shí)上，一切實(shí)體都身處在一個(gè)復(fù)雜的因果網(wǎng)絡(luò)中，世界是普遍關(guān)聯(lián)的。這就導(dǎo)致沿著任何一個(gè)實(shí)體開展關(guān)聯(lián)分析都極為容易超出預(yù)先設(shè)定的知識(shí)邊界。因此，行業(yè)應(yīng)用中的知識(shí)需求難以封閉于領(lǐng)域知識(shí)的邊界范圍內(nèi)。換言之，越為封閉的應(yīng)用場(chǎng)景，機(jī)器越容易取得成功。

所謂封閉是指一個(gè)有限的知識(shí)子集足以支撐應(yīng)用需求。比如，AlphaGo的成功很大程度上得益于圍棋游戲規(guī)則有限，整個(gè)游戲過程不會(huì)用到下棋規(guī)則之外的知識(shí)。但對(duì)于星際爭(zhēng)霸之類的游戲，機(jī)器取得優(yōu)異成績(jī)就顯得較為困難。因?yàn)檫@類策略性游戲所用到的知識(shí)類型多樣，不僅需要有關(guān)排兵布陣、武器應(yīng)用、戰(zhàn)場(chǎng)環(huán)境等相關(guān)知識(shí)，還可能涉及很多與社會(huì)及文化相關(guān)的知識(shí)。智能客服等領(lǐng)域的成功也一定程度上歸功于客服知識(shí)的相對(duì)封閉。

所以，領(lǐng)域應(yīng)用所涉及的知識(shí)體系越是封閉，越容易成功。這是在很多領(lǐng)域知識(shí)圖譜落地過程中選擇應(yīng)用試點(diǎn)時(shí)，應(yīng)該遵循的一個(gè)基本原則。

延續(xù)上面的分析，進(jìn)一步可以回答業(yè)界十分關(guān)心的一個(gè)問題：知識(shí)圖譜在什么樣的應(yīng)用中易于成功？知識(shí)圖譜落地應(yīng)用往往遵循一個(gè)循序漸進(jìn)的推進(jìn)過程。因此，很多行業(yè)都希望選取特定場(chǎng)景先行試點(diǎn)，那么選擇什么樣的場(chǎng)景進(jìn)行優(yōu)先驗(yàn)證呢？知識(shí)圖譜只是整個(gè)智能化技術(shù)的手段之一。

知識(shí)圖譜不能解決行業(yè)的所有問題，那么，某個(gè)特定的行業(yè)應(yīng)用到底能否受益于知識(shí)圖譜技術(shù)？這些都是知識(shí)圖譜的行業(yè)應(yīng)用亟需回答的問題。

我根據(jù)前兩頁內(nèi)容中觀點(diǎn)，給出幾個(gè)選擇依據(jù)。第一、領(lǐng)域知識(shí)相對(duì)封閉。已經(jīng)闡明，越是封閉的領(lǐng)域越容易成功。第二、簡(jiǎn)單知識(shí)與簡(jiǎn)單應(yīng)用。何為簡(jiǎn)單知識(shí)？關(guān)于知識(shí)復(fù)雜性的評(píng)估實(shí)際上是個(gè)非常復(fù)雜的問題。知識(shí)復(fù)雜性的內(nèi)在機(jī)理和評(píng)測(cè)機(jī)制是個(gè)十分有趣的科學(xué)問題。從操作層面來看，可以從特定人群學(xué)習(xí)某類知識(shí)所需要時(shí)間來評(píng)估。假設(shè)我們只考慮完成了基礎(chǔ)教育（比如中國(guó)的九年制基礎(chǔ)教育）的人群。對(duì)于不同知識(shí)，這一人群學(xué)習(xí)周期不一。

比如，很顯然對(duì)于某個(gè)企業(yè)的客服知識(shí)，幾乎一周簡(jiǎn)單培訓(xùn)就可以上崗。但是對(duì)于治病的知識(shí)，即便一個(gè)醫(yī)學(xué)院學(xué)生可能也要十多年才能掌握。所以，大部分對(duì)于人而言簡(jiǎn)單崗位培訓(xùn)就能勝任的工作，也往往適用于機(jī)器，是有可能優(yōu)先被機(jī)器所代替的。還有些應(yīng)用場(chǎng)景屬于知識(shí)的簡(jiǎn)單應(yīng)用，比如同樣是在醫(yī)療領(lǐng)域，醫(yī)院的導(dǎo)診崗位，就屬于醫(yī)學(xué)知識(shí)的簡(jiǎn)單應(yīng)用。只需要根據(jù)癥狀進(jìn)行簡(jiǎn)單的分類，即便不夠精準(zhǔn)，在具體科室醫(yī)生治療時(shí)還有進(jìn)一步糾正的機(jī)會(huì)。

第三、較少涉及常識(shí)。如果領(lǐng)域應(yīng)用所涉及的知識(shí)集中在人類知識(shí)結(jié)構(gòu)的上層（也就是專業(yè)性較強(qiáng)的知識(shí)），較少涉及底層的常識(shí)，則相對(duì)容易成功。其根本原因在于常識(shí)的獲取是異常困難的。人類很容易理解常識(shí)，但是對(duì)于機(jī)器而言常識(shí)理解卻十分困難。我們知道太陽從東邊升起，人是兩條腿走路的，魚是在水里游的，而機(jī)器很難知道這些常識(shí)。因?yàn)槌ＷR(shí)是人類在學(xué)齡前通過身體與世界的交互與體驗(yàn)積累而得。我們每個(gè)人都理解常識(shí)，因而不用掛在嘴邊說明，就能彼此理解。

因此，文本或者語料中對(duì)于常識(shí)鮮有提及，常識(shí)因而也就無從抽取。常識(shí)缺失也就成了知識(shí)庫(kù)、知識(shí)工程，乃至整個(gè)人工智能的痛點(diǎn)問題。目前機(jī)器智能在常識(shí)理解方面仍然舉步維艱。因此，我認(rèn)為大量用到常識(shí)的應(yīng)用面臨巨大挑戰(zhàn)。比如說有公司想做財(cái)務(wù)報(bào)銷方面的智能化，此類場(chǎng)景就有可能涉及很多常識(shí)。比如半夜12點(diǎn)打出租車，或者說打出租車打了四五個(gè)小時(shí)，又或者從美國(guó)飛到上海只飛了一個(gè)小時(shí)，這都是有問題的。這些問題我們?nèi)祟惡苋菀鬃R(shí)別，因?yàn)槎际浅ＷR(shí)問題，但對(duì)機(jī)器而言就很困難。

還有一個(gè)非常典型的大量用到常識(shí)的場(chǎng)景就是刑偵智能化。公安人員在破案過程中用到大量常識(shí)，嫌疑人往往是基于證據(jù)根據(jù)常識(shí)進(jìn)行推理而鎖定的，因此讓機(jī)器代替刑偵人員破案仍十分困難。

很多領(lǐng)域知識(shí)圖譜應(yīng)用的方案是建立在通用知識(shí)圖譜基礎(chǔ)之上的。GKG對(duì)于DKG有著重要的支撐作用。一方面，GKG可以給很多DKG提供高質(zhì)量的種子事實(shí)。這些種子事實(shí)可以用做樣本指導(dǎo)抽取模型的訓(xùn)練。

另一方面，GKG可以提供領(lǐng)域模式（Schema）。領(lǐng)域知識(shí)圖譜構(gòu)建時(shí)需要花費(fèi)巨大精力設(shè)計(jì)領(lǐng)域模式，比如為了構(gòu)建娛樂領(lǐng)域知識(shí)圖譜，必須首先明確描述歌手的屬性列表（有時(shí)又稱作template）中應(yīng)該包括專輯、代表作、簽約公司等屬性。

雖然GKG對(duì)于特定領(lǐng)域的實(shí)體覆蓋率不高，但是通過聚合GKG中所有歌手信息，有關(guān)歌手的描述模板基本上已經(jīng)能夠滿足初步需要。后續(xù)只需要在初始模板基礎(chǔ)上逐步完善即可。能否充分利用通用知識(shí)圖譜對(duì)很多領(lǐng)域知識(shí)圖譜的構(gòu)建具有重要意義。這就是為什么很多團(tuán)隊(duì)不遺余力地做好通用知識(shí)圖譜（比如我們實(shí)驗(yàn)室的通用百科知識(shí)圖譜CN-DBpedia和通用概念圖譜CN-Probase）的重要原因。

領(lǐng)域圖譜建好之后又可以反哺通用知識(shí)圖譜。復(fù)旦知識(shí)工場(chǎng)實(shí)驗(yàn)室就是按照這個(gè)思路持續(xù)運(yùn)營(yíng)多年。我們先通過通用知識(shí)圖譜為各領(lǐng)域知識(shí)圖譜構(gòu)建提供大量的種子事實(shí)，使得快速構(gòu)建很多領(lǐng)域知識(shí)圖譜成為可能。各領(lǐng)域知識(shí)圖譜做的很深很細(xì)之后，可以反過來補(bǔ)充通用知識(shí)圖譜。GKG與DKG這種互補(bǔ)形式的架構(gòu)在很多領(lǐng)域的知識(shí)圖譜落地中是個(gè)非常重要的架構(gòu)。

知識(shí)表示其實(shí)一直以來都有兩種基本的方式：符號(hào)化表示與數(shù)值型表示。兩者孰優(yōu)孰劣？各自的適用場(chǎng)景是怎樣的？一直是知識(shí)圖譜落地過程中常被問及的問題。第一種是符號(hào)化（Symbol）的表示，比如說PPT左上角的小規(guī)模語義網(wǎng)絡(luò)，表達(dá)了約翰給瑪麗一本書這樣的事實(shí)。這個(gè)例子中大量的使用了字符、箭頭等符號(hào)。顯然，符號(hào)表示形象直觀，易于我們理解。人是可以理解符號(hào)的，但是沒辦法理解向量。知識(shí)表示還有一種表示是數(shù)值化的分布式表示，它是面向機(jī)器的。機(jī)器是無法“理解”符號(hào)的，只能處理數(shù)值和向量。分布式表示是將符號(hào)知識(shí)集成到深度學(xué)習(xí)框架中的一種基本方式。符號(hào)化表示是一種顯性的表示，而分布式表示是一種隱性的表示。符號(hào)化表示易理解、可解釋，而分布式表示是難解釋、難理解的。符號(hào)化表示的另一優(yōu)點(diǎn)在于推理能力。比如數(shù)學(xué)定理證明都是基于符號(hào)推理進(jìn)行的。雖然基于知識(shí)圖譜的分布式表示，也可以開展一定程度上的推理，但是需要指出的是分布式推理已經(jīng)很大程度上丟失了知識(shí)圖譜原有的語義，分布式推理只能推理語義相關(guān)性，而無法明確是何種意義下的語義相關(guān)。我個(gè)人傾向于認(rèn)為分布式推理離實(shí)用還很遙遠(yuǎn)。如果非要為知識(shí)圖譜上的分布式推理找到應(yīng)用場(chǎng)景，那只能作為很多復(fù)雜任務(wù)的預(yù)處理步驟，將明顯語義不相關(guān)的元素加以剪枝，后續(xù)仍需要能夠充分利用符號(hào)語義的方法進(jìn)行精準(zhǔn)的語義推理。

不管是大數(shù)據(jù)時(shí)代還是人工智能時(shí)代，都需要領(lǐng)域知識(shí)圖譜。我曾在《知識(shí)圖譜與認(rèn)知智能》這一報(bào)告中詳細(xì)闡述過相關(guān)觀點(diǎn)。這里補(bǔ)充幾個(gè)觀點(diǎn)。首先，需要知識(shí)圖譜去構(gòu)建知識(shí)引擎，去釋放大數(shù)據(jù)的價(jià)值。很多行業(yè)和企業(yè)都有數(shù)據(jù)，都有大數(shù)據(jù)。但是這些大數(shù)據(jù)非但沒有創(chuàng)造價(jià)值，反而成為了很多行業(yè)的負(fù)擔(dān)。阻礙大數(shù)據(jù)價(jià)值變現(xiàn)的根本原因在于缺少智能化的手段，更具體而言就是缺少一個(gè)能像人一樣能夠理解行業(yè)數(shù)據(jù)的知識(shí)引擎。

行業(yè)從業(yè)人員為什么能理解行業(yè)數(shù)據(jù)進(jìn)而開展行業(yè)工作呢，那是因?yàn)樾袠I(yè)從業(yè)人員具有相應(yīng)的行業(yè)知識(shí)。如果把同樣的行業(yè)知識(shí)賦予機(jī)器，構(gòu)建一個(gè)行業(yè)知識(shí)引擎，那么機(jī)器也就可能代替人去理解、挖掘、分析、使用數(shù)據(jù)，可以代替行業(yè)從業(yè)人員挖掘數(shù)據(jù)中的價(jià)值。

簡(jiǎn)言之，將行業(yè)知識(shí)賦予機(jī)器，讓機(jī)器代替行業(yè)從業(yè)人員從事簡(jiǎn)單知識(shí)工作，是當(dāng)下以及未來一段時(shí)間內(nèi)基于機(jī)器認(rèn)知智能的行業(yè)智能化的本質(zhì)。在行業(yè)智能化的實(shí)現(xiàn)進(jìn)程中，通過領(lǐng)域知識(shí)圖譜對(duì)數(shù)據(jù)進(jìn)行提煉、萃取、關(guān)聯(lián)、整合，形成行業(yè)知識(shí)或領(lǐng)域知識(shí)，讓機(jī)器形成對(duì)于行業(yè)工作的認(rèn)知能力，從而實(shí)現(xiàn)一個(gè)行業(yè)知識(shí)引擎，實(shí)現(xiàn)知識(shí)工作自動(dòng)化，已經(jīng)成為了行業(yè)智能化日漸清晰的一條路徑。

伴隨著人工智能時(shí)代的到來，“智能”機(jī)器無處不在，手表、手環(huán)、手機(jī)、音響、電視、機(jī)器人等等都已是隨處可見的“智能”實(shí)體，這些機(jī)器逐步走入人們的生活。但是現(xiàn)在機(jī)器普遍不具備人們所期望的智能，與人類智能相比只能算是機(jī)器“智障”。機(jī)器“智障”的根本原因是這些機(jī)器沒有一個(gè)像人一樣聰慧的大腦。

事實(shí)上，機(jī)器最缺的是一個(gè)機(jī)器智腦。沒有這樣的智腦，機(jī)器只能是一具沒有“靈魂”的僵尸。人腦之所以能給人類帶來智慧的根本原因在于人腦能夠存儲(chǔ)知識(shí)與利用知識(shí)。類似地，機(jī)器智腦也需要有知識(shí)的充實(shí)，才能夠形成真正意義上的機(jī)器智能。富含各類知識(shí)的機(jī)器智腦，可以理解人類的語言與行為，能夠理解我們所從事的行業(yè)工作，從而使得自然人機(jī)交互成為可能，使得人機(jī)協(xié)同混合智能成為可能。最終為機(jī)器融入人類社會(huì)掃清障礙，促進(jìn)人機(jī)和諧共存。

從社會(huì)發(fā)展的角度來看，可以說將領(lǐng)域知識(shí)賦予機(jī)器，將是進(jìn)一步提高機(jī)器生產(chǎn)力、釋放勞動(dòng)力資源、降低人力成本的重要技術(shù)。伴隨著我國(guó)人口紅利的逐步消失，各行業(yè)的人力成本普遍提高，各行業(yè)對(duì)于機(jī)器生產(chǎn)力的提升提出了普遍訴求。伴隨著工業(yè)4.0的推進(jìn)以及自動(dòng)化技術(shù)普及，傳統(tǒng)實(shí)體行業(yè)人的體力勞動(dòng)已經(jīng)逐步被解放。人力資源成本釋放的空間已經(jīng)逐步從體力勞動(dòng)轉(zhuǎn)向腦力勞動(dòng)。

當(dāng)下，人工智能技術(shù)給人力成本降低帶來的新機(jī)遇主要體現(xiàn)在用機(jī)器代替人的腦力勞動(dòng)，特別是各行業(yè)的簡(jiǎn)單知識(shí)工作將逐步為機(jī)器所代替。機(jī)器的記憶幾乎是無窮無盡的，機(jī)器決策時(shí)可以同時(shí)考慮數(shù)百萬變量，機(jī)器運(yùn)算的速度遠(yuǎn)超人類，所以一旦把行業(yè)知識(shí)賦予機(jī)器，就能實(shí)現(xiàn)高度自動(dòng)化的機(jī)器工作。在這一背景下，各行業(yè)都走上了智能化升級(jí)轉(zhuǎn)型的道路，而實(shí)現(xiàn)機(jī)器的認(rèn)知能力是智能化升級(jí)轉(zhuǎn)型的基本路徑。

以政府?dāng)?shù)據(jù)治理為例，在政府領(lǐng)域，由于歷史原因，政府各部門的信息系統(tǒng)的建設(shè)多是各自為陣，形成了大量的信息孤島，這就給政府?dāng)?shù)據(jù)價(jià)值發(fā)揮帶來了巨大障礙。這些障礙尤為集中地體現(xiàn)在政府?dāng)?shù)據(jù)治理與應(yīng)用方面，碎片化數(shù)據(jù)難以融合、數(shù)據(jù)共享開放缺乏必要依據(jù)、政府決策仍然缺乏來自數(shù)據(jù)的有效支撐、政府?dāng)?shù)據(jù)的應(yīng)用模式相對(duì)單一。

但如果有了領(lǐng)域知識(shí)圖譜，就可以為數(shù)據(jù)融合提供元數(shù)據(jù)，將政府?dāng)?shù)據(jù)融合從繁重的手工整合中解放出來。比如ID與身份證通常指代相同的字段，這樣的元數(shù)據(jù)可以自動(dòng)建立A數(shù)據(jù)庫(kù)中名為“ID”的字段與B數(shù)據(jù)庫(kù)中名為“身份證”字段的映射。政府在大力推進(jìn)政府?dāng)?shù)據(jù)共享和開放過程中，必須確保數(shù)據(jù)安全。

比如個(gè)人隱私數(shù)據(jù)很敏感是不可以開放的，當(dāng)前擬開放的數(shù)據(jù)都要經(jīng)過人工的審慎判斷，耗時(shí)耗力。但事實(shí)上知識(shí)圖譜可以為政府?dāng)?shù)據(jù)開放提供必要的背景知識(shí)。比如如果設(shè)定了個(gè)人信息是不能開放的，那么個(gè)人的住址、出生日期等等都是不能開放的，這可以通過背景知識(shí)庫(kù)自動(dòng)推斷得到。政府?dāng)?shù)據(jù)的決策和分析缺乏可解釋依據(jù)，這些依據(jù)都可以從領(lǐng)域知識(shí)圖譜里去尋找。

當(dāng)前政府?dāng)?shù)據(jù)的應(yīng)用多是簡(jiǎn)單的檢索與分析，缺乏基于深度推理的智能應(yīng)用。而推理需要一個(gè)基本的載體，推理載體的天然選擇是知識(shí)圖譜。基于符號(hào)化的知識(shí)圖譜，可以開展有效的深度推理。

領(lǐng)域知識(shí)圖譜系統(tǒng)的生命周期包含四個(gè)重要環(huán)節(jié)：知識(shí)表示、知識(shí)獲取、知識(shí)管理與知識(shí)應(yīng)用。這四個(gè)環(huán)節(jié)循環(huán)迭代。知識(shí)應(yīng)用環(huán)節(jié)明確應(yīng)用場(chǎng)景，明確知識(shí)的應(yīng)用方式。

知識(shí)表示定義了領(lǐng)域的基本認(rèn)知框架，明確領(lǐng)域有哪些基本的概念，概念之間有哪些基本的語義關(guān)聯(lián)。比如企業(yè)家與企業(yè)之間的關(guān)系可以是創(chuàng)始人關(guān)系，這是認(rèn)知企業(yè)領(lǐng)域的基本知識(shí)。知識(shí)表示只提供機(jī)器認(rèn)知的基本骨架，還要通過知識(shí)獲取環(huán)節(jié)來充實(shí)大量知識(shí)實(shí)例。比如喬布斯是個(gè)企業(yè)家，蘋果公司是家企業(yè)，喬布斯與蘋果公司就是“企業(yè)家-創(chuàng)始人-企業(yè)”這個(gè)關(guān)系的一個(gè)具體實(shí)例。知識(shí)實(shí)例獲取完成之后，就是知識(shí)管理。這個(gè)環(huán)節(jié)將知識(shí)加以存儲(chǔ)與索引，并為上層應(yīng)用提供高效的檢索與查詢方式，實(shí)現(xiàn)高效的知識(shí)訪問。

四個(gè)環(huán)節(jié)環(huán)環(huán)相扣，彼此構(gòu)成相鄰環(huán)節(jié)的輸入與輸出。在知識(shí)的具體應(yīng)用過程中，會(huì)不斷得到用戶的反饋，這些反饋會(huì)對(duì)知識(shí)表示、獲取與管理提出新的要求，因此整個(gè)生命周期會(huì)不斷迭代持續(xù)演進(jìn)下去。

在整個(gè)生命周期中，我認(rèn)為最重要的是明確知識(shí)的應(yīng)用場(chǎng)景，也就是回答清楚一個(gè)問題：利用領(lǐng)域知識(shí)解決怎樣的應(yīng)用問題。再根據(jù)應(yīng)用來反推到底需要怎樣的知識(shí)表示，明確知識(shí)邊界。在當(dāng)下的很多知識(shí)圖譜應(yīng)用實(shí)踐中，有一個(gè)不好的苗頭就是“為了圖譜而圖譜”。雖然知識(shí)圖譜是當(dāng)下的熱點(diǎn)技術(shù)，盡管每年各行業(yè)大量的信息化預(yù)算苦苦尋求好的落地項(xiàng)目，盡管資本界熱錢涌動(dòng)尋求好的投資標(biāo)的，但是不應(yīng)以知識(shí)圖譜為名，不應(yīng)盲目炒作知識(shí)圖譜技術(shù)。

知識(shí)圖譜技術(shù)是當(dāng)下熱點(diǎn)不假，但絕不是萬能技術(shù)。它能解決的問題是有限的，它的成功應(yīng)用有著苛刻的條件。需要謹(jǐn)慎選擇落地場(chǎng)景；需要客觀評(píng)估技術(shù)成熟度以及技術(shù)與應(yīng)用的適配程度；需要充分考慮資源與收益的平衡等一系列問題。

為圖譜而圖譜，或者僅以圖譜為名而行悖圖譜之實(shí)，對(duì)知識(shí)圖譜產(chǎn)業(yè)有百害而無一利。歷史上前車之鑒太多了。很多做AI的研究人員與公司，最終落得個(gè)“騙子”下場(chǎng)。歷史上的AI技術(shù)的演進(jìn)道路呈現(xiàn)出大起大落之勢(shì)。

這一系列現(xiàn)象歸根結(jié)底是因?yàn)槿藗儗?duì)于AI預(yù)期過高，盲目大規(guī)模上線很多知識(shí)工程項(xiàng)目，無視應(yīng)用場(chǎng)景而對(duì)知識(shí)庫(kù)盲目求大求全。殊不知人之所以偉大其實(shí)就在于任何一個(gè)普通人所掌握的知識(shí)都可以說是無邊無界的。我們現(xiàn)在構(gòu)建的知識(shí)庫(kù)離機(jī)器達(dá)到普通人認(rèn)知世界所需要的水平還十分遙遠(yuǎn)。知識(shí)資源建設(shè)可以說是永遠(yuǎn)在路上，沒有最好，只有更好。

所以，比較務(wù)實(shí)的作法是：謹(jǐn)慎選擇合適的應(yīng)用場(chǎng)景，構(gòu)建滿足場(chǎng)景需要的知識(shí)資源。這背后體現(xiàn)的也是典型的自下而上的建設(shè)思路。大而全、自上而下、運(yùn)動(dòng)式知識(shí)資源建設(shè)（這個(gè)經(jīng)常是國(guó)內(nèi)的典型方式），容易遇到難以逾越的技術(shù)瓶頸。一言以蔽之，知識(shí)資源建設(shè)的基本原則是適度?！斑m”是指對(duì)于特定應(yīng)用場(chǎng)景的適配，“度”是指合理把控知識(shí)的邊界與體量。

我們常用三元組表示領(lǐng)域知識(shí)圖譜。我想強(qiáng)調(diào)一點(diǎn)，知識(shí)圖譜只能表達(dá)一些簡(jiǎn)單的關(guān)聯(lián)事實(shí)，但很多領(lǐng)域應(yīng)用的需求已經(jīng)遠(yuǎn)遠(yuǎn)超出了三元組所能表達(dá)的簡(jiǎn)單關(guān)聯(lián)事實(shí)，實(shí)際應(yīng)用日益對(duì)于利用更加多元的知識(shí)表示豐富和增強(qiáng)知識(shí)圖譜的語義表達(dá)能力提出了需求。

這一趨勢(shì)首先體現(xiàn)在對(duì)于時(shí)間和空間語義的拓展與表達(dá)方面。有很多知識(shí)和事實(shí)是有時(shí)間和空間條件的，比如說“美國(guó)總統(tǒng)是特朗普”這個(gè)事實(shí)的成立是有時(shí)間條件的，十年前美國(guó)的總統(tǒng)不是特朗普，十年之后應(yīng)該也不大可能是特朗普。還有很多事實(shí)是有空間條件的，比如“早餐是燒餅與油條”這件事，在中國(guó)是這樣，但是在西方并非如此，西方的早餐可能是咖啡、面包。

從時(shí)空維度拓展知識(shí)表示對(duì)很多特定領(lǐng)域具有較強(qiáng)的現(xiàn)實(shí)意義。比如在位置相關(guān)的應(yīng)用中，如何將POI(Point of Interest)與該P(yáng)OI相關(guān)實(shí)體加以關(guān)聯(lián)，成為當(dāng)下拓展POI語義表示的重要任務(wù)之一。比如將“邯鄲路220號(hào)”（復(fù)旦大學(xué)地址）關(guān)聯(lián)到“復(fù)旦大學(xué)”是十分有意義的。在互聯(lián)網(wǎng)娛樂領(lǐng)域，粉絲們往往不僅僅關(guān)心某個(gè)明星的妻子是誰，可能更關(guān)心明星的前任妻子、前任女友等信息，這些應(yīng)用都對(duì)事實(shí)成立的時(shí)間提出了需求。

第二、增強(qiáng)知識(shí)圖譜的跨媒體語義表示。當(dāng)前的知識(shí)圖譜主要以文本為主，但是實(shí)際應(yīng)用需要有關(guān)某個(gè)實(shí)體的各種媒體表示方式，包括聲音、圖片、視頻等等。比如對(duì)于實(shí)體“Tesla Model S”，我們需要將其關(guān)聯(lián)到相應(yīng)圖片和視頻。知識(shí)圖譜時(shí)空維度拓展在物理實(shí)現(xiàn)上可以通過定義四元組或者五元組加以實(shí)現(xiàn)?？缑襟w表示可以通過定義相關(guān)的屬性加以實(shí)現(xiàn)。

知識(shí)圖譜的語義增強(qiáng)總體上而言將是未來一段時(shí)間知識(shí)表示的重要任務(wù)。知識(shí)圖譜作為語義網(wǎng)絡(luò)，側(cè)重于表達(dá)實(shí)體、概念之間的語義關(guān)聯(lián)，還難以表達(dá)復(fù)雜因果關(guān)聯(lián)與復(fù)雜決策過程。

如何利用傳統(tǒng)知識(shí)表示增強(qiáng)知識(shí)圖譜，或者說如何融合知識(shí)圖譜與傳統(tǒng)知識(shí)表示，更充分地滿足實(shí)際應(yīng)用需求，是知識(shí)圖譜領(lǐng)域值得研究的問題之一。在一些實(shí)際應(yīng)用中，研究人員已經(jīng)開始嘗試各種定制的知識(shí)表示，在知識(shí)圖譜基礎(chǔ)上適當(dāng)擴(kuò)展其他知識(shí)表示是一個(gè)值得嘗試的思路。

領(lǐng)域知識(shí)圖譜的構(gòu)建是個(gè)領(lǐng)域知識(shí)的獲取過程。這一過程系統(tǒng)性強(qiáng)，涉及眾多技術(shù)手段。但是其基本流程具有一定共性，如PPT所示。

第一步是模式（Schema）設(shè)計(jì)。這一步是傳統(tǒng)本體設(shè)計(jì)所要解決的問題。基本目標(biāo)是把認(rèn)知領(lǐng)域的基本框架賦予機(jī)器。在所謂認(rèn)知基本框架中需要指定領(lǐng)域的基本概念，以及概念之間subclassof關(guān)系（比如足球領(lǐng)域需要建立“足球運(yùn)動(dòng)員”是“運(yùn)動(dòng)員”的子類）；需要明確領(lǐng)域的基本屬性；明確屬性的適用概念；明確屬性值的類別或者范圍。比如“效力球隊(duì)”這個(gè)屬性一般是定義在足球運(yùn)動(dòng)員這個(gè)概念上，其合理取值是一個(gè)球隊(duì)。

此外，領(lǐng)域還有大量的約束或規(guī)則，比如對(duì)于屬性是否可以取得多值的約束（比如“獎(jiǎng)項(xiàng)”作為屬性是可以取得多值的），再比如球隊(duì)的“隸屬球員”屬性與球員的“效力球隊(duì)”是一對(duì)互逆屬性。這些元數(shù)據(jù)對(duì)于消除知識(shí)庫(kù)不一致、提升知識(shí)庫(kù)質(zhì)量具有重要意義。

第二步是明確數(shù)據(jù)來源。在這一步要明確建立領(lǐng)域知識(shí)圖譜的數(shù)據(jù)來源?？赡軄碜曰ヂ?lián)網(wǎng)上的領(lǐng)域百科爬取，可能來自通用百科圖譜的導(dǎo)出、可能來自內(nèi)部業(yè)務(wù)數(shù)據(jù)的轉(zhuǎn)換，可能來自外部業(yè)務(wù)系統(tǒng)的導(dǎo)入。應(yīng)該盡量選擇結(jié)構(gòu)化程度相對(duì)較高、質(zhì)量較好的數(shù)據(jù)源，以盡可能降低知識(shí)獲取代價(jià)。

第三步是詞匯挖掘。人們從事某個(gè)行業(yè)的知識(shí)的學(xué)習(xí)，都是從該行業(yè)的基本詞匯開始的。在傳統(tǒng)圖書情報(bào)學(xué)領(lǐng)域，領(lǐng)域知識(shí)的積累往往是從敘詞表的構(gòu)建開始的。敘詞表里涵蓋的大都是領(lǐng)域的主題詞，及這些詞匯之間的基本語義關(guān)聯(lián)。在這一步我們是要識(shí)別領(lǐng)域的高質(zhì)量詞匯、同義詞、縮寫詞，以及領(lǐng)域的常見情感詞。比如在政治領(lǐng)域，我們需要知道特朗普又被稱為川普，其英文簡(jiǎn)稱為Trump。

第四步是領(lǐng)域?qū)嶓w發(fā)現(xiàn)（或挖掘）。需要指出的是領(lǐng)域詞匯只是識(shí)別出領(lǐng)域中的重要短語和詞匯。但是這些短語未必是一個(gè)領(lǐng)域?qū)嶓w。從領(lǐng)域文本識(shí)別某個(gè)領(lǐng)域常見實(shí)體是理解領(lǐng)域文本和數(shù)據(jù)的關(guān)鍵一步。

在實(shí)體識(shí)別后，還需對(duì)實(shí)體進(jìn)行實(shí)體歸類。能否把實(shí)體歸到相應(yīng)的類別（或者說將某個(gè)實(shí)體與領(lǐng)域類別或概念進(jìn)行關(guān)聯(lián)），是實(shí)體概念化的基本目標(biāo)，是理解實(shí)體的關(guān)鍵步驟。比如將特朗普歸類到政治人物、美國(guó)總統(tǒng)等類別，對(duì)于理解特朗普的含義具有重要意義。

實(shí)體挖掘的另一個(gè)重要任務(wù)是實(shí)體鏈接，也就是將文本里的實(shí)體提及（Mention）鏈接到知識(shí)庫(kù)中的相應(yīng)實(shí)體。實(shí)體鏈接是拓展實(shí)體理解，豐富實(shí)體語義表示的關(guān)鍵步驟。

第五步是關(guān)系發(fā)現(xiàn)。關(guān)系發(fā)現(xiàn)，或者知識(shí)庫(kù)中的關(guān)系實(shí)例填充，是整個(gè)領(lǐng)域知識(shí)圖譜構(gòu)建的重要步驟。關(guān)系發(fā)現(xiàn)根據(jù)不同的問題模型又可以分為關(guān)系分類、關(guān)系抽取和開放關(guān)系抽取等不同變種。

關(guān)系分類旨在將給定的實(shí)體對(duì)分類到某個(gè)已知關(guān)系；關(guān)系抽取旨在從文本中抽取某個(gè)實(shí)體對(duì)的具體關(guān)系；開放關(guān)系抽?。∣penIE）從文本中抽取出實(shí)體對(duì)之間的關(guān)系描述。也可以綜合使用這幾種模型與方法，比如根據(jù)開放關(guān)系抽取得到的關(guān)系描述將實(shí)體對(duì)分類到知識(shí)庫(kù)中的已知關(guān)系。

第六步是知識(shí)融合。因?yàn)橹R(shí)抽取來源多樣，不同的來源得到的知識(shí)不盡相同，這就對(duì)知識(shí)融合提出了需求。知識(shí)融合需要完成實(shí)體對(duì)齊、屬性融合、值規(guī)范化。實(shí)體對(duì)齊是識(shí)別不同來源的同一實(shí)體。屬性融合是識(shí)別同一屬性的不同描述。不同來源的數(shù)據(jù)值通常有不同的格式、不同的單位或者不同的描述形式。比如日期有數(shù)十種表達(dá)方式，這些需要規(guī)范化到統(tǒng)一格式。

最后一步是質(zhì)量控制。知識(shí)圖譜的質(zhì)量是構(gòu)建的核心問題。知識(shí)圖譜的質(zhì)量可能存在幾個(gè)基本問題：缺漏、錯(cuò)誤、陳舊。先談知識(shí)庫(kù)的缺漏問題。某種意義上，知識(shí)完備對(duì)于知識(shí)資源建設(shè)而言似乎是個(gè)偽命題，我們總能枚舉出知識(shí)庫(kù)中缺漏的知識(shí)。

知識(shí)缺漏對(duì)于自動(dòng)化方法構(gòu)建的知識(shí)庫(kù)而言尤為嚴(yán)重。但是即便如此，構(gòu)建一個(gè)盡可能全的知識(shí)庫(kù)仍是任何一個(gè)知識(shí)工程的首要目標(biāo)。既然自動(dòng)化構(gòu)建無法做到完整，補(bǔ)全也就成為了提升知識(shí)庫(kù)質(zhì)量的重要手段。補(bǔ)全可以是基于預(yù)定義規(guī)則（比如一個(gè)人出生地是中國(guó)，我們可以推斷其國(guó)籍也可能是中國(guó)），也可以從外部互聯(lián)網(wǎng)文本數(shù)據(jù)進(jìn)行補(bǔ)充（比如很多百科圖譜沒有魯迅身高的信息，需要從互聯(lián)網(wǎng)文本尋找答案進(jìn)行補(bǔ)充）。

其次是糾錯(cuò)。自動(dòng)化知識(shí)獲取不可避免地會(huì)引入錯(cuò)誤，這就需要糾錯(cuò)。根據(jù)規(guī)則進(jìn)行糾錯(cuò)是基本手段，比如A的妻子是B，但B的老公是C，那么根據(jù)妻子和老公是互逆屬性，我們知道這對(duì)事實(shí)可能有錯(cuò)。知識(shí)圖譜的結(jié)構(gòu)也可以提供一定的信息幫助推斷錯(cuò)誤關(guān)聯(lián)。比如在由概念和實(shí)例構(gòu)成的Taxonomy中，理想情況下應(yīng)該是個(gè)有向無環(huán)圖，如果其中存在環(huán)，那么有可能存在錯(cuò)誤關(guān)聯(lián)。最后一個(gè)質(zhì)量控制的重要問題是知識(shí)更新。

更新是一個(gè)具有重大研究?jī)r(jià)值，卻未得到充分研究的問題。很多領(lǐng)域都有一定的知識(shí)積累。但問題的關(guān)鍵在于這些知識(shí)無法實(shí)時(shí)更新。比如電商的商品知識(shí)圖譜，往往內(nèi)容陳舊，無法滿足用戶的實(shí)時(shí)消費(fèi)需求（比如“戰(zhàn)狼同款飾品”這類與熱點(diǎn)電影相關(guān)的消費(fèi)需求很難在現(xiàn)有知識(shí)庫(kù)中涵蓋）。

因此，電商領(lǐng)域的圖譜構(gòu)建要從被動(dòng)的供給側(cè)構(gòu)建過渡到主動(dòng)的消費(fèi)側(cè)構(gòu)建，要從管理者視角轉(zhuǎn)變成消費(fèi)者視角。消費(fèi)側(cè)的需求充分體現(xiàn)在搜索日志和購(gòu)物籃中。面向日志、購(gòu)物籃的自動(dòng)知識(shí)獲取將成為研究熱點(diǎn)。

經(jīng)歷了上述步驟之后得到一個(gè)初步的領(lǐng)域知識(shí)圖譜。在實(shí)際應(yīng)用中會(huì)得到不少反饋，這些反饋?zhàn)鳛檩斎脒M(jìn)一步指導(dǎo)上述流程的完善，從而形成閉環(huán)。此外，除了上述自動(dòng)化構(gòu)建的閉環(huán)流程，還應(yīng)充分考慮人工的干預(yù)。人工補(bǔ)充很多時(shí)候是行之有效的方法。

比如一旦發(fā)現(xiàn)部分知識(shí)缺漏或陳舊，可以通過特定的知識(shí)編輯工具實(shí)現(xiàn)知識(shí)的添加、編輯和修改。也可以利用眾包手段將很多知識(shí)獲取任務(wù)分發(fā)下去。如何利用眾包手段進(jìn)行大規(guī)模知識(shí)獲取，是個(gè)十分有意思的問題，涉及到知識(shí)貢獻(xiàn)的激勵(lì)機(jī)制，我前幾年有個(gè)題為《未來人機(jī)區(qū)分》的報(bào)告，專門討論如何利用知識(shí)問答形式的驗(yàn)證碼來做知識(shí)獲取，可以百度此文獲取更多信息。

可以看出，整個(gè)領(lǐng)域知識(shí)圖譜的構(gòu)建是個(gè)系統(tǒng)工程，流程復(fù)雜，內(nèi)涵豐富，涉及到知識(shí)表示、自然語言處理、數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、眾包等一系列技術(shù)。也正是這個(gè)原因使得知識(shí)圖譜落地對(duì)很多行業(yè)或者企業(yè)來講都是一個(gè)十分重要的舉措，甚至是戰(zhàn)略性舉措。

領(lǐng)域圖譜的評(píng)價(jià)標(biāo)準(zhǔn)是落地過程中常常被問及的問題。總體而言有三個(gè)方面的指標(biāo)應(yīng)該予以充分考慮。第一個(gè)是規(guī)模。前面已經(jīng)指出，絕對(duì)完備的知識(shí)庫(kù)是不存在的，完備只能相對(duì)于一些封閉領(lǐng)域而言。因此，規(guī)模一般而言是個(gè)相對(duì)指標(biāo)。

關(guān)于規(guī)模問題，在落地過程有兩個(gè)有意思的問題。一是，當(dāng)前知識(shí)庫(kù)是否足以支撐實(shí)際應(yīng)用，或者多大規(guī)模就夠了？這個(gè)問題沒有絕對(duì)答案。我給出的是看實(shí)際應(yīng)用的反饋，也就是知識(shí)圖譜上線后的用戶滿意率。比如在利用知識(shí)圖譜支撐語義搜索方面，多少查詢能被準(zhǔn)確理解，這個(gè)比率是個(gè)重要的指標(biāo)。

當(dāng)然查詢理解率不僅涉及知識(shí)圖譜的覆蓋率也關(guān)系到理解模型的準(zhǔn)確率。因此，在實(shí)際評(píng)估中需要客觀對(duì)待查詢理解率，不能簡(jiǎn)單地將查詢理解率直接等同于圖譜覆蓋率。

第二個(gè)指標(biāo)是質(zhì)量。當(dāng)前AI系統(tǒng)努力避免的一個(gè)事實(shí)就是“Garbage-In-Garbage-Out”。喂給機(jī)器的是錯(cuò)誤知識(shí)，就只會(huì)導(dǎo)致錯(cuò)誤的應(yīng)用結(jié)果。提升知識(shí)圖譜質(zhì)量是知識(shí)圖譜構(gòu)建的核心命題。那么知識(shí)圖譜質(zhì)量又應(yīng)該從哪些維度進(jìn)行衡量呢？

我想至少有幾個(gè)維度。一是、準(zhǔn)確率。比如是否存在錯(cuò)誤事實(shí)，錯(cuò)誤事實(shí)所占比例都是質(zhì)量的直接反映。二是、知識(shí)的深度。比如很多知識(shí)庫(kù)只涵蓋人物這樣的大類，無法細(xì)化到作家、音樂家、運(yùn)動(dòng)員這些細(xì)分類目（fine-grained concepts）。三是、知識(shí)的粒度。粒度越細(xì)應(yīng)用越靈活，應(yīng)用時(shí)精讀越高。細(xì)化知識(shí)表示的粒度是領(lǐng)域知識(shí)圖譜的構(gòu)建過程中的重要任務(wù)之一。

第三個(gè)方面是實(shí)時(shí)。絕對(duì)實(shí)時(shí)是不現(xiàn)實(shí)的，因而實(shí)時(shí)大都從知識(shí)的延時(shí)（latency）角度進(jìn)行刻畫。短延時(shí)顯然是我們期望的。知識(shí)圖譜的更新是個(gè)復(fù)雜問題，不同的更新策略導(dǎo)致不同的延時(shí)。

一般而言，知識(shí)圖譜更新包括被動(dòng)更新和主動(dòng)更新兩種方式。實(shí)際應(yīng)用中往往是兩種策略的結(jié)合。被動(dòng)更新往往采取周期性更新策略，這種策略延時(shí)長(zhǎng)，適用于大規(guī)模知識(shí)更新。主動(dòng)更新，往往從需求側(cè)、消費(fèi)側(cè)、應(yīng)用側(cè)出發(fā)，主動(dòng)觸發(fā)相關(guān)知識(shí)更新，適用于頭部或者高頻實(shí)體及知識(shí)的更新。

領(lǐng)域知識(shí)圖譜如何存儲(chǔ)也是大家很關(guān)注的問題。由于知識(shí)圖譜本質(zhì)上在表達(dá)關(guān)聯(lián)，天然地可以用圖加以建模，因而很多人想到用圖數(shù)據(jù)庫(kù)對(duì)領(lǐng)域知識(shí)圖譜加以存儲(chǔ)。圖數(shù)據(jù)庫(kù)的確是知識(shí)圖譜存儲(chǔ)選型的重要選擇，但是不是唯一選擇。傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)，近幾年充分發(fā)展的其他類型的NoSQL數(shù)據(jù)庫(kù)在很多場(chǎng)景下也是合理選擇。那么數(shù)據(jù)庫(kù)的選擇考慮的要素是什么呢？

有兩類重要的選型要素：圖譜的規(guī)模以及操作復(fù)雜度。從圖譜的規(guī)模角度來看，百萬、千萬的節(jié)點(diǎn)和關(guān)系規(guī)模（以及以下規(guī)模）的圖譜對(duì)于圖數(shù)據(jù)庫(kù)的需求并不強(qiáng)烈，圖數(shù)據(jù)庫(kù)的必要性在中等或者小規(guī)模知識(shí)圖譜上體現(xiàn)并不充分。但是如果圖譜規(guī)模在數(shù)億節(jié)點(diǎn)規(guī)模以上，圖數(shù)據(jù)庫(kù)就十分必要了。

從操作復(fù)雜性來看，圖譜上的操作越是復(fù)雜，圖數(shù)據(jù)庫(kù)的必要性越是明顯。圖譜上的全局計(jì)算（比如平均最短路徑的計(jì)算），圖譜上的復(fù)雜遍歷，圖譜上的復(fù)雜子圖查詢等等都涉及圖上的多步遍歷。圖上的多步遍歷操作如果是在關(guān)系數(shù)據(jù)庫(kù)上實(shí)現(xiàn)需要多個(gè)聯(lián)結(jié)（Join）操作。多個(gè)聯(lián)結(jié)操作的優(yōu)化一直以來是關(guān)系數(shù)據(jù)庫(kù)的難題。圖數(shù)據(jù)庫(kù)系統(tǒng)實(shí)現(xiàn)時(shí)針對(duì)多步遍歷做了大量?jī)?yōu)化，能夠?qū)崿F(xiàn)高效圖遍歷操作。

除了上述因素之外，還應(yīng)該充分考慮系統(tǒng)的易用性、普及性與成熟度。總體而言圖數(shù)據(jù)庫(kù)還是發(fā)展中的技術(shù)，對(duì)于復(fù)雜圖數(shù)據(jù)管理系統(tǒng)的優(yōu)化也是只有少部分專業(yè)人員才能從事的工作。在數(shù)據(jù)庫(kù)選型時(shí)需要充分考慮這些因素。我們實(shí)驗(yàn)室在實(shí)現(xiàn)CN-DBpedia（2000萬實(shí)體、2.2億關(guān)系）在線服務(wù)系統(tǒng)時(shí)先后采用了Relational DB、Graph DB、MongoDB，最后出于綜合考慮選用的是MongoDB，已經(jīng)穩(wěn)定運(yùn)行了三年，累計(jì)提供10億多次API服務(wù)。

領(lǐng)域知識(shí)圖譜如何查詢？通常對(duì)于表達(dá)為RDF形式的知識(shí)圖譜，可以使用SPARQL查詢語言。SPARQL語言針對(duì)RDF數(shù)據(jù)定義了大量的算子，對(duì)于推理操作有著很好支撐，因而能夠適應(yīng)領(lǐng)域中的復(fù)雜查詢與復(fù)雜推理。

從應(yīng)用角度來看，也可以將知識(shí)圖譜僅僅表達(dá)為無類型的三元組。對(duì)于這種輕量級(jí)的表示，關(guān)系數(shù)據(jù)庫(kù)與傳統(tǒng)NoSQL數(shù)據(jù)庫(kù)也是較好選擇。那么此時(shí)，SQL語句就是比較好的選擇。SQL十分成熟，語法簡(jiǎn)單，用戶眾多且有著幾十年的成功應(yīng)用基礎(chǔ)。很多領(lǐng)域圖譜上的查詢是相對(duì)簡(jiǎn)單的，以單步或者兩到三步遍歷居多。

此時(shí)，SQL完全能夠勝任。但是不排除有一些特定場(chǎng)景，特別是公共安全、風(fēng)控管理等領(lǐng)域，通常需要進(jìn)行復(fù)雜關(guān)聯(lián)分析，需要較長(zhǎng)路徑的遍歷，需要開展復(fù)雜子圖挖掘，此時(shí)SQL的表達(dá)能力就顯得相對(duì)較弱了。

未來的趨勢(shì)是直接利用自然語言進(jìn)行知識(shí)圖譜數(shù)據(jù)訪問。但是總體而言這還只是個(gè)比較熱門的研究主題，離成熟還有一定距離。其根本困難在于自然語言的復(fù)雜性，在于自然語言自動(dòng)化轉(zhuǎn)成形式語言的巨大復(fù)雜性。

但這顯然是有著巨大商業(yè)價(jià)值的問題。數(shù)據(jù)（知識(shí)）訪問方法的呆板是制約數(shù)據(jù)（知識(shí)）價(jià)值發(fā)揮的重大瓶頸。一旦突破這一瓶頸，數(shù)據(jù)與知識(shí)的使用將從傳統(tǒng)的被動(dòng)式定制獲取變成主動(dòng)式按需獲取，傳統(tǒng)管理信息系統(tǒng)以及知識(shí)管理將面臨全新機(jī)遇。

領(lǐng)域知識(shí)圖譜的應(yīng)用落腳點(diǎn)無外乎搜索、推薦、問答、解釋與決策。對(duì)于這幾個(gè)應(yīng)用我在《知識(shí)圖譜與認(rèn)知智能》一文中有詳細(xì)論述，在此不再贅述。這里補(bǔ)充回答幾個(gè)問題。第一、知識(shí)圖譜支撐下的應(yīng)用與沒有知識(shí)圖譜特別是與基于機(jī)器學(xué)習(xí)的方案相比有何優(yōu)勢(shì)？這是很多應(yīng)用單位會(huì)提出的問題。

首先，從宏觀層面來講，通過領(lǐng)域知識(shí)圖譜對(duì)于領(lǐng)域知識(shí)進(jìn)行表達(dá)與沉淀，使得機(jī)器能夠具備領(lǐng)域數(shù)據(jù)認(rèn)知能力。這種能力使得推理和解釋成為可能。推理和解釋是當(dāng)前的機(jī)器學(xué)習(xí)（特別是深度學(xué)習(xí)）還難以有效解決的問題。

其次，從具體任務(wù)來看，知識(shí)圖譜能顯著提升一些具體任務(wù)的效果。知識(shí)圖譜支撐下的搜索相對(duì)于傳統(tǒng)搜索，能夠顯著提高召回率，也就是能夠解決“搜的到”的問題；知識(shí)圖譜支撐下的推薦相對(duì)于傳統(tǒng)推薦，能夠顯著提高推薦的個(gè)性化，也就是能夠解決“推得準(zhǔn)”的問題；知識(shí)圖譜支撐下的推薦相對(duì)于其他問答方式，能夠顯著提高問答的召回率，特別是需要推理才能回答的問題。

知識(shí)圖譜支撐下的決策分析相對(duì)于傳統(tǒng)決策，能夠提供決策的可解釋依據(jù)，能夠?yàn)闆Q策提供背景知識(shí)支持。解釋是知識(shí)圖譜的天然使命，因?yàn)槿酥荒芾斫夥?hào)知識(shí)，人是解釋的對(duì)象。

另一個(gè)更為深刻的問題是相對(duì)于機(jī)器學(xué)習(xí)，特別是深度學(xué)習(xí)，符號(hào)化知識(shí)對(duì)于機(jī)器智能是否必要？一些機(jī)器學(xué)習(xí)專家認(rèn)為，機(jī)器智能只需要數(shù)值表示就可以了，所謂知識(shí)也無外乎就是深度神經(jīng)網(wǎng)絡(luò)中足夠抽象層次上的分布式表示，體現(xiàn)為相應(yīng)層次上的網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)。符號(hào)知識(shí)對(duì)于機(jī)器智能是個(gè)偽命題，知識(shí)表達(dá)與沉淀對(duì)于機(jī)器智能也就無從談起。

深度學(xué)習(xí)頂級(jí)專家Hinton也有類似觀點(diǎn)。一定程度上，我贊同這個(gè)觀念。但問題在于，雖然我們身處在大數(shù)據(jù)時(shí)代，但是當(dāng)前的數(shù)據(jù)還不足以讓機(jī)器習(xí)得人類所具有的高度抽象知識(shí)。

我們現(xiàn)在的大數(shù)據(jù)大部分還只是應(yīng)用場(chǎng)景下產(chǎn)生的直接數(shù)據(jù)，缺乏產(chǎn)生這些數(shù)據(jù)的需求與動(dòng)機(jī)的背景數(shù)據(jù)，缺乏能夠解釋數(shù)據(jù)之所以如此的因果鏈條數(shù)據(jù)。比如我們都知道數(shù)據(jù)挖掘領(lǐng)域的啤酒尿布的例子，意思是說大部分買尿布的人也會(huì)同時(shí)買啤酒?？墒俏覀儚膩矶疾恢罏槭裁?。事實(shí)上很可能是產(chǎn)婦行動(dòng)不便，讓爸爸來買尿布，一個(gè)家庭有了新生兒之后，初為人父的爸爸們或多或少比較緊張興奮，因而順帶購(gòu)買啤酒以緩解壓力。我們現(xiàn)在的數(shù)據(jù)采集還無法延伸到能夠理解統(tǒng)計(jì)規(guī)律背后的因果鏈條的地步。

還有很多數(shù)據(jù)背后是由常識(shí)支撐的。比如今年夏天冷飲銷售量增長(zhǎng)，是由于天氣炎熱，而天氣炎熱，人們自然會(huì)飲用冷飲。這些知識(shí)是我們?nèi)巳硕贾赖?，但是機(jī)器無法知道。常識(shí)缺失使得機(jī)器無法重建完整的數(shù)據(jù)關(guān)聯(lián)分析鏈條。

所以，大數(shù)據(jù)時(shí)代的“數(shù)據(jù)饑荒”是機(jī)器學(xué)習(xí)無法習(xí)得人類水準(zhǔn)的高層抽象知識(shí)的重要原因之一。那么有人也許會(huì)爭(zhēng)論說，既然“數(shù)據(jù)饑荒”是根本原因，那么有可能通過增強(qiáng)數(shù)據(jù)采集廣度與力度來消弭這一問題。我個(gè)人認(rèn)為很難。誠(chéng)然隨著大數(shù)據(jù)日積月累，這一問題或許會(huì)得到一定程度上的緩解。 但是常識(shí)獲取的困難仍然會(huì)對(duì)這一問題的解決帶來巨大挑戰(zhàn)。

因此，至少在當(dāng)下一段時(shí)期內(nèi)，充分利用符號(hào)知識(shí)，補(bǔ)齊數(shù)據(jù)驅(qū)動(dòng)方法的短板應(yīng)該是比較務(wù)實(shí)的思路。但是即便意識(shí)到這一點(diǎn)，在方法層面我們也仍然捉襟見肘。如何利用符號(hào)知識(shí)增強(qiáng)統(tǒng)計(jì)學(xué)習(xí)模型仍然是個(gè)具有挑戰(zhàn)性的問題。對(duì)于這一問題的具體論述可以參考《當(dāng)知識(shí)圖譜“遇見”深度學(xué)習(xí)》一文。

領(lǐng)域知識(shí)圖譜落地有哪些最佳實(shí)踐呢？作為一個(gè)工程性學(xué)科，不斷總結(jié)其最佳實(shí)踐是非常有必要的。這里根據(jù)我們落地的幾個(gè)項(xiàng)目分享幾個(gè)最佳實(shí)踐。

第一、應(yīng)用引領(lǐng)。這個(gè)問題在知識(shí)圖譜項(xiàng)目周期時(shí)，已經(jīng)強(qiáng)調(diào)了。明確應(yīng)用出口對(duì)于圖譜的規(guī)劃是非常重要的。第二、避難就簡(jiǎn)。在當(dāng)前階段，文本處理仍然面臨不少困難，落地困難重重。即便是一個(gè)簡(jiǎn)單的中文分詞任務(wù)仍然需要大量的研究工作，比如“南京市長(zhǎng)江大橋”分詞，可以是“南京市+長(zhǎng)江大橋”，也可以是“南京市長(zhǎng)+江大橋”。

因此，在實(shí)際落地過程中，應(yīng)該綜合考慮各條技術(shù)路徑的難度，優(yōu)先考慮從結(jié)構(gòu)化的數(shù)據(jù)中加以轉(zhuǎn)換，其次是半結(jié)構(gòu)化數(shù)據(jù)（比如帶格式標(biāo)記的各類文本，如XML、百科文本等等），最后才是無結(jié)構(gòu)的自然語言文本。

事實(shí)上，如果能夠綜合考慮各類技術(shù)路徑，融合各類數(shù)據(jù)源，采取一些巧妙的策略可以顯著提升非結(jié)構(gòu)化文本抽取的有效性。比如利用結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)文本進(jìn)行比對(duì)，獲取很多高質(zhì)量的關(guān)系描述就是一個(gè)非常有效的策略。

第三、避免從零開始。很多行業(yè)或者企業(yè)在建設(shè)知識(shí)圖譜項(xiàng)目時(shí)，或多或少已經(jīng)存在很多知識(shí)資源，比如領(lǐng)域本體、敘詞表等等，互聯(lián)網(wǎng)上的公開來源也存在不少相關(guān)的百科資源，通用百科圖譜已經(jīng)涵蓋了某個(gè)領(lǐng)域大量的實(shí)體。充分利用這些資源，提高領(lǐng)域知識(shí)圖譜構(gòu)建的起點(diǎn)，是知識(shí)圖譜項(xiàng)目成功落地的一個(gè)關(guān)鍵因素之一。

已經(jīng)存在的這些知識(shí)資源很多是消耗了巨大人工成本經(jīng)過多年持續(xù)積累而得到的，充分利用這些知識(shí)資源對(duì)于領(lǐng)域知識(shí)圖譜的構(gòu)建與完善具有重要意義。知識(shí)資源建設(shè)有個(gè)很有意思的現(xiàn)象，那就是讓人從無到有的貢獻(xiàn)一條知識(shí)的代價(jià)要顯著高于讓人在一個(gè)不那么完善的知識(shí)庫(kù)上進(jìn)行完善的代價(jià)。因此，盡可能復(fù)用是知識(shí)資源建設(shè)的重要策略之一。

最后一條是跨領(lǐng)域遷移。其思路很簡(jiǎn)單，如果我們?yōu)橹袊?guó)移動(dòng)做了個(gè)領(lǐng)域知識(shí)圖譜，那么為中國(guó)電信建設(shè)圖譜，是不需要從零開始的。相近領(lǐng)域的知識(shí)是可以復(fù)用的。這個(gè)原則也意味著知識(shí)圖譜落地過程中，將來會(huì)涌現(xiàn)出一大批面向特定行業(yè)知識(shí)圖譜解決方案的企業(yè)。

領(lǐng)域知識(shí)圖譜還存在哪些挑戰(zhàn)？總體上在知識(shí)表示、獲取和應(yīng)用等各層面均存在很多挑戰(zhàn)。在知識(shí)表示層面，越來越多的領(lǐng)域應(yīng)用不僅僅需要關(guān)聯(lián)事實(shí)這種簡(jiǎn)單知識(shí)表示，還要表達(dá)包括邏輯規(guī)則、決策過程在內(nèi)的復(fù)雜知識(shí)；需要同時(shí)表達(dá)靜態(tài)知識(shí)和動(dòng)態(tài)知識(shí)。

單單知識(shí)圖譜已經(jīng)不足以解決領(lǐng)域的很多實(shí)際問題。如何去增強(qiáng)知識(shí)圖譜的語義表達(dá)能力，如何綜合使用多種知識(shí)表示來解決實(shí)際應(yīng)用中的復(fù)雜問題是非常重要的研究課題。第二，在知識(shí)獲取方面，領(lǐng)域知識(shí)圖譜一般樣本很小，如果需要構(gòu)建抽取模型，那就需要基于小樣本構(gòu)建有效的模型。

目前基于小樣本的機(jī)器學(xué)習(xí)仍然面臨巨大挑戰(zhàn)。解決這一問題的思路之一就是利用知識(shí)引導(dǎo)機(jī)器學(xué)習(xí)模型的學(xué)習(xí)過程。具體實(shí)現(xiàn)手段已經(jīng)有不少團(tuán)隊(duì)在開展相關(guān)的探索工作，比如利用知識(shí)增強(qiáng)樣本、利用知識(shí)構(gòu)建目標(biāo)函數(shù)的正則項(xiàng)以及利用知識(shí)構(gòu)建優(yōu)化目標(biāo)的約束等等。

總體而言，這仍然是個(gè)開放問題需要巨大的研究投入。第三，知識(shí)的深度應(yīng)用。如何將領(lǐng)域知識(shí)圖譜有效應(yīng)用于各類應(yīng)用場(chǎng)景，特別是推薦、搜索、問答之外的應(yīng)用，包括解釋、推理、決策等方面的應(yīng)用仍然面臨巨大挑戰(zhàn)，仍然存在很多開放性問題。