劉柳

大數(shù)據(jù)時代的到來，使得人工智能技術(shù)獲得了前所未有的長足進步。同時，隨著人工智能對數(shù)據(jù)處理和理解需求逐日增加，知識圖譜升溫。融合知識圖譜與深度學(xué)習(xí)，已然成為人工智能進一步發(fā)展的重要思路之一。知識圖譜應(yīng)用領(lǐng)域日趨廣泛，如互聯(lián)網(wǎng)金融、醫(yī)藥等領(lǐng)域，本文就知識圖譜的行業(yè)應(yīng)用與未來發(fā)展進行深入闡述。

多領(lǐng)域發(fā)揮重要作用

知識圖譜本質(zhì)上是基于語義網(wǎng)絡(luò)（semantic network）的知識庫，旨在描述客觀世界的概念、實體、事件及其之間的關(guān)系。

知識圖譜（Knowledge Graph）的概念最先是由谷歌于2012年正式提出，主要用來支撐下一代搜索和在線廣告業(yè)務(wù)。2013年以后知識圖譜開始在學(xué)術(shù)界和業(yè)界普及，并在搜索、智能問答、情報分析、金融等領(lǐng)域應(yīng)用中發(fā)揮重要作用。

搜索：理解自然語言

基于知識圖譜的搜索引擎開始具備更精確的語義分析能力，可以清晰辨別出自然語言問題。

坐擁海量數(shù)據(jù)的互聯(lián)網(wǎng)巨頭，基于生態(tài)閉環(huán)，其數(shù)據(jù)能夠自我生長、消化吸收、形成新的知識體系，源源不斷地產(chǎn)生知識庫和知識圖譜。

基于龐大的知識庫和知識圖譜，產(chǎn)生了支持自然語言溝通的SIRI、EVI和Google Now等語音個人助理。2011年，IBM研發(fā)了Watson問答系統(tǒng)，Watson參加了Jeopardy?。ㄎｋU邊緣）問答類電視節(jié)目，打敗人類冠軍。

臉書利用知識圖譜技術(shù)構(gòu)建興趣圖譜（interest graph），用來連接人與人之間分享的信息，2013年基于此構(gòu)建了社交圖譜搜索工具graph search。當(dāng)時，《連線》雜志認為臉書推出社交圖譜搜索工具一方面是要在網(wǎng)頁搜索領(lǐng)域擊敗谷歌；另一方面是要在垂直搜索領(lǐng)域擊退求職領(lǐng)域的LinkedIn、約會領(lǐng)域的Match，以及餐館點評領(lǐng)域的Yelp。

在國內(nèi)，微軟必應(yīng)、搜狗、百度等搜索引擎公司在谷歌提出知識圖譜一年后紛紛發(fā)布了自己的知識圖譜產(chǎn)品，如百度“知心”、搜狗“知立方”（現(xiàn)為“立知”）等。搜狗作為國內(nèi)首家構(gòu)建和應(yīng)用知識圖譜的搜索引擎，將基于知識圖譜的人工智能技術(shù)和差異化內(nèi)容內(nèi)置到產(chǎn)品中。根據(jù)搜狗2016年財報顯示，其搜索流量急速攀升，移動搜索流量較2015年底增長70%。百度的知識圖譜也已廣泛應(yīng)用于眾多產(chǎn)品線中，從2014年上線到2017年，其服務(wù)規(guī)模已增長約160倍。

騰訊匯總了微信、QQ和公眾號超過20萬億次的閱讀點擊量，數(shù)百億筆支付數(shù)據(jù)，全年約1300億次視頻點擊量，70億次新聞點擊量，四十余萬款上線APP等數(shù)據(jù)，構(gòu)建了社交知識圖譜，并用于服務(wù)旗下眾多產(chǎn)品，并在語音搜索、智能問答等新趨勢中積蓄勢能。

今日頭條每一個用戶的每一次操作行為都幫助它提高關(guān)系的準確度和維度，以此構(gòu)建更加完善的知識圖譜。

生命科學(xué)：降低研發(fā)診斷成本

由于研發(fā)新藥花費較高，醫(yī)藥公司非常關(guān)注如何縮短新藥研制周期，降低研發(fā)成本。歐盟第七框架下的開放藥品平臺Open Phacts項目，就是利用來自實驗室的理化數(shù)據(jù)、各種期刊文獻中的研究成果以及各種開放數(shù)據(jù)，包括Clinical Trials.org，美國開放數(shù)據(jù)中的臨床實驗數(shù)據(jù)，來加速藥物研制中的分子篩選工作，已吸引輝瑞和諾華等制藥巨頭參與。

Watson取得巨大成功之后，IBM成立了Watson group（事業(yè)部），對各種行業(yè)進行認知突破。其中在醫(yī)療方面，IBM啟動了登月計劃（moon shot），通過整合大量醫(yī)療文獻和書籍以及各種EMR（電子病歷）來獲取海量高質(zhì)量的醫(yī)療知識，并基于這些知識向醫(yī)護人員提供輔助臨床決策和用藥安全等方面的應(yīng)用。

金融：識別及預(yù)防欺詐

金融僅次于醫(yī)療，是知識圖譜應(yīng)用最廣泛的領(lǐng)域，在反欺詐、搜索和營銷方面均有深入應(yīng)用。

國外的Datafox和Spiderbook，國內(nèi)的通聯(lián)數(shù)據(jù)等，通過從互聯(lián)網(wǎng)提取上市公司的相關(guān)數(shù)據(jù)，包括產(chǎn)品、公司供應(yīng)鏈關(guān)系、競爭對手關(guān)系等，整合為知識圖譜幫助企業(yè)或投資機構(gòu)進行全網(wǎng)數(shù)據(jù)的關(guān)聯(lián)分析、影響傳播和預(yù)測。

反欺詐在金融風(fēng)控中舉足輕重，但基于大數(shù)據(jù)的反欺詐存在兩個難點：一是如何整合不同來源的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并有效地識別出身份造假、團體欺詐、代辦包裝等欺詐案件。二是不少欺詐案件涉及復(fù)雜的關(guān)系網(wǎng)絡(luò)，如組團欺詐。

知識圖譜是基于關(guān)系的表達方式，可輕松解決以上兩個問題，因此在反欺詐中獲得廣泛應(yīng)用。首先，知識圖譜可以提供非常便捷的方式來添加新的數(shù)據(jù)源。其次，知識圖譜本身是直觀的關(guān)系表達方式，可以幫助更有效地分析復(fù)雜關(guān)系中存在的特定的潛在風(fēng)險。

比如，荷蘭的法律對破產(chǎn)不追責(zé)，因此很多人利用法律漏洞建立團伙進行企業(yè)倒賣，通過將其中一些公司申請破產(chǎn)以非法獲得很多免費資源。荷蘭政府希望找到幕后組織避免大量損失，但政府各個部門和組織的數(shù)據(jù)非常分散，導(dǎo)致各個部門無法得到完整的信息判別上述團伙，而傳統(tǒng)的數(shù)據(jù)集成方法需要依賴經(jīng)驗豐富的專家對數(shù)據(jù)庫進行手工集成，大大增加了工作量和處理周期。引入知識圖譜，進行有效的去中心化的高效知識融合，可快速確定可能性最大的元兇，相關(guān)部門就可以對其進行有針對性的深入調(diào)查。

農(nóng)業(yè)：多媒體知識指導(dǎo)

大量的農(nóng)業(yè)資料以不同格式分散存儲，傳統(tǒng)的關(guān)系數(shù)據(jù)庫模式不適用于復(fù)雜多變的領(lǐng)域，無法實現(xiàn)定義所有可能的知識點并構(gòu)建關(guān)鍵數(shù)據(jù)庫模式，而知識圖譜這種更加靈活的知識表示模型可以實現(xiàn)管理。利用抽取挖掘技術(shù)從各種多源異構(gòu)數(shù)據(jù)中獲取相應(yīng)的知識，并用統(tǒng)一圖譜進行表示，形成完整的知識庫，刻畫作物知識、土壤知識、肥料知識、疾病知識和天氣知識等。通過圖譜關(guān)聯(lián)到圖片信息，形成多媒體知識圖譜，病變圖片信息相比專業(yè)知識更加直觀，也更方便農(nóng)民使用。

客戶服務(wù)：個性化前瞻性關(guān)懷

維護客戶的原則即希望對于信用好的用戶能前瞻性地了解其需求，并在用戶抱怨或詢問信息時，可以預(yù)判其需求，并幫其解決，從而減少溝通次數(shù)和溝通時長。為此系統(tǒng)需要判斷用戶的信用等級，并根據(jù)用戶的當(dāng)前消費情況和行為來自動化判斷其可能的行為。

Amdocs是美國最大的第三方賬單審計和客服中心，其客戶包括AT&T、 Verizon和SPRIN，Amdocs對電信行業(yè)的設(shè)備、賬單、支付、消費模式等知識進行數(shù)據(jù)分類和商業(yè)概念歸類，經(jīng)過提取整合各種數(shù)據(jù)源，形成統(tǒng)一的知識，并配合業(yè)務(wù)規(guī)則和貝葉斯網(wǎng)絡(luò)來形成決策引擎，對用戶的信用和各種行為結(jié)果進行預(yù)測，最終達到個性化前瞻性的客戶關(guān)懷。

此外，知識圖譜在媒體和政府均有不同程度的應(yīng)用，如英國廣播電臺最早采用了知識圖譜技術(shù)，近期熱論的新聞自動寫作機器人也是基于知識圖譜技術(shù)。Palantir則是美國最早在政府領(lǐng)域使用知識圖譜技術(shù)的公司，該公司幫助美國政府成功定位到了本拉登的位置。

賦能認知智能

知識圖譜對于人工智能的價值在于讓機器具備了認知能力。機器認知智能在應(yīng)用方面是廣泛、多樣的，體現(xiàn)在精準分析、智慧搜索、智能推薦、智能解釋、更自然的人機交互和深層關(guān)系推理等多個方面。

智能分析

由于缺乏諸如知識圖譜此類背景知識，各類工具理解大數(shù)據(jù)的手段有限，限制了基于大數(shù)據(jù)的精準與精細分析，大大降低了大數(shù)據(jù)的潛在價值。因此盡管越來越多的行業(yè)或者企業(yè)積累了規(guī)?？捎^的數(shù)據(jù)，但這些數(shù)據(jù)非但未能創(chuàng)造價值，甚至可能因消耗大量的運維成本而成為負資產(chǎn)。

知識圖譜的發(fā)展提供了強大的背景知識支撐，可以賦能輿情分析、商業(yè)洞察、軍事情報分析和商業(yè)情報分析此類基于大數(shù)據(jù)的精準分析。

知識圖譜和基于此的認知智能為精細分析提供了可能。如汽車制造廠商等制造企業(yè)都希望實現(xiàn)個性化制造運用于精細分析案例。知識圖譜構(gòu)建關(guān)于汽車評價的背景知識，如汽車的車型、車飾、動力、能耗等，提取消費者對汽車的褒貶態(tài)度、消費者改進建議、競爭品牌等評價與反饋，并以此為據(jù)實現(xiàn)按需與個性化定制。

智能搜索及推薦

第一，精準理解搜索意圖。在缺乏上下文的情況下，基于知識圖譜的認知智能可幫助搜索工具辨別出核心詞和修飾詞，如可應(yīng)用在電商搜索引擎。

第二，實現(xiàn)對多元復(fù)雜對象的搜索。搜索的對象將從以文本為主到圖片、聲音，甚至是代碼和視頻、設(shè)計素材等。

第三，實現(xiàn)多元化搜索粒度，如段落級、語句級、詞匯級的搜索。這將率先在知識管理領(lǐng)域得到大范圍應(yīng)用。傳統(tǒng)知識管理大都只能做到文檔級搜索，這種粗粒度的知識管理已經(jīng)難以滿足實際應(yīng)用中細粒度的知識獲取需求。

第四，實現(xiàn)跨媒體協(xié)同搜索。傳統(tǒng)搜索以單質(zhì)單源數(shù)據(jù)的搜索居多，文本搜索難以借力視頻、圖片信息，圖片搜索對文本信息利用率不高。未來借助認知智能，可聯(lián)合檢索社交網(wǎng)絡(luò)、地圖、文本與圖片信息等多個渠道多種媒體的信息。

因此未來的推薦趨勢就是精準感知任務(wù)與場景，基于背景知識，實現(xiàn)行為與語義融合的推薦，想用戶之未想。

知識型內(nèi)容推薦。任何搜索內(nèi)容背后都體現(xiàn)著特定的消費意圖，很有可能對應(yīng)到特定的內(nèi)容、場景和知識背景。建立相應(yīng)圖譜，實現(xiàn)精準推薦，將顯著增強用戶對于推薦內(nèi)容的信任與接受程度，這對于電商個性化推薦而言至關(guān)重要。

冷啟動下的推薦。利用外部知識，特別是關(guān)于用戶與物品的知識指引冷啟動階段的匹配與推薦，讓系統(tǒng)盡快度過冷啟動階段。

跨領(lǐng)域的推薦。有效利用知識圖譜這類背景知識，可以跨越不同平臺之間的語義鴻溝，實現(xiàn)跨領(lǐng)域推薦。如微博作為媒體平臺，淘寶作為電商平臺，二者的語言體系、用戶行為完全不同，實現(xiàn)跨領(lǐng)域推薦以后，可向經(jīng)常曬山峰照片的用戶推薦購買登山裝備，商業(yè)潛力巨大。

智能解釋

可解釋性決定了人工智能系統(tǒng)的發(fā)現(xiàn)、推理和決策結(jié)果能否被人類采信，因此可解釋性成為了金融、醫(yī)療、司法等諸多領(lǐng)域中阻礙人工智能系統(tǒng)落地應(yīng)用的最后一關(guān)，而知識圖譜在實現(xiàn)人工智能可解釋性方面具有重要作用?？山忉屓斯ぶ悄軐崿F(xiàn)以后，將率先大幅度提升金融領(lǐng)域智能投資決策、信貸風(fēng)險評估的采納率，也將大幅提升人工智能在醫(yī)療領(lǐng)域確診方面的采納率和應(yīng)用范圍。

自然人機交互

人機交互將會變得更簡單自然。自然人機交互包括自然語言問答、對話、體感交互、表情交互等，需要機器能夠理解人類的自然語言，要求其具有較高認知智能水平及強大的背景知識。會話式（Conversational UI）、問答式（QA）交互將逐步代替?zhèn)鹘y(tǒng)的關(guān)鍵字搜索式交互。未來，Google NOW、siri、amazon Alexa等語音助手及下一代對話機器人將代替我們閱讀、瀏覽，甚至代替我們看電影、電視劇，然后回答我們所關(guān)心的任何問題。

深刻影響社會結(jié)構(gòu)

以深度學(xué)習(xí)為代表的人工智能獲得巨大進展，但深度學(xué)習(xí)的不透明性、不可解釋性已成為制約其發(fā)展的障礙，“理解”與“解釋”是人工智能需要攻克的下一個挑戰(zhàn)，而知識圖譜為“可解釋的人工智能”提供了全新的視角和機遇，并帶來新科技、商業(yè)和社會新紀元—認知時代的黎明。

對于人類而言，知識圖譜賦能人工智能之后，將增強人類的能力，讓我們可以理解和運作社會中復(fù)雜的系統(tǒng)，提升我們駕馭科技的能力，改善人類的生存環(huán)境，人類與機器的交互將更加自然、有預(yù)見性、有情感性。

對于企業(yè)而言，產(chǎn)品和服務(wù)將具備認知能力，這將對企業(yè)產(chǎn)生顛覆性影響，將重塑其所處行業(yè)的形態(tài)，革新行業(yè)的各個關(guān)鍵環(huán)節(jié)。當(dāng)前已有越來越多企業(yè)將人工智能升至企業(yè)的核心戰(zhàn)略，在電商、社交、物流、金融、醫(yī)療、司法、制造等眾多領(lǐng)域?qū)楷F(xiàn)出越來越多的人工智能賦能的案例。

對于社會而言，除了探索發(fā)現(xiàn)能力將得到長足進步以外，認知系統(tǒng)接受領(lǐng)先從業(yè)人員的訓(xùn)練，掌握政治、經(jīng)濟、法律、醫(yī)學(xué)、銷售和烹調(diào)等專業(yè)術(shù)語，能夠理解和傳授復(fù)雜的專業(yè)技能，將大大縮短社會培養(yǎng)人才所需的時間，甚至取代人類做出部分社會管理層面的工作決定。越來越多的知識工作將逐步被機器所代替，將對社會結(jié)構(gòu)產(chǎn)生深遠的影響。

總之，知識圖譜將賦能認知智能，而認知智能是一種能夠?qū)崒嵲谠诼涞氐?、有著廣泛且多樣的應(yīng)用需求的、能夠產(chǎn)生巨大社會經(jīng)濟價值的人工智能技術(shù)。認知智能的發(fā)展本質(zhì)上是不斷解放人類腦力，伴隨而來的將是機器生產(chǎn)力的進一步解放，最終將導(dǎo)致生產(chǎn)關(guān)系的改變。