知识降维作图谱 人工智能有阶梯

臧根林

由谷歌（Google）旗下DeepMind公司戴密斯.哈萨比斯领衔的团队开发的阿尔法围棋（AlphaGo）人工智能机器人在2016年3月与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜，引爆了新一轮人工智能热潮。人工智能研究从1956年开始，经过三起三落，至今已经60多年了，但始终发展没有达到我们的期望，现在有了大数据技术，在机器学习模型训练方面有了重大提升，在语义理解、图像识别等方面都有了不少突破，也出现了AI播音员等，但我们发现要实际运用的时候，人工智能离我们还有相当远的距离。比如无人驾驶汽车，试验阶段是没有问题的，真正上路为我们服务，能在复杂路况下像老司机一样安全驾驶，谁也说不清还需要等多少年。

怎么样才能让人工智能为人类服务？我认为这个问题非常像把一条狗训练成警犬的过程。狗的智商不如人类，但在“硬件”方面有优势，比如奔跑速度、嗅觉等等，我们要训练一条狗成为警犬，就必须让它学习，能理解人类的意图，知道要它做什么。训练狗的过程实际上是知识降维的过程，我们人类脑子里的知识结构非常复杂，其存储结构、关联思维、决策判断过程至今也无法完全研究明白。要把这么复杂的知识结构让狗能理解，只能把维度降下来，比如找出一包毒品可以得到一份食物的奖励，也就是将毒品这个实体和它喜欢的食品这个实体建立了关系。训练人工智能其实也就是这样，计算机的计算、存储能力可扩展，超级计算机可以实现我们人类无法达到的高性能计算，但无法完全模拟我们人类的思维，只有我们把知识结构降维，形成一个计算机能看懂的结构，它的优势才能发挥。这样降维后形成的知识，基本上围绕着实体、实体的属性、实体之间的关系这三个要素展开，这种知识架构就是知识图谱。特别是现实世界中的大量知识是非结构化的，如声音、图像等，而计算机擅长处理的是结构化数据。知识图谱可以实体的结构化信息和非结构信息关联起来。所以有一种说法，叫知识图谱是大数据走向人工智能的阶梯。

知识图谱本质上就是一个用图数据结构等技术作载体，描述客观事物及其关系的大型知识库。在具体实现上，知识图谱用语义网（Semantic Web）中的资源描述框架（Resource Description Framework，RDF）对知识体系和实例数据二个层面的内容进行统一表示，共同构成一个完整的知识系统。

世界本身不存在结构化或非结构化问题，在信息化时代之前也没有人去区分结构化或非结构化，但人类进入信息化时代，什么都想通过计算来得到结果，就产生了信息是否结构化问题。所以这个问题是人类为了将就计算机而产生的问题。知识图谱把这个问题进一步加深了，因为我们不仅仅想让计算机帮我们计算信息，还想让计算机学会跟我们人类一样去思考去判断，也就是现在很热门的人工智能。为了教育计算机看懂人类的知识，我们类似给幼儿设计看图识字本一样，将知识整理成知识图谱。

知识图谱的本质是具有有向图结构的知识库，知识图谱是人工智能应用不可或缺的基础资源。知识图谱分为两类：通用知识图谱和领域知识图谱。通用的知识图谱可以认为是百科全书，比如Google 知识图谱、DBpedia、YAGO和Freebase等；领域知识图谱是基于领域数据构建的知识图谱，用于领域分析研究工作。通用知识图谱的本体根类型，基本上就是实体（entity），然后再分类。通用知识图谱和领域知识图谱，从基础架构上基本相同，但由于领域知识图谱面向更为复杂的领域数据和场景，从构建和应用上来讲更加复杂。

虽然知识图谱概念由美国谷歌公司在2012年5月首次提出，但知识图谱这样的理念和表达思路在中国已经存在超过二千年，五行理論和相生相克图就是一个典型的知识图谱结构。知识图谱描述的关键三要素是实体、属性和实体之间的关系，五行相生相克图（图1）正是完整表达了这样的三个要素，金、木、水、火、土每个字不但表达一种类型实体，而且字面本身已经蕴含了属性解释，如“水”字自然就是指世界上一切液体性质的实体，每个实体都和另外四个发生联系，四条连线代表了实体之间相生或相克的关系。

在很多领域的知识图谱，其实和五行相生相克图都有相似之处，图2就是是公安部门数据存储的常用分类，将数据分为人（人口信息）、地址（门牌楼等）、案件、物品（刀、枪、毒品等）及组织（某黑社会、邪教组织等）。

知识图谱可以用于各个行业领域，用于领域的数据整合和业务分析，比如政府辅助决策、媒体分析、电商分析、金融分析、公安情报分析、学术领域、学科分析、军事信息搜索等。面向不同领域有不同的领域本体（Domain Ontoloty），领域本体是领域知识图谱的基础概念。在领域知识图谱工程中，最先需要确定的是本体中的对象类型。各个领域都有自己关注的主要对象，领域的信息化是围绕这些对象而产生和收集数据，所以在构建领域知识图谱中，这些主要对象就是知识图谱中主要的对象类型。

领域知识图谱构建的过程，就是分别将领域中的结构化数据、半结构化数据和非结构化数据加工成知识对象和关系的过程，针对三种类型的数据分别构建，构建后的文本类型和多媒体类型的对象，又可以通过人工或机器的方式进行知识加工，从中提取有价值的实体、事件和关系。图3显示的就是领域知识图谱构建和知识加工原理。

大数据技术发展非常快速，2012年在中国开始提出大数据，短短几年时间已经从一种高大上的技术变成了基础性的技术，各行各业都在使用大数据。但如何让大数据发挥更大价值，大家都把目光转向人工智能的时候，发现人工智能离自己实际使用有相当的距离，甚至无从下手。其实，先把大数据构建成自己领域的知识图谱，形成机器学习、模型训练的知识资源，正是通往人工智能的阶梯。