文章摘要：知識(shí)圖譜本質(zhì)上是對(duì)圖結(jié)構(gòu)模型的研究，包括AAAI、NeurIPS、IJCAI 在內(nèi)的諸多AI頂級(jí)會(huì)議都對(duì)知識(shí)圖譜極為重視，在大量學(xué)者積極投入與研究后，知識(shí)圖譜發(fā)展進(jìn)程突飛猛進(jìn)。

知識(shí)圖譜本質(zhì)上是對(duì)圖結(jié)構(gòu)模型的研究，包括AAAI、NeurIPS、IJCAI 在內(nèi)的諸多AI頂級(jí)會(huì)議都對(duì)知識(shí)圖譜極為重視，在大量學(xué)者積極投入與研究后，知識(shí)圖譜發(fā)展進(jìn)程突飛猛進(jìn)。

關(guān)于知識(shí)圖譜的起源圖結(jié)構(gòu)模型，最早我們可以追溯到上個(gè)世紀(jì)。人們對(duì)圖結(jié)構(gòu)模型的研究貫穿于現(xiàn)代計(jì)算 機(jī)技術(shù)發(fā)展的始末，并與人工智能的發(fā)展緊密貼合，共同進(jìn)退。同時(shí)，其內(nèi)部基礎(chǔ)理論離不開語(yǔ)義 Web、數(shù)據(jù)庫(kù)、知識(shí)表征和推理、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)等領(lǐng)域的研究。

接下來(lái)，本文會(huì)從知識(shí)圖譜的起源開始，循序漸進(jìn)地介紹其誕生的歷史，并探討該學(xué)科未來(lái)的研究方向。

一、數(shù)字時(shí)代降臨，知識(shí)圖譜前身語(yǔ)義網(wǎng)絡(luò)模型初面世（20世紀(jì)50-60年代）

在數(shù)字計(jì)算機(jī)出現(xiàn)，第一代編程語(yǔ)言誕生時(shí)起，一個(gè)嶄新的科學(xué)研究領(lǐng)域：計(jì)算機(jī)科學(xué)誕生了，它標(biāo)志著數(shù)字時(shí)代的偉大降臨。

在1956年，國(guó)外研究學(xué)者Newell、Shaw 和 Simon 開發(fā)出了“Logic Theorist”，這是第一個(gè)標(biāo)志性的處理復(fù)雜信息的程序。兩年后，他們又開發(fā)出了“通用解題程序”，該程序是其研究工作的一部分，目的是理解人類智能、適應(yīng)能力和創(chuàng)造能力背后的信息處理機(jī)制，構(gòu)建可以解決對(duì)智能和適應(yīng)性有所需求的計(jì)算機(jī)程序，并探索這些程序中有哪些可以與人類處理問(wèn)題的方式相匹配。同時(shí)，這也標(biāo)榜著自動(dòng)推理線程的啟動(dòng)。后續(xù)理論產(chǎn)出有Robinson 第一定理（歸結(jié)原理），以及Green 和 Raphael 通過(guò)開發(fā)問(wèn)答系統(tǒng)將數(shù)據(jù)庫(kù)中的定理證明和演繹聯(lián)系起來(lái)的證明。實(shí)踐有Oseph Weizenbaum 的 ELIZA 系統(tǒng)。只要程序編寫正確，該程序就可以用英語(yǔ)進(jìn)行關(guān)于任何話題的對(duì)話。

同期，作為知識(shí)圖譜前身的“語(yǔ)義網(wǎng)絡(luò)”誕生了，是在1956年由Richard H.Richens 提出?！罢Z(yǔ)義網(wǎng)絡(luò)”起初被當(dāng)作自然語(yǔ)言機(jī)器翻譯的一個(gè)工具，后在1968年由奎林(J. R. Quillian)深化概念，明確了其是用圖來(lái)表示知識(shí)的結(jié)構(gòu)化方式的理念。其底層邏輯為在一個(gè)語(yǔ)義網(wǎng)絡(luò)中，信息被表達(dá)為一組結(jié)點(diǎn)，結(jié)點(diǎn)之間彼此相連帶標(biāo)記的有向直線用于表示它們的關(guān)系。

一旦具備了一定的計(jì)算能力與自動(dòng)推理能力后，人們開始可以從非結(jié)構(gòu)化數(shù)據(jù)，例如文本數(shù)據(jù)中獲取有效信息。其中，具有里程碑意義的項(xiàng)目是Bertram Raphael 于 1964 年發(fā)表的SIR: A Computer Program for Semantic Information Retrieval。該系統(tǒng)使用單詞關(guān)聯(lián)和屬性列表來(lái)建模對(duì)話語(yǔ)句中傳達(dá)的關(guān)系信息。同時(shí)，他們通過(guò)格式匹配處理程序從英語(yǔ)句子中提取語(yǔ)義內(nèi)容。

以上種種研究領(lǐng)域的突破讓人們逐步了解到自動(dòng)推理的重要性和可行性，使用計(jì)算機(jī)技術(shù)理解自然語(yǔ)言的急切需求，語(yǔ)義網(wǎng)絡(luò)（和更加通用的圖表征）作為抽象層的潛力，系統(tǒng)和高級(jí)語(yǔ)言對(duì)于管理數(shù)據(jù)的相關(guān)性。當(dāng)然，早期技術(shù)上的局限性也凸顯了出來(lái)，例如硬件的物理、技術(shù)和成本限制；圖表征和線性之間的差異；人類語(yǔ)言邏輯和計(jì)算機(jī)系統(tǒng)處理的數(shù)據(jù)之間的差異等等問(wèn)題。

二、萬(wàn)維網(wǎng)廣泛應(yīng)用，圖形化模型略展鋒芒（20世紀(jì)80-90年代）

20 世紀(jì) 80 年代，隨著國(guó)外個(gè)人電腦的蓬勃發(fā)展，計(jì)算機(jī)技術(shù)逐步深入到家家戶戶。

在數(shù)據(jù)管理領(lǐng)域，關(guān)系型數(shù)據(jù)庫(kù)工業(yè)發(fā)展迅速（Oracle、Sybase、IBM 等公司紛紛入場(chǎng)）。在1989年，Time Berners-Lee發(fā)明了萬(wàn)維網(wǎng)，實(shí)現(xiàn)了文本間的鏈接，并在后續(xù)幾年得到了快速應(yīng)用。

萬(wàn)維網(wǎng)通過(guò)超文本標(biāo)記語(yǔ)言(HTML)把信息組織成為圖文并茂的超文本，利用鏈接實(shí)現(xiàn)在站點(diǎn)之間的跳轉(zhuǎn)，徹底改變了人們交流和交換信息的方式，也擺脫了以前查詢工具只能按特定路徑一步步地查找信息的限制，打破了時(shí)間與空間的限制。

與此同時(shí)，學(xué)術(shù)界繼續(xù)加深了對(duì)圖形化模型的研究， 如Harel 于 1988 年提出的圖形化編程語(yǔ)言「HiGraph」，開始將圖作為面向?qū)ο髷?shù)據(jù)、圖形化和可視化界面、超文本系統(tǒng)等的表征方式，又如Alberto Mendelzon 他們使用圖上的遞歸式來(lái)開發(fā)查詢語(yǔ)言，這是現(xiàn)代圖查詢語(yǔ)言的基礎(chǔ)。

三、海量數(shù)據(jù)和知識(shí)噴發(fā)，知識(shí)圖譜誕生（21 世紀(jì)）

在21世紀(jì)，國(guó)外電子商務(wù)、在線社交網(wǎng)絡(luò)（例如，F(xiàn)acebook、Twitter）爆炸式增長(zhǎng)，從而產(chǎn)生了海量數(shù)據(jù)。人們第一次面對(duì)如此龐大的數(shù)據(jù)量，但這也讓人們對(duì)數(shù)據(jù)的開發(fā)與利用產(chǎn)生了全新的認(rèn)知。人們開始使用新的系統(tǒng)與方法論，如統(tǒng)計(jì)方法（通過(guò)引入深度學(xué)習(xí)），

開始在各式各樣的落地應(yīng)用場(chǎng)景中，展現(xiàn)了超越邏輯方法的性能與效率表現(xiàn)。

與此同時(shí)，谷歌和亞馬遜等互聯(lián)網(wǎng)公司率先打破常規(guī)企業(yè)數(shù)據(jù)管理的思維，跳脫出來(lái)，開始構(gòu)建起互聯(lián)網(wǎng)數(shù)據(jù)管理的壁壘，搭建屬于自己的互聯(lián)網(wǎng)帝國(guó)，并催生了 NoSQL 數(shù)據(jù)庫(kù)，它再一次普及了針對(duì)列、文檔、鍵值和圖數(shù)據(jù)模型的數(shù)據(jù)庫(kù)管理系統(tǒng)。

海量數(shù)據(jù)的存在也為人工智能的發(fā)展，如統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)提供了充實(shí)的養(yǎng)料。人們認(rèn)為統(tǒng)計(jì)技術(shù)是從已知的事實(shí)中推導(dǎo)出新的事實(shí)，它使實(shí)際應(yīng)用中的邏輯方法不像以往那樣受人關(guān)注，產(chǎn)生知識(shí)的邏輯方法正在退居幕后。

在這樣的背景下，知識(shí)圖譜的前身語(yǔ)義網(wǎng)絡(luò)研究領(lǐng)域又產(chǎn)生許多新的研究突破，如Tim Berners-Lee、Jim Hendler 和 Ora Lassila 在「科學(xué)美國(guó)人」雜志上發(fā)表論文「語(yǔ)義網(wǎng)絡(luò)」。其將數(shù)據(jù)與知識(shí)相結(jié)合，基于本文先前介紹的各類技術(shù)研究成果之上，尤其是萬(wàn)維網(wǎng)的大量數(shù)據(jù)、自描述圖數(shù)據(jù)模型（RDF）、描述邏輯和知識(shí)工程。

雖然學(xué)術(shù)界對(duì)語(yǔ)義網(wǎng)絡(luò)的認(rèn)可度很高，但是在商業(yè)上語(yǔ)義網(wǎng)絡(luò)的落地并不是很完美，可能是對(duì)學(xué)術(shù)界的創(chuàng)新技術(shù)的不信任，又或者是一些外部因素，如大公司正在做中心化管理，想要壟斷數(shù)據(jù)市場(chǎng)，對(duì)分布式與過(guò)于民主的數(shù)據(jù)管理方式有些排斥等原因?？傊詈蟮慕Y(jié)果就是在后續(xù)十年中，語(yǔ)義網(wǎng)絡(luò)并沒(méi)有像專家預(yù)期的那樣受到市場(chǎng)與人們的歡迎。

但隨著知識(shí)處理技術(shù)的驚人進(jìn)步，傳統(tǒng)數(shù)據(jù)管理技術(shù)捉襟見肘，局限性凸顯出來(lái)。這可能就是后續(xù)知識(shí)圖譜概念誕生的主要原因——因?yàn)橐恢比鄙僖粋€(gè)針對(duì)海量數(shù)據(jù)與知識(shí)且集存儲(chǔ)、管理和整合功能于一體的模型存在。

時(shí)間的滾軸繼續(xù)向前推進(jìn)，一路來(lái)到2012年，在這年谷歌發(fā)布了一款名為Knowledge Graph的產(chǎn)品，即知識(shí)圖譜。它基于將數(shù)據(jù)表征為與知識(shí)相連的圖。從應(yīng)用的角度可以說(shuō)，知識(shí)圖譜是一種多關(guān)系圖譜（multi-relational graph），圖中的結(jié)點(diǎn)代表實(shí)體(entity)或者概念(concept)，邊代表實(shí)體/概念之間的各種語(yǔ)義關(guān)系。從這些特性上，我們可以發(fā)現(xiàn)它可以通過(guò)不斷增加“點(diǎn)”、“邊”來(lái)進(jìn)行持續(xù)擴(kuò)充，所以說(shuō)知識(shí)圖譜更像是一個(gè)不斷發(fā)展的項(xiàng)目，而不僅僅只是一個(gè)精確的概念或系統(tǒng)。

知識(shí)圖譜就此正式走入人們視野，被市場(chǎng)熟知，并親睞。同期，相關(guān)“圖”服務(wù)也紛紛涌現(xiàn)出來(lái)，如Facebook 發(fā)布的圖搜索服務(wù)、微軟、亞馬遜、Ebay 等巨頭的“知識(shí)圖譜”類服務(wù)。

所謂，溯源明本才能知未來(lái)，我們深入了解到那一段發(fā)展歷程才能站在更高層面去找尋未來(lái)知識(shí)圖譜的發(fā)展走向。我們可以看到知識(shí)圖譜在現(xiàn)如今已彌補(bǔ)了海量數(shù)據(jù)與知識(shí)管理、分析利用的漏洞，當(dāng)然現(xiàn)在還不完善，有待后續(xù)繼續(xù)補(bǔ)充完整。同時(shí)我們大膽展望未來(lái)，比如一個(gè)知識(shí)與數(shù)據(jù)管理系統(tǒng)，是否可以通過(guò)對(duì)大量線索的有效整理分析得出既定結(jié)論，對(duì)事物后續(xù)走向?qū)崿F(xiàn)預(yù)測(cè)呢？就好像物理學(xué)就通過(guò)總結(jié)、驗(yàn)證大量物理公式，實(shí)現(xiàn)了對(duì)物體粒子不同時(shí)間所處位置、狀態(tài)的預(yù)測(cè)。我們有理由相信，基于人類的智慧，早晚有一天會(huì)實(shí)現(xiàn)對(duì)數(shù)據(jù)與知識(shí)使用層面上的升華。

視線移步至今日，我們看到在知識(shí)圖譜領(lǐng)域發(fā)展的企業(yè)與組織數(shù)量激增。隨著人工智能大數(shù)據(jù)時(shí)代來(lái)臨，知識(shí)圖譜作為重要的知識(shí)表示方式之一，從全新視角為機(jī)器語(yǔ)言認(rèn)知提供支持，使得人工智能對(duì)人類自然語(yǔ)言的理解更加精確，從而幫助人類實(shí)現(xiàn)更多知識(shí)的分析與利用。

商業(yè)發(fā)展是除戰(zhàn)爭(zhēng)外另一大推動(dòng)技術(shù)變革的有力助手，越來(lái)越多的企業(yè)，投身于知識(shí)圖譜的商業(yè)化發(fā)展利用中，沃豐科技也是其中一員。沃豐科技打造了AI場(chǎng)景落地專家GaussMind，其基于深度學(xué)習(xí)NLP算法，實(shí)現(xiàn)上傳、標(biāo)注數(shù)據(jù)，自定義構(gòu)建模型訓(xùn)練，構(gòu)建可視化圖譜，將非結(jié)構(gòu)化文檔自動(dòng)構(gòu)建成知識(shí)圖譜結(jié)構(gòu)化知識(shí)表示GaussMind幫助員工快速查找知識(shí)，并構(gòu)建知識(shí)關(guān)聯(lián)，發(fā)現(xiàn)未知聯(lián)系，賦能企業(yè)對(duì)知識(shí)數(shù)據(jù)的多緯度利用。

未來(lái)，沃豐科技將繼續(xù)深耕于此，以推動(dòng)中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型為己任，為知識(shí)圖譜的發(fā)展與商業(yè)實(shí)際場(chǎng)景中的快速落地而持續(xù)貢獻(xiàn)力量。

》》點(diǎn)擊免費(fèi)試用智能知識(shí)圖譜，優(yōu)勢(shì)一試便知

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來(lái)源：http://www.gototw.com.cn/ucm/update/27021