曾記得十幾天之前否?那時我們躊躇滿志的跨進了2018，滿懷著對未來的渴望和珍重……然后我們驚奇的發(fā)現(xiàn)，2018第一個火起來的詞叫“撒幣”…

不是我說啥，這可真出戲啊。

似乎一夜之間，直播答題和這個叫做“撒幣”的關(guān)鍵詞就火了。王思聰?shù)臎_頂大會、映客的芝士超人、花椒的百萬贏家，一時之間大佬們瘋狂爭當(dāng)“大撒幣”，人民群眾則紛紛出頭想當(dāng)被幣砸到的那個幸運兒。

當(dāng)然了，不管這些平臺們?nèi)绾?ldquo;撒”，最終“幣”還是要回到他們自己口袋里的，畢竟做生意是為了賺錢，搞出來這么大場面當(dāng)然是為了放后招，沒聽說過哪位出題讓人答是為了做慈善的。除非...除非AI化妝成選手，也來答個題，說不定能干到王思聰們沒幣可撒...

畢竟，答題也是講科學(xué)的對不對?

很多人在答題沖關(guān)時，會借助搜索引擎尋找信息,搜索引擎返回的結(jié)果有兩種形式，一種是我們要在返回頁面的中自己繼續(xù)尋找關(guān)鍵的答案,另一種呢，搜索引擎則直接明了的告訴我們答案，比如“長城有多長”，在分秒必爭沖向百萬獎金的途中，簡直獲得了直掛云帆濟滄海的痛快!這背后的功勞主角，就是今天我們要講的知識圖譜。

在由“AI感知”通向“AI理解”的大路上，知識圖譜是被公認(rèn)的技術(shù)基石。更更重要的是——他能幫你答題啊……

知識圖譜是什么鬼？

知識圖譜這個概念被提出并不算太久，但是要追根溯源理解這個技術(shù)到底是玩什么的，那可能真要往上倒騰幾十年才行。

上世紀(jì)40年代，人工智能被提出之后，無數(shù)科學(xué)家們就開始琢磨，到底用什么方式能讓機器模擬出人的智慧呢?琢磨來琢磨去，人對于信息能夠進行關(guān)聯(lián)理解似乎是個路子。所謂信息關(guān)聯(lián)，就是人類在接受一個信息后，會把它放在記憶中進行歸納和調(diào)用。比如我們會記住一些信息：橘子屬于水果，檸檬屬于水果，水果的維生素含量高，這樣我們可以推斷，橘子的維生素含量也高。利用這個思路，上世紀(jì)50年代末，學(xué)術(shù)界提出了語義網(wǎng)絡(luò)(semantic network)的設(shè)想，打算把數(shù)據(jù)進行結(jié)構(gòu)化的處理，讓單個信息組合成有聯(lián)系、能共鳴的“知識”，語義網(wǎng)常常被看做是知識圖譜的前身。

上世紀(jì)80年代，受到多方面刺激的地球人開始了一次AI復(fù)興運動，而這次運動的主角，就是各國開始打造專家系統(tǒng)和知識庫。那時候科學(xué)家們相信，如果把人類大量知識進行邏輯化關(guān)聯(lián)和語義網(wǎng)絡(luò)存儲，最終人類就能打造出全知全能，無所不懂的人工智能，雖然這場運動之后被保留的專家系統(tǒng)不多，但是海量知識構(gòu)成的知識庫卻成為了更有價值的產(chǎn)物。

2012年，基于語義web技術(shù)和Freebase等優(yōu)質(zhì)知識庫，谷歌提出了知識圖譜(Knowledge Graph)概念，所謂知識圖譜，是利用多個來源的數(shù)據(jù)，將真實世界中關(guān)于事物的知識、事物之間的關(guān)系，組織成一張巨大的、聯(lián)通的、讓計算機可以去理解的圖結(jié)構(gòu)，于是文字不僅僅是文字，而是有了它在現(xiàn)實世界中的具體的含義和關(guān)聯(lián)關(guān)系。在產(chǎn)業(yè)端它為搜索、內(nèi)容推薦和智能問答提供了基礎(chǔ)，成為今天AI領(lǐng)域足夠強勢的一個技術(shù)類別。舉個直白的例子吧：

假如你這幾天很好奇一個叫PGone的詞為啥火了，然后你去搜索一下，結(jié)果給你推薦的詞是PGtwo、PGthree...那你就跟沒搜一樣。假如蹦出來兩個詞，一個是賈乃亮一個是地溝油，那么你看完整個故事就了然了嘛...

所謂的知識圖譜，就是讓智能體去理解事物以及他們之間的關(guān)系，并能基于此提供相關(guān)的技術(shù)和服務(wù)，比如這里舉例的推薦技術(shù)。