本文整理自 復(fù)旦大學(xué)-計(jì)算機(jī)科學(xué)技術(shù)學(xué)院-肖仰華教授在 NUC 2022 年度用戶大會(huì)上的分享。

認(rèn)知智能的起源與發(fā)展

圖計(jì)算有很多應(yīng)用場景,，知識(shí)圖譜是近幾年或者是未來一段時(shí)間里,，圖計(jì)算非常重要的應(yīng)用場景之一。

為什么有這個(gè)判斷,？因?yàn)檎麄€(gè)人類社會(huì)已經(jīng)進(jìn)入了所謂的智能時(shí)代，而當(dāng)下我們尤為迫切的需要是發(fā)展機(jī)器的認(rèn)知能力,，從而不但代替我們的體力勞動(dòng),，更多的要代替我們簡單的腦力勞動(dòng)，讓更多的知識(shí)工作由機(jī)器來協(xié)助我們完成,，當(dāng)然了,，最終的決策權(quán)還是要由我們?nèi)祟悂硗瓿伞Ｋ宰寵C(jī)器具備人類的,，尤其是行業(yè)的認(rèn)知能力,，讓機(jī)器能夠理解我們行業(yè)的數(shù)據(jù)，具備一定的推理能力,、解釋能力,、規(guī)劃決策能力，以這樣一種形態(tài)為代表的認(rèn)知智能已經(jīng)在各行各業(yè)發(fā)生,，可以說每一個(gè)行業(yè)的智能化發(fā)展都對(duì)機(jī)器具備認(rèn)知智能提出了要求,。

從大的趨勢來看，如果說過去10多年，機(jī)器是具備了人的感知和運(yùn)動(dòng)能力,，那么下一步大家看到了一個(gè)很鮮明的趨勢是讓機(jī)器具備人類的心理能力,。認(rèn)知是我們的心靈里面最重要的一種能力，所以基本上可以做出這么一個(gè)判斷——未來,，認(rèn)知智能將是進(jìn)一步釋放整個(gè)人工智能產(chǎn)業(yè)發(fā)展的紅利和價(jià)值的一個(gè)非常重要的出口,，可以說，認(rèn)知智能對(duì)推動(dòng)各行業(yè)的智能化發(fā)展具備一個(gè)非常重要的作用,。

實(shí)現(xiàn)認(rèn)知智能需要人工智能很多的思想技術(shù),，比如說深度學(xué)習(xí)，比如說聯(lián)結(jié)主義,，它本質(zhì)上通過訓(xùn)練深度學(xué)習(xí)這種神經(jīng)網(wǎng)絡(luò)來解決問題,，本質(zhì)上是讓機(jī)器具備了我們大腦的這樣一種快思考的能力。比如說問大家：3x4 等于多少,？我想所有人不假思索地會(huì)給我答案 12,，你為什么能夠做到這一點(diǎn)？那是因?yàn)槟阈r(shí)候很多次背誦乘法運(yùn)算表,，背誦的過程就是在強(qiáng)化“3×4” 這個(gè)輸入和 “12” 這個(gè)輸出之間的關(guān)聯(lián),，這個(gè)就和我們現(xiàn)在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程本質(zhì)是一致的。

所以聯(lián)結(jié)主義,，是一定程度上在實(shí)現(xiàn)人類的這種快思考的能力,，而知識(shí)圖譜是要在實(shí)現(xiàn)什么？實(shí)際上很大程度上是在實(shí)現(xiàn)我們?nèi)祟惖?strong>慢思考,。

慢思考一個(gè)典型的問題就是,，如果問大家：345×1234 等于多少？這個(gè)時(shí)候估計(jì)很少有人立馬給我答案了,，但是如果你有筆有紙,，你就會(huì)把你小時(shí)候?qū)W的乘法運(yùn)算的過程規(guī)則書寫下來，把整個(gè)計(jì)算過程書寫下來本質(zhì)上在做這些數(shù)字符號(hào)的加工和運(yùn)算,，那么以這種符號(hào)去表達(dá)知識(shí)然后用這種架構(gòu)運(yùn)算,，本質(zhì)上表達(dá)了一種推理過程，符號(hào)表示再加上推理這樣一種解決問題的方式,，實(shí)際上就是符號(hào)主義解決問題的一個(gè)基本的思路,。

而剛才這種解題的過程中，我們可能要花多長時(shí)間,？可能要花個(gè)一分鐘,；而剛才 3×4 花了多少，可能幾毫秒,？所以這個(gè)是完全不同量級(jí)的,，這是一種典型的慢系統(tǒng),，它是以符號(hào)推理為主要形態(tài)的一種解決問題的方式，也是知識(shí)圖譜解決問題的非常重要的一種方式,。

那么未來我們可能還需要借助進(jìn)化和行為主義,，他們的基本觀點(diǎn)認(rèn)為，人的智能是靠從環(huán)境中獲得反饋,，不斷演化得來的,。那么機(jī)器智能是不是也要去放在某個(gè)環(huán)境中去演化呢？這對(duì)于實(shí)現(xiàn)機(jī)器的這種社會(huì)認(rèn)知,、物理環(huán)境的交互是尤為重要,。事實(shí)上，整個(gè)認(rèn)知智能發(fā)現(xiàn)要把這三大流派形成合力才能夠形成,，知識(shí)圖譜基本上也屬于用符號(hào)主義解決問題的一種方式,。

符號(hào)主義要去解決問題的重要前提是我們?nèi)绾稳ケ磉_(dá)，如何去承載符號(hào)知識(shí),？那么這就用到了知識(shí)圖譜,。本質(zhì)上它是一種語義網(wǎng)絡(luò)，它可以認(rèn)為是現(xiàn)在大數(shù)據(jù)時(shí)代,，知識(shí)最重要的一種表示方式,，它把很多實(shí)體、概念關(guān)聯(lián)在一起,，我們甚至可以沿著這種關(guān)聯(lián)關(guān)系逐步地探索下去,，所以知識(shí)圖譜就是一種人類知識(shí)非常重要的載體。

事實(shí)上,，我們現(xiàn)在已經(jīng)在建各行各業(yè)的知識(shí)圖譜,，其實(shí)就是希望用它去表達(dá)、沉淀行業(yè)的知識(shí),?？梢哉f，知識(shí)圖譜已經(jīng)成為大數(shù)據(jù)時(shí)代最為重要的知識(shí)表示方式,。

那么知識(shí)圖譜實(shí)際上是什么？從學(xué)科上來講,，它本質(zhì)上是整個(gè)大數(shù)據(jù)知識(shí)工程的一個(gè)核心技術(shù),，它實(shí)際上是從互聯(lián)網(wǎng)應(yīng)用誕生的，是從搜索引擎誕生的,。大家知道最早知識(shí)圖譜這個(gè)詞,，就是谷歌在 2012 年發(fā)布了自己的知識(shí)圖譜，當(dāng)時(shí)是為了應(yīng)對(duì)互聯(lián)網(wǎng)的一些大規(guī)模開放應(yīng)用,，比如說我搜一個(gè)詞,，這個(gè)詞我不理解它,，那么有了知識(shí)圖譜，我就能理解你搜的是什么,。

比如說,，我要搜這個(gè)洲際酒店，然后上海,，實(shí)際上意圖很明顯,，我要搜一個(gè)在上海附近的洲際酒店，那么你就要知道上海是一個(gè)地方,，洲際是個(gè)酒店品牌,，沒有這種背景知識(shí)就不知道用戶的搜索意圖，我們就需要有大量的背景知識(shí)支撐,，才能夠讓用戶理解這種搜索——所以當(dāng)初搜索引擎為什么提出知識(shí)圖譜,，很大程度上就是為了讓機(jī)器理解搜索。

那么我們說互聯(lián)網(wǎng)的發(fā)展,，就帶來很多大數(shù)據(jù)是吧,？大數(shù)據(jù)的誕生使得知識(shí)圖譜的發(fā)展也具備了相應(yīng)的條件，一方面有前所未有的大數(shù)據(jù),，可以發(fā)展很多數(shù)據(jù)驅(qū)動(dòng)的知識(shí)獲取的方法,，另外一方面現(xiàn)在有很多機(jī)器學(xué)習(xí)的模型，這些機(jī)器學(xué)習(xí)的模型可以使我們從海量文本里面去抽取這些知識(shí),。另外一方面我們還有很多前所未有的算力,，所以在算力和數(shù)據(jù)的支撐下，知識(shí)圖譜的發(fā)展插上了翅膀,。

可以說,，知識(shí)圖譜在今天已經(jīng)成為各行業(yè)認(rèn)知智能的基石。每個(gè)行業(yè)要想發(fā)展自己的認(rèn)知智能,，總要把自己的知識(shí)表達(dá)出來,，沉淀下來，所以說,，知識(shí)圖譜已經(jīng)成為每個(gè)行業(yè)去實(shí)現(xiàn)語言認(rèn)知（的基礎(chǔ)）,。

比如說很多機(jī)器不能理解的基本的背景知識(shí)，很多行業(yè)像金融,、醫(yī)療,、司法都需要一些可解釋的東西，圖譜里面的很多實(shí)體概念都是我們解釋的來源,，所以知識(shí)圖譜對(duì)各行業(yè)形成解釋的能力也很重要,，它對(duì)于提升當(dāng)下廣泛應(yīng)用的機(jī)器學(xué)習(xí)的一些性能，突破它的瓶頸也是非常有意義的,。我們看到知識(shí)圖譜在搜索,、推薦,、問答、解釋,、決策等等應(yīng)用場景下有諸多的應(yīng)用,。

那么知識(shí)圖譜跟圖數(shù)據(jù)有什么關(guān)系？實(shí)際上知識(shí)圖譜天然就是一張圖,，它本質(zhì)是一個(gè)語義網(wǎng)絡(luò),，而語義網(wǎng)絡(luò)是一種用圖的形式來表達(dá)的一種知識(shí)表示。他用點(diǎn)表達(dá)實(shí)體和概念,，用邊表示這種語義關(guān)系,，這就是知識(shí)初步的表示。

所以知識(shí)圖譜從本質(zhì)上來講,，是一種基于圖的表示,，如果把很多實(shí)體概念都展開來，它就變成一張帶有很多語義關(guān)系的巨大的語義網(wǎng)絡(luò),。

那么從圖的視角來看知識(shí)圖譜你會(huì)發(fā)現(xiàn)這個(gè)知識(shí)圖譜實(shí)際上有圖的形態(tài)是很復(fù)雜的,，很多樣的。它可以是有向圖,，也可以是無向圖,；它可以是屬性圖，就是說這里的點(diǎn)邊上帶屬性,，比如說柏拉圖出生在雅典,，可以把出生地屬性再附上出生時(shí)間是一個(gè)屬性圖；它還可以是樹狀圖,，比如說我們很多概念層級(jí)體系,，很多行業(yè)有商品類目什么的，本質(zhì)上是一個(gè)概念層級(jí)體系,，是一個(gè)樹狀圖,，有的時(shí)候?qū)嶋H上如果你這個(gè)層級(jí)體系里面這個(gè)是用詞來表達(dá)的，它實(shí)際上還有可能構(gòu)成一個(gè)有向無環(huán)圖,，還有一些是用概率來表示某個(gè)關(guān)系成立的可能性,，比如說漢堡是不是健康食物？可能有的人認(rèn)為是有的認(rèn)為不是,，所以用概率來表達(dá)它是健康食物的程度,，那是很合適的。我們還可以用叫異構(gòu)信息網(wǎng)絡(luò)來表達(dá)圖,，所以知識(shí)圖譜的視角下，圖的表示是非常多元的,。

正因?yàn)閳D的表達(dá)很豐富很多樣,，就對(duì)于如何系統(tǒng)化地管理知識(shí)圖譜提出了要求,。

我們需要在剛才說的各種各樣的知識(shí)圖譜上去查詢和檢索，這里就有很多事,，第一如何表達(dá)查詢,？你需要一些查詢語言，需要一些圖數(shù)據(jù)庫的查詢語言來表達(dá)你的意圖,。然后查詢意圖也可以很復(fù)雜,，可以是查子結(jié)構(gòu)，可以是帶關(guān)鍵字的查詢,，可以查一個(gè)路徑,，還可以查模糊匹配的增長表達(dá)式的匹配等等，所以查詢的意圖表示如果沒有一個(gè)圖系統(tǒng)性的支撐的話,，我們每個(gè)人自己去寫那是很痛苦的,，一定要有一個(gè)規(guī)范化的查詢語言。

然后執(zhí)行的時(shí)候又有很多問題,，這個(gè)數(shù)據(jù)這到底之前應(yīng)該去匹配哪個(gè)答案,？怎么去檢索怎么去 raking 呢？誰的匹配最可信呢,？還有存儲(chǔ),、還有索引等等問題。

知識(shí)圖譜應(yīng)用面臨的挑戰(zhàn)

所以,，知識(shí)圖譜對(duì)圖數(shù)據(jù)管理提出了非常高的一個(gè)要求,，不單單是有這個(gè)必要性，同時(shí)你會(huì)發(fā)現(xiàn)知識(shí)圖譜其實(shí)對(duì)圖數(shù)據(jù)管理也提出了很多挑戰(zhàn),。首先知識(shí)圖譜作為一個(gè)圖數(shù)據(jù),，它的數(shù)據(jù)結(jié)構(gòu)很復(fù)雜，上面很多數(shù)據(jù)的操作和訪問,，它實(shí)際上沿著邊在做一些隨機(jī)的訪問,，那么這種隨機(jī)訪問實(shí)際上是對(duì)我們傳統(tǒng)數(shù)據(jù)庫基于局部特性的一些緩存優(yōu)化提出了非常大的挑戰(zhàn)。

而且圖上的很多計(jì)算,，像深度優(yōu)先遍歷,，實(shí)際上下一步走哪一個(gè)是依賴于前面走的，所以它實(shí)際上是對(duì)前序的過程有依賴關(guān)系,，這種有很強(qiáng)的依賴關(guān)系的算子它是很難并行化的?，F(xiàn)在加速很多都是靠并行，但是圖上的很多計(jì)算很難并行,，所以圖數(shù)據(jù)底層實(shí)際上是很復(fù)雜的,，那么這種復(fù)雜性一定要向用戶交割清楚，用戶不應(yīng)該去面對(duì)這種復(fù)雜性,，專業(yè)的事情還得給專業(yè)的人來做,。

圖計(jì)算的計(jì)算類型也很復(fù)雜,。圖計(jì)算可以是離線的分析型計(jì)算，也可以是在線去做查詢,，比如說查一條路徑或者查這兩個(gè)實(shí)體,，尤其在欺詐的應(yīng)用中有沒有一些潛在的關(guān)系？這都對(duì)實(shí)時(shí)性要求很高,，他對(duì)吞吐量有時(shí)候要求也很高,，所以它的計(jì)算也是很復(fù)雜。

那么知識(shí)圖譜本身很多樣,，知識(shí)圖譜結(jié)構(gòu)也很復(fù)雜,，某些知識(shí)圖譜它很密集，某些又可能很稀疏,，還有一些知識(shí)圖譜會(huì)呈現(xiàn)一定的狀態(tài),，比如說像工業(yè)在很多場景下，他就要求用工業(yè)類的知識(shí)要求來表達(dá),，所以它實(shí)際上更像是一個(gè)偏序列的一張圖,。

那么還有一個(gè)很大的挑戰(zhàn)，就很多領(lǐng)域的圖譜規(guī)模巨大,。最近有報(bào)告說有人已經(jīng)在百萬億規(guī)模的圖布上去做這種疫情防控——?jiǎng)澮粋€(gè)風(fēng)險(xiǎn)區(qū)域,，哪個(gè)時(shí)間點(diǎn)到哪個(gè)省、一周之內(nèi)去過這個(gè)地方的所有人跟這個(gè)地點(diǎn)發(fā)生關(guān)系了,？它就是有風(fēng)險(xiǎn)的,，那么這張圖譜可以是非常巨大的。

那么知識(shí)圖譜本身還對(duì)服務(wù)系統(tǒng)提出一些很獨(dú)特的挑戰(zhàn),。

比如說圖譜有時(shí)候?yàn)榱俗非笠?guī)模,，它的模式定義并不精確，這就要求我們的圖數(shù)據(jù)管理具有一定的容錯(cuò)能力,。屬性值往往是很多的,，定長的管理一般來講在數(shù)據(jù)庫管理是容易的，變長管理大家很害怕,。還有比如說如何定義實(shí)體的類型,？如果說實(shí)體只有一個(gè)概念，就是一個(gè)模板,，這個(gè)我們只要套用一套的模式來去管理它,；但是很多時(shí)候一個(gè)實(shí)體往往有多個(gè)角色，比如說喬布斯,，他可以是 CEO,，他還可以有其他角色比如億萬富翁，不同的角色的模板不一樣，所以處理也很困難,。

還有很重要一點(diǎn),，就是更新。數(shù)據(jù)要更新,，知識(shí)庫里面的知識(shí)要更新，我們的模式有的時(shí)候也要更新,，比如說美國總統(tǒng)換屆了,，那么美國總統(tǒng)這個(gè)知識(shí)你就要換。還有的模式它也要更新,，我們的認(rèn)知某個(gè)場景它會(huì)發(fā)生變化,，比如說電動(dòng)車的歸屬，一開始可能沒有電動(dòng)車這種新的車品,，比如現(xiàn)在有獨(dú)輪車,，獨(dú)輪電動(dòng)車到底應(yīng)該歸到哪一個(gè)類？像這種新型的東西,，它的模式也會(huì)影響更新,。

還有就是邏輯推理，我們本意是希望知識(shí)圖譜能夠做很多很復(fù)雜的推理,，那么這個(gè)推理往往要沿著路徑跳很多地方,，這個(gè)時(shí)候如果6步跳出去會(huì)怎么樣？可能就要觸及全圖,，那么這個(gè)代價(jià)是非常大,，所以這種推理如何做得高效也很非常困難。

知識(shí)圖譜發(fā)展到今天,，應(yīng)該不是一個(gè)新鮮的事物了,。實(shí)際上整個(gè)知識(shí)工程從上個(gè)世紀(jì)七八十年代就已經(jīng)發(fā)展到了知識(shí)圖譜時(shí)代的大數(shù)據(jù)知識(shí)工程時(shí)代，主要是互聯(lián)網(wǎng)的應(yīng)用推動(dòng)的,。

從谷歌提出知識(shí)圖譜到今天,，差不多有正好十年的時(shí)間，那么這十年基本上知識(shí)圖譜已經(jīng)解決了很多頭部應(yīng)用場景,，尤其是在消費(fèi)互聯(lián)網(wǎng)的應(yīng)用場景,，知識(shí)圖譜已經(jīng)解決得很不錯(cuò)了，大家看到了百度,、美團(tuán),、淘寶等上面的搜索關(guān)聯(lián)推薦，都是知識(shí)圖譜在現(xiàn)在大規(guī)模應(yīng)用場景的一些落地,。

但是從差不多從17,、18年開始，你會(huì)發(fā)現(xiàn)越來越多的訴求轉(zhuǎn)向了垂直行業(yè)的應(yīng)用，面向企業(yè)的場景現(xiàn)在越來越多：像醫(yī)療,、司法,、工業(yè)、金融等等,，都是一種典型的我們稱作叫小規(guī)模復(fù)雜應(yīng)用場景,。

為什么說小規(guī)模？你說它的數(shù)據(jù)量也不小,，但跟搜索跟互聯(lián)網(wǎng)比好像也比不了,。然后它的應(yīng)用其實(shí)又非常的復(fù)雜，比如像工業(yè)里面應(yīng)用太復(fù)雜了對(duì)吧,，醫(yī)療更不用說,。然后它的知識(shí)應(yīng)用得很深入，而且跟互聯(lián)網(wǎng)不一樣,，你得了什么?。繛槭裁吹眠@個(gè)??？不是行業(yè)內(nèi)的人員，你根本就不知道這個(gè)知識(shí),。所以它往往涉及大量的專家知識(shí),，尤其是聚焦某個(gè)場景、某個(gè)工種某個(gè)問題,，它的數(shù)據(jù)量是非常稀少的,，所以這個(gè)都構(gòu)成了知識(shí)圖譜應(yīng)用的一個(gè)非常復(fù)雜的挑戰(zhàn)。

其次從大的技術(shù)生態(tài)里看的話,，你會(huì)發(fā)現(xiàn)現(xiàn)在大規(guī)模訓(xùn)練語言模型正在崛起,。大家最近應(yīng)該聽到很多這種新聞，什么 GPT 能夠代替人去寫小說,、多模態(tài)的大模型能去畫畫,、給個(gè)文本就直接生成視頻……這個(gè)都是大模型的崛起。實(shí)際上它本質(zhì)是什么,？它從海量的數(shù)據(jù)里面訓(xùn)練出來,，因此學(xué)到了很多人類還沒有意識(shí)到的隱性的知識(shí)。

如果說大模型現(xiàn)在已經(jīng)有很多成功應(yīng)用的話,，基本說明一個(gè)問題,，我們?nèi)祟愐阎e累的這些知識(shí)，在知識(shí)圖譜里面積累這些知識(shí)都是顯性的符號(hào)知識(shí),，很重要對(duì)吧,？但是在數(shù)據(jù)中可能還蘊(yùn)含了大量的我們沒法表達(dá)的，隱性的，很難言說的一些知識(shí),，就是大模型的威力,。

所以未來，我們會(huì)想更重要的是把知識(shí)圖譜這里面的這種符號(hào)知識(shí),，專家知識(shí),，顯性知識(shí)和大模型中的隱性知識(shí)結(jié)合來解決行業(yè)的問題，所以技術(shù)生態(tài)的變化也對(duì)知識(shí)圖譜的應(yīng)用提出了挑戰(zhàn),。

另外一個(gè)是非常重要的挑戰(zhàn),，就是成本和效用的矛盾。其實(shí)現(xiàn)在很多領(lǐng)域已經(jīng)在建知識(shí)圖譜,，也在用知識(shí)圖譜，但是發(fā)現(xiàn)周圍落地還是面臨一些挑戰(zhàn),。

第一,，很多場景它是為了突破而突破，應(yīng)用場景并不明確,。第二,，其實(shí)圖譜的應(yīng)用很多是錦上添花的，并不是這種雪中送炭的應(yīng)用,。第三,，就是圖譜的很多技術(shù)它也不定型，比如說從文本中去抽知識(shí),，這個(gè)技術(shù)路線可以很多,，可以基于規(guī)則，可以基于傳統(tǒng)機(jī)器學(xué)習(xí),，現(xiàn)在基于深度學(xué)習(xí)可以用大模型做底座,，也可以不用大模型做底座。它有很多種豐富技術(shù)路線,，所以技術(shù)發(fā)展路線仍然在變化過程當(dāng)中,，但是圖譜本身的建設(shè)是又耗了大量的數(shù)據(jù)成本、構(gòu)建成本,、運(yùn)維成本,，所以成本和效用的矛盾也是日益突出。

圖計(jì)算如何幫助知識(shí)圖譜應(yīng)對(duì)挑戰(zhàn)

正是因?yàn)橛羞@些新的挑戰(zhàn),，我們提出了一些問題,，我們這個(gè)圖計(jì)算怎么幫助我們知識(shí)圖譜應(yīng)對(duì)這些挑戰(zhàn)？

首先,，圖計(jì)算如何支撐知識(shí)圖譜盡快突破當(dāng)前的一些瓶頸,？主要從三個(gè)角度，第一個(gè)從知識(shí)表示，第二個(gè)從知識(shí)獲取,，第三個(gè)從知識(shí)管理的角度,。

知識(shí)表示

從知識(shí)表示的角度來講，現(xiàn)在一個(gè)非常重要的趨勢,，就是把知識(shí)圖譜分布式用數(shù)值來表示,，現(xiàn)在拿到的是一個(gè)符號(hào)化的表示，但是要把它變成向量變成數(shù)值化的表示,，因?yàn)橹挥凶兂蓴?shù)值化的表示,，它才能進(jìn)入深度模型，去協(xié)助深度模型更好地解決問題,，所以知識(shí)圖譜的分布式表示是非常重要的,。

但是現(xiàn)在絕大部分圖數(shù)據(jù)庫管理系統(tǒng)針對(duì)知識(shí)圖譜仍然還只是符號(hào)的，一旦把知識(shí)圖譜變成一個(gè)分布式的離散向量,，我們的圖還能不能有效管理,，這仍然是一個(gè)開放的問題。

比如說一級(jí)以上的知識(shí)圖譜,，它本身如何得到有效的分布式表述,？其次你如何表示？是不是要降維,？如何降維,？比如說用50維有很大的存儲(chǔ)代價(jià)，那30維行不行,？20維行不行,？到什么邊界能接受？那么高維現(xiàn)象能不能壓縮表達(dá),？如何去做有效的組織和索引,？現(xiàn)在完全是個(gè)開放性問題。

那么圖譜里面其實(shí)除了實(shí)體知識(shí)之外,，還有很多概念知識(shí),，這種概念知識(shí)的表達(dá)跟實(shí)體是不一樣的，如何有效的向量表示,？這個(gè)也仍然是一個(gè)開放問題,。

那么這里我們也做了很多研究工作，比如說基于人類認(rèn)知的原型理論,，去讓機(jī)器去認(rèn)知,。比如說人是怎么認(rèn)識(shí)貓？你對(duì)貓這個(gè)概念的認(rèn)知來自于很多具體的概念,，把它融合在一起變成一個(gè)語言表示,。機(jī)器能不能也利用這種原型來認(rèn)知這個(gè)概念,，這就是知識(shí)圖譜為概念的表示。

另外現(xiàn)在越來越多的行業(yè)應(yīng)用把各種知識(shí)表示聯(lián)合應(yīng)用,，這里面有本體,、有框架、有規(guī)則,、有邏輯,、有語言模型。我們現(xiàn)在很多系統(tǒng)它還是單一的,，它可能只支持知識(shí)圖譜,，一旦要去跟大模型融合，要去跟什么規(guī)則結(jié)合,，你會(huì)發(fā)現(xiàn)就很不方便,，所以這個(gè)也是一個(gè)非常重要的趨勢。

另外就是說知識(shí)定量化的分析,，最后你知識(shí)圖譜里有了很多知識(shí),，那么這個(gè)抽出來的知識(shí)和專家認(rèn)知有什么不一樣，你從互聯(lián)網(wǎng)抽到的知識(shí)或者從教材里抽的知識(shí)和專家視角的知識(shí),，和業(yè)務(wù)上要用的知識(shí)有什么不同？這個(gè)都是要去研究的,。

還有表示和推理的一體化,，這個(gè)也是很有意思的問題。

我們傳統(tǒng)整個(gè)知識(shí)工程走的路線就是先表示再推理,，就是先用知識(shí)圖譜把知識(shí)表達(dá)出來,，然后再利用知識(shí)圖譜去做路徑推理。但實(shí)際上人類的專家真正解決問題的時(shí)候,，他是把表示和推理一體化在應(yīng)用,。就是我看到問題我就知道應(yīng)該怎么解決，大部分專家你問他是怎么解決的,，實(shí)際上是一種事后的解釋,，真正形成那個(gè)角色和答案的時(shí)候，實(shí)際上是一種直覺式的,，這就叫做表示和推理一體化,。

那么我們基于知識(shí)圖譜的表示和基于知識(shí)圖譜的推理，如何去做到這種一體化的決策,？這個(gè)都是當(dāng)下最有挑戰(zhàn)性的研究問題,，像這種問題在很多實(shí)際應(yīng)用場景很有用，比如說在工業(yè)中的這種故障診斷,，老師傅看到這個(gè)現(xiàn)象立馬就知道問題出在了,，如果新手問他是怎么解決的,，他就想一想我是怎么解決，但它實(shí)際上是一種直覺的決策,，它是把表示和推理一體化在做,，所以這個(gè)對(duì)我們的行業(yè)應(yīng)用都非常關(guān)鍵。

知識(shí)獲取

在知識(shí)獲取方面,，圖系統(tǒng)其實(shí)是可以發(fā)揮很多的威力的。我們的很多知識(shí)獲取是從現(xiàn)有的知識(shí)圖譜里面去推斷出更多的知識(shí),，這里面很多的算法都是一些知識(shí)圖譜上一些缺失的鏈接的推薦算法,。比如，我們可以看到一個(gè)詞是不是應(yīng)該有某個(gè)上位詞,，就可以看他的鄰居是不是有這上位詞,，這是一個(gè)典型的協(xié)同過濾的思想，那么我們的圖計(jì)算的系統(tǒng)能不能支持這種協(xié)同過濾的思想呢,，

在圖譜糾錯(cuò)這塊,，你會(huì)發(fā)現(xiàn)有很多圖譜里面有些邊，比如說它是不是這樣構(gòu)成了一些環(huán),，尤其是在這種層級(jí)關(guān)系里面,，如果有環(huán)是很奇怪的，那么把這環(huán)給去掉,，破除這個(gè)環(huán)就有可能得到一個(gè)更干凈的知識(shí)圖譜,。

這個(gè)時(shí)候你就可以把這個(gè)問題建模成圖的一些計(jì)算問題,，建模成從圖上去掉一些環(huán),、破除一個(gè)環(huán)，然后得到一個(gè)有效無環(huán)圖,，然后這張圖可能是你這個(gè)概念圖譜更好的一種表達(dá),。

那么還有就是領(lǐng)域突破,，比如像現(xiàn)在一些新的詞,，我應(yīng)該掛載到哪一個(gè)屬性上，我們可以用圖的一些隨機(jī)游走的算法去算一算新詞和這個(gè)圖上的其他的一些屬性,，其他的這些值之間是不是有很強(qiáng)的相似性,？那圖上的這種隨機(jī)游走都是基于傳統(tǒng)的圖的一些算法，所以我們可以利用圖系統(tǒng)提供大量的圖算法來做知識(shí)圖譜的優(yōu)化,、補(bǔ)全,、糾錯(cuò)等等。

知識(shí)管理

那么在知識(shí)管理的角度,，我們?nèi)匀挥泻芏嘈枰@個(gè)圖系統(tǒng)來支撐的,。知識(shí)圖譜已經(jīng)到了什么階段了呢,？大部分單位都已經(jīng)做了一次性建設(shè)，未來幾年知識(shí)圖譜一個(gè)非常重要的趨勢就是知識(shí)圖譜的持續(xù)運(yùn)營和持續(xù)建設(shè)?，F(xiàn)在很多企業(yè)已經(jīng)上線了知識(shí)圖譜系統(tǒng),，已經(jīng)跟應(yīng)用系統(tǒng)掛鉤了，這個(gè)時(shí)候應(yīng)用可能會(huì)反饋出一些問題,，我的圖譜應(yīng)該如何去更新,？如何更好適配應(yīng)用？都對(duì)知識(shí)圖譜的評(píng)估提出了挑戰(zhàn),。

從哪些方面評(píng)估,，實(shí)際上很多人都會(huì)有這個(gè)困惑，要從準(zhǔn)確一致完整實(shí)效等很多角度去評(píng)估,，而且還要考慮圖譜規(guī)模巨大的問題,，你很難全量評(píng)估，采樣怎么采這又是一個(gè)很大的問題,，所以這個(gè)都對(duì)圖系統(tǒng)提出了挑戰(zhàn),，如果我們的系統(tǒng)能夠提供這種能力，我們用戶是不是更愿意買單是吧,？

那么從哪些維度去評(píng)估呢,？你要從很多級(jí)別，從單條三元組,，多條三原主的的維度,，還有整個(gè)知識(shí)庫，你整個(gè)知識(shí)庫里面是不是會(huì)不會(huì)有一塊是冗余的,，會(huì)不會(huì)有一塊是不完整的,，結(jié)構(gòu)上是不是很奇怪,，這個(gè)都是我評(píng)估的一些維度,。

我們首先要去評(píng)估你是不是準(zhǔn)確，準(zhǔn)確性評(píng)估最大的問題在哪,？圖譜很大,，現(xiàn)在很多企業(yè)的圖動(dòng)不動(dòng)幾億實(shí)體？一條一條人工評(píng)估肯定受不了,，所以人工評(píng)估只能去采樣評(píng)估,，你采什么樣就很重要對(duì)吧，到底是以節(jié)點(diǎn)為中心采樣,，還是以三元組為中心采樣了,，這里面都有很多問題。

再進(jìn)一步去評(píng)估初步是不是實(shí)時(shí)的,。

比如說有很多知識(shí)是會(huì)變的,，美國總統(tǒng) 5 年要變一次的對(duì)吧,，但有些是不會(huì)變的，比如地球是圓的,，你不可能過幾年地球變成方的了,。這個(gè)秦始皇是哪一年統(tǒng)一中國的，除非出來新的史料,，否則不會(huì)變,，其實(shí)大部分知識(shí)是不會(huì)變的，但是有很多知識(shí)會(huì)經(jīng)常變,，我們?nèi)ピu(píng)估哪些知識(shí)容易變,，哪些知識(shí)不容易變，這個(gè)叫實(shí)時(shí)性評(píng)估,。

還有完整性評(píng)估,，實(shí)際上是一個(gè)非常有意思的問題。

很多的行業(yè)應(yīng)用現(xiàn)在提出這個(gè)訴求,，說你給我做了一個(gè)知識(shí)圖譜,，你怎么保證你是完整的？現(xiàn)在這個(gè)問題是很難回答的,，因?yàn)橥暾窍鄬?duì)的,，那么怎么辦？實(shí)際上最近還是有一些方案,，你這個(gè)領(lǐng)域可能有語料有文檔,，那么我們能不能利用現(xiàn)在已有的文檔看我這圖譜是不是完整的，文檔里面提到的所有東西是不是我初步都能夠涵蓋,，這些現(xiàn)在已經(jīng)能有一些解決方案了,。

再進(jìn)一步，圖譜這個(gè)結(jié)構(gòu)上是不是有問題,。

實(shí)際上你會(huì)發(fā)現(xiàn)建了一個(gè)很大的行業(yè)圖譜之后,，它應(yīng)該呈現(xiàn)出一些基本的特性。比如說那些有高頻的知識(shí),、重要領(lǐng)域的核心知識(shí)可能濃密度很高,，那些長尾的知識(shí)它可能濃密度比較稀疏，所以知識(shí)圖譜應(yīng)該是有一些結(jié)構(gòu)特性的,，可以從它的度分布,，從很多角度去研究這個(gè)問題。

還有就是一個(gè)很有價(jià)值的問題,，就是圖譜的冗余性評(píng)估,。實(shí)際上我覺得現(xiàn)在很多人說要建圖譜，然后甲方說我肯定要給乙方一個(gè)指標(biāo),，圖譜建多大是吧,，很多甲方就求大求全,，就覺得越大越全越好，但實(shí)際上現(xiàn)在整個(gè)圖譜的建設(shè)是不宜盲目地求大求全的,。

我們最近做了個(gè)研究,，現(xiàn)在有很多圖譜規(guī)模雖然很大，但是它里面冗余性很成問題,。最近做出來一個(gè)很有意思的結(jié)果,，就是說大家看有很多像右邊這是很多規(guī)則，比如說 A 出生在 B,，那國籍可能也是 B,，比如你的出生地是中國，你的國籍可能也是中國,，這就是一個(gè)推理規(guī)則,。那么既然我可以有推理規(guī)則，你就會(huì)發(fā)現(xiàn)知識(shí)圖譜里面很多三元組是可以通過有限的幾條規(guī)則壓縮掉的,。大部分人出生在哪一個(gè)國家,，國籍可能就是哪一個(gè)國家，你只要知道你出生地了,，然后再存一條這種處理規(guī)則,，不就可以了嗎？那是不是就可以不要存每個(gè)人的國籍了,，每個(gè)人一個(gè)國籍的事實(shí)就要一條三元組,，我們中國 13 億人就得 13 億條三元組，那也就是我用這一條規(guī)則,，就可以壓掉 13 億條三元組,。事實(shí)證明的確是這樣的，有很多通用領(lǐng)域是可以被壓掉百分之三四十,，然后就通過 10 條 20條這種規(guī)則就可以了,，那意味著什么？你辛辛苦苦去抽取,，辛辛苦苦人肉去標(biāo),，花了那么多錢,，最后發(fā)現(xiàn)你還不如寫一條規(guī)則對(duì)吧,？一條規(guī)則可能抵得上幾百萬條三元組，所以這就告訴我們不能盲目求大求全,，所以一定要考慮你的知識(shí)是否冗余,。

還有圖譜的眾包構(gòu)建。

剛才說知識(shí)圖譜構(gòu)建,，很多是抽取來的或者從關(guān)系數(shù)據(jù)庫轉(zhuǎn)換來的,，但是這些圖譜往往還需要一些眾包的人為干預(yù),，比如說錯(cuò)了就錯(cuò)了一條，重新跑一遍抽取算法肯定沒必要,，還不如人來編輯一下,。還有很多知識(shí)他需要撒給很多專家一起來確證到底對(duì)還是不對(duì)。所以眾包的過程是非常重要的,，對(duì)于知識(shí)的質(zhì)量來講很重要,，那么我們整個(gè)眾包的過程能不能也融入到我們知識(shí)圖譜的管理系統(tǒng)里面，對(duì)吧,。

還有一個(gè)就是剛才說的人機(jī)協(xié)作,。就剛才說了人機(jī)協(xié)作非常重要。因?yàn)楝F(xiàn)在很多行業(yè)應(yīng)用,，人類能表達(dá)的知識(shí)往往是有（左邊）這些特點(diǎn),，比如語言知識(shí)、決策知識(shí),、模糊知識(shí),、異常知識(shí)，這都是人擅長表達(dá)的,。

但是機(jī)器擅長表達(dá)一些什么事實(shí),？靜態(tài)的、常規(guī)的,、隱蔽的,，所以人機(jī)的知識(shí)體系是互補(bǔ)的。所謂機(jī)器的知識(shí),，很多是數(shù)據(jù)驅(qū)動(dòng)的,，從數(shù)據(jù)里面提煉出來一些隱性的表示，所以人的知識(shí)要和從數(shù)據(jù)中提煉出來的機(jī)器的知識(shí)互補(bǔ),，才有可能很好的解決人類的問題,，這種互補(bǔ)關(guān)系非常重要，整個(gè)體系不能只是支撐我們的顯性知識(shí),，要對(duì)隱性知識(shí)機(jī)械知識(shí),，尤其是大模型，大模型里面語言模型里面的知識(shí)實(shí)際上已經(jīng)成為知識(shí)圖譜知識(shí)的一個(gè)非常重要的補(bǔ)充,。

所以我們甚至在提議,，我們除了系統(tǒng)在支撐知識(shí)圖譜的時(shí)候，是不是也可以有一個(gè)模塊能夠把大模型融入進(jìn)來,。

那么面向這種大模型,，我們又有很多問題要去處理。

大模型和知識(shí)圖譜怎么樣去做協(xié)同查詢和處理，我們現(xiàn)在很多查詢只能針對(duì)知識(shí)圖譜去查,，但是實(shí)際上大規(guī)模訓(xùn)練模型也能夠查到很多知識(shí),，不過他查詢方式和大知識(shí)圖譜的查詢是不一樣的，你要去聲明你的查詢語言,，這種獲取知識(shí)的方式和知識(shí)圖譜這種顯性查詢的方式是不同的,，如何針對(duì)大模型和知識(shí)圖譜協(xié)同去做產(chǎn)品，實(shí)際上現(xiàn)在在很多領(lǐng)域這個(gè)需求是很迫切的,，已經(jīng)越來越迫切了,。

還有另外一個(gè)非常重要，知識(shí)圖譜它本身也是一個(gè)圖,，提煉圖的結(jié)構(gòu)性特征一個(gè)非常有效的手段,，是大規(guī)模的圖神經(jīng)網(wǎng)絡(luò)（GNN），圖神經(jīng)網(wǎng)絡(luò)實(shí)際上是知識(shí)圖譜,，未來我認(rèn)為它和知識(shí)圖譜一定會(huì)合流,。我們會(huì)利用圖形的網(wǎng)絡(luò)去提煉知識(shí)圖譜中基于結(jié)構(gòu)的很多特征，當(dāng)然知識(shí)圖譜除了結(jié)構(gòu)特性之外,，它還有很豐富的語義特性,，那么利用圖神經(jīng)網(wǎng)絡(luò)提煉這種結(jié)構(gòu)特性，再加上知識(shí)圖譜的語義特性,，就能夠比較好地捕捉知識(shí)圖譜上各種各樣的信息,。

這套框架非常重要，將來圖系統(tǒng),、大模型知識(shí)圖譜,、圖神經(jīng)網(wǎng)絡(luò)這三者融合在一起是有可能解決絕大部分行業(yè)的一個(gè)問題，成為解決問題的通用的框架,，所以我們的圖系統(tǒng)對(duì)于圖神經(jīng)網(wǎng)絡(luò)的支持也是勢在必行,。

圖數(shù)據(jù)庫與知識(shí)圖譜：共創(chuàng)關(guān)聯(lián)價(jià)值

最后簡單總結(jié)一下——這個(gè)世界本質(zhì)上是普遍關(guān)聯(lián)的,，圖數(shù)據(jù)庫和知識(shí)圖譜的技術(shù)聯(lián)姻和共舞,，我們認(rèn)為將會(huì)進(jìn)一步釋放關(guān)聯(lián)數(shù)據(jù)的能量，提升數(shù)據(jù)產(chǎn)業(yè)的發(fā)展能級(jí),。