视觉中国

假如说波士顿动力的翻跟头是在帮机器人锤炼筋骨，那么知识图谱的“绘制”则是在试图“发明”一个能运转的机器人大脑。

“目前，还不能做到让机器了解人的言语。”中国迷信院软件所研讨员、中国中文信息学会副理事长孙乐说。无论是能逗你一乐的Siri，还是会做诗的小冰，亦或是会“悬丝诊脉”的沃森，它们并不真正明白本人在做什么、为什么这么做。

让机器学会考虑，要靠“谱”。这个“谱”被称为知识图谱，意在将人类世界中发生的知识，构建在机器世界中，进而构成可以支撑类脑推理的知识库。

为了在国际构建一个关于知识图谱的全新产学协作形式，知识图谱研讨会日前召开，来自高校院所的研讨人员与产业团队共商打造全球化的知识图谱体系，树立世界抢先的人工智能根底设备的开辟性任务。

　　 技术原理：把文本转化成知识

“关于‘姚明是上海人’这样一个句子,存储在机器里只是一串字符。而这串字符在人脑中却是‘活’起来的。”孙乐举例说。比方说到“姚明”，人会想到他是前美职篮球员、“小巨人”、中锋等，而“上海”会让人想到西方明珠、繁华都市等含义。但关于机器来说，仅仅说“姚明是上海人”，它不能和人类一样明白其面前的含义。机器了解文本，首先就需求理解背景知识。

那如何将文本转化成知识呢？

“借助信息抽取技术，人们可以从文本中抽取知识，这也正是知识图谱构建的中心技术。”孙乐说，目前比拟盛行的是运用“三元组”的存储方式。三元组由两个点、一条边构成，点代表实体或许概念，边代表实体与概念之间的各种语义关系。一个点可以延伸出多个边，构成很多关系。例如姚明这个点，可以和上海构成出生地的关系，可以和美职篮构成效能关系，还可以和2.26米构成身高关系。

“假如这些关系足够完善，机器就具有了了解言语的根底。”孙乐说。那么如何让机器拥有这样的“了解力”呢？

“上世纪六十年代，人工智能先驱麻省理工学院的马文·明斯基在一个问答零碎项目SIR中，运用了实体间语义关系来表示问句和答案的语义，剑桥言语研讨部门的玛格丽特·玛斯特曼在1961年运用Semantic Network来建模世界知识，这些都可被看作是知识图谱的前身。”孙乐说。

随后的Wordnet、中国的知网（Hownet）也停止了人工构建知识库的任务。

“这里包括客观知识，比方社交网站上人们对某个产品的态度是喜欢还是不喜欢；场景知识，比方在某个特定场景中应该怎样做；言语知识，例如各种言语语法；知识知识，例如水、猫、狗，教人认的时分可以直接指着教，却很难让计算机明白。”孙乐解释，从这些初步的分类中就能感遭到知识的海量，更别说那些高层次的迷信知识了。

　　 构建方式：从手工休息到自动抽取

“2010年之后，维基百科开端尝试‘众包’的方式，每团体都可以奉献知识。”孙乐说，这让知识图谱的积聚速度大大添加，后续百度百科、互动百科等也采取了相似的知识搜集方式，发起大众使得“积沙”这个环节的工夫大大延长、效率大大添加，有数的知识从五湖四海赶来，迅速集聚，只待“成塔”。

面对如此少量的数据，或许说“文本”，知识图谱的构建任务自然不能再手工休息，“让机器自动抽取构造化的知识，自动生成‘三元组’。”孙乐说，学术界和产业界开收回了不同的构架、体系，可以自动或半自动地从文本中生成机器可辨认的知识。

孙乐的演示课件中，有一张生动的图画，一大摞文件纸吃出来，电脑马上转化为“知识”，但现实远没有那么复杂。自动抽取构造化数据在不同行业还没有一致的方案。在“百度知识图谱”的引见中这样写道：对提交至知识图谱的数据转换为遵照Schema的实体对象，并停止一致的数据清洗、对齐、交融、关联等知识计算，完成图谱的构建。“但是大家发现，基于维基百科，构造化半构造化数据发掘出来的知识图谱还是不够，因而目前一切的任务都集中在研讨如何从海量文本中抽取知识。”孙乐说，例如谷歌的Knowledge Vault，以及美国国度规范与技术研讨院主办的TAC-KBP评测，也都在推进从文本中抽取知识的技术。

在威望的“知识库自动构建国际评测”中，从文本中抽取知识被分解为实体发现、关系抽取、事情抽取、情感抽取等4局部。在美国NIST组织的TAC-KBP中文评测中，中科院软件所—搜狗结合团队取得综合功能目标第3名，事情抽取单项目标第1名的好成果。

“我国在这一范畴可以和国际程度比肩。”孙乐引见，中科院软件所提出了基于Co-Bootstrapping的实体获取算法，基于多源知识监视的关系抽取算法等，大幅度降低了文本知识抽取工具构建模型的本钱，并提升了功能。

　　 终极目的：将人类知识全部构造化

《圣经·旧约》记载，人类结合起来兴修希望能通往地狱的高塔——“巴别塔”，而今，发明AI的人类正在建造这样一座“巴别塔”，协助人工智能企及人类智能。

自动的做法让知识量开端构成规模，到达了可以支持实践使用的量级。“但是这种转化，还远远未到达人类的知识程度。”孙乐说，何况人类的知识不断在添加、更新，不断在静态变化，了解也应该与时俱进地表现在机器“脑”中。

“因而知识图谱不会是一个运动的形态，而是要构成一个循环，这也是美国卡耐基梅隆大学等中央提出来的Never Ending Learning（学无尽头）的概念。”孙乐说。

材料显示，目前谷歌知识图谱中记载了超越35亿现实；Freebase中记载了4000多万实体，上万个属性关系，24亿多个现实；百度百科记载词条数1000万个，百度搜索中使用了联想搜索功用。

“在医学范畴、人物关系等特定范畴，也有专门的知识图谱。”孙乐引见，Kinships描绘人物之间的亲属关系，104个实体，26种关系，10800个现实；UMLS在医学范畴描绘了医学概念之间的联络，135个实体，49种关系，6800个现实。

“这是一幅充溢美妙前景的雄伟蓝图。”孙乐说，知识图谱的最终目的是将人类的知识全部方式化、构造化，并用于构建基于知识的自然言语了解零碎。

虽然令业内称心的“真正了解言语的零碎”还远未呈现，目前的“巴别塔”还只是在根底层面，但相关的使用曾经显示出宽广的前景。例如，在百度百科输出“冷冻电镜”，右竖条的关联将呈现“施一公”，输出“撒币”，将直接在搜索项中呈现“王思聪”等相关项。其中包含着机器对人类意图的了解。

“知识图谱的使用触及到众多行业，尤其是知识密集型行业，目前关注度比拟高的范畴：医疗、金融、法律、电商、智能家电等。”孙乐引见，基于信息、知识和智能构成的闭环，从信息中获取知识，基于知识开发智能使用，智能使用发生新的信息，重新的信息中再获取新的知识，不时迭代，就可以不时发生愈加丰厚的知识图谱，愈加智能的使用。（记者 张佳星）

责任编辑：陈近梅