人工智慧概論研究報告

人工智慧之知識圖譜系列研究報告

摘 要

進入21世紀以來，我國在人工智慧領域發展越來越迅速，關於資料的採集及搜尋這方面也更加廣泛，資料資訊等透過雲端儲存，使得查閱資料更加便捷，在《知識圖譜與搜尋引擎》一書中有詳細搜尋技巧，像百度百科，360瀏覽器，搜狗端等，隨著社會的發展，人們對於知識的查閱以及瞭解資訊的需求量也越來越大，從而產生了知識圖譜這一說法。

為了瞭解知識圖譜是怎樣在如今科技發達的社會而普及人類，我為此在知識圖譜這一系列問題上展開研究，透過對現實生活的考察，以及知識圖譜對人類的作用還有知識圖譜未來的發展趨勢而深入探索研究。書中對於知識圖譜是這樣定義的：繪製知識圖譜是用三元的方式成為一組，這一組代表基於對知識的理解和對事件所產生的影響的認識，在圖書界中，它是知識領域的認知視覺化或地圖。大量複雜的圖表，揭示了知識發展過程與知識發展結構之間的關係。眾所周知，有一個由各種資訊資料組成的知性網路作為基礎，這也許會針對地圖上未來的發展和程序。

關鍵詞：資料的採集；知識圖譜結構；搜尋資料庫引擎；知識應用；未來發展趨勢

一、簡介知識圖譜：

（一）組成結構：

在《知識圖譜的構建及其應用》中說到，知識圖譜是由節點、邊組成，每個節點代表一個現實世界中存在的“實體”，每個側邊就是實體與實體之間的“關係”，譬如以“姚明”為一個實體，那麼他的女兒、父親、妻子、隊友等等也是一個個實體，而這些實體中又存在各種關係，這樣以來知識圖譜就成為資料關係網路中最有效的方式，所以說，知識圖譜是一種以圖示為表示的結構語義，其本質上就是語義資訊的網路資料。

（二）作用：

不同種類的知識圖譜有著不同的作用角色，他們以不同的方式來獲取不同的知識，按知識圖譜應用的深度及應用範圍其可分為兩類：

（1）通用知識圖譜：

通用知識圖譜簡單地說就是解決各類知識盲區，生活常識，科普知識等，將各種知識透過計量搜尋而達到視覺化，譬如在生活中，我不知道秦朝是如何滅亡的，這時我可以透過百度百科、360搜尋等問答系統中的知識圖譜來查詢歷史上關於秦朝的知識，這時我們會發現，資料中會以“秦朝”為實體向周圍發散出新的實體分枝以及可以看到兩個實體之間的關係。資料中會出現秦朝地起源，發展歷程，歷代統治者，以及當時所發生的重大事件，乃至後來的衰落，直到滅亡，也可以看到許多史學家分析滅亡的原因，內因和外因，甚至連當時朝代所處的背景和環境也都顯而易見。通用知識圖譜在大眾使用範圍中更加廣泛，日常中更加常見。是一種已普及的知識圖譜。

（2）行業知識圖譜：

行業發展知識圖譜是一種面向某個領域的圖譜，使用者必須充分考慮客戶的所有各級的要求管理目標，對應的該行業企業技術人員所需的業務場景不同而異，並透過知識的深度和完整性，跌破精度要求非常高，其輔助製圖應用複雜的分析方法或輔助決策，從而成為一個嚴格和豐富的實體。圖形計算模型行業專業知識圖譜中的實體通常屬性比較多且具有重要行業市場價值理論意義，比如在醫療資源方面就有一個很大益處，我舅舅最近身體不舒服，於是去醫院檢查，醫生的診斷決策分為三部分，第一部分為診前，根據舅舅所描述的不適症狀，嘔吐、腹瀉、食慾不振和低燒，此時醫生會根據症狀而做出第一步判斷，可能是腸胃出了問題，於是第二部分確診診斷，建議他去採血、B超、腸鏡作為診斷輔助，按照節點權重及相關性進行順序排序，同時進一步做推薦檢查；最後根據檢查結果報告，確診為腸炎，從而進行最後一步治療輔助，開了很多用於腸炎的藥，這樣三步完成診斷加治療，一張完好的行業知識圖譜就繪製成功了。

二、知識圖譜的應用：

（一）不一致性驗證：

知識圖譜在多方面都有必然的運用，其中我認為在反欺詐這一部分的應用最佳，基於大資料反欺詐的困難在於，如何連線到各種資源，並建設為統一引擎，有效識別欺詐中所描述的內容，並將借款人資訊資料建立成為知識圖譜，從而有效的發展成了結構化的理解，就像《江湖縱談》中所說的那樣。舉個我生活中的例項來說，前幾天，鄰居家阿姨的兒子因為創業而欠債，公司倒閉，合夥人也跑路了，而借款的合同上寫的是他們公司的電話號碼，但是合夥人卻填寫的另一個公司名稱，此時這就成為了一個風險點，當債主找上門時，他說他和合夥人是朋友關係，和鄰居阿姨是母子關係，而債主和合夥人也是朋友關係，於是我將這些人物的資訊新增在“一致性驗證”引擎中，從而觸發相關知識圖譜，我試著推理了一下，阿姨兒子和合夥人是朋友關係，而合夥人和債主是朋友關係，這時有兩個可能，債主和阿姨兒子是朋友關係或不是朋友關係，所以這個關係網中存在著顯著的不一致性。

（二）失聯客戶管理：

知識圖譜也可以在貸後發揮其強大的作用。 例如，在貸後客戶管理的情況下，知識圖譜可以幫助我們挖掘出更多潛在的新聯絡人，從而提高貸後收款成功率。在現實生活中，這樣的例子比比皆是，去年我們家借給了親戚家三萬元人民幣，而親戚家因為欠了高利貸而無法償還我們家這份債，隨後玩起了“失蹤”，我們無法找到他在哪，聯絡不到本人，即便試圖去聯絡借款人曾經提供的其他聯絡人，也無法找到他本人，這就是所謂的“失聯”狀態，於是萬般無奈下我們家只好提起訴訟，法院那方馬上開展調查，將借款人周圍的潛在聯絡人挖掘出來，而這部分潛在聯絡人並沒有出現在我們的知識圖譜中，法院透過練習借款人的父母，問到了借款人曾經的朋友，生活中經常在一起的朋友，甚至朋友的朋友，最終找到了借款人的位置資訊。所以說，知識圖譜也可以幫我們找到那些“失聯”的客戶。

三、知識圖譜未來發展趨勢：

在當今社會，知識圖譜已經涵蓋了生活的大部分領域，但仍有一些領域沒有涵蓋。例如，在工業中，雖然區域性公司正在努力朝這個方向發展，但很多方法仍處於研究階段。主要原因是很多企業對知識圖譜沒有很好的理解或深入的理解。

但在未來幾年中，知識圖譜必然會成為一種新型的工業工具，這在目前的趨勢中是很容易預測的。當然，知識圖譜仍然是一個相對較新的工具，所以在理論的應用上還是會有或多或少的挑戰。例如語義資料的準確性，知識圖譜只能搜尋到關於關鍵詞的資料，卻無法篩選出這些資料的準確性和真假性，也無法挑選出對搜尋人最有價值的資訊，其知識庫中總會出現一些冗餘，這就涉及到消除歧義這一功能。再比如前文中所提到的知識推理能力，我們可以退出債主與合夥人的關係，卻忽略了合夥人是否與債主還有很多共同的朋友，當資訊量特別大而多的時候，怎樣把這些雜餘資訊結合到一起，這就是一種機率分析問題。也是知識圖譜未來發展的一大方向。

我們目前還不知道知識圖譜是否會成為企業實現強大化的人工智慧的一種方式。然而，無論我們能否在未來創造一個更好的智慧模型來描述人類的思維過程，人工智慧方面仍然會把知識圖譜當做一個重要組成部分。因為能力和思想同樣重要，但它們也需要基石，即知識和記憶。