从认识到了解知识图谱

fuqiuai

从认识到了解知识图谱

知识图谱（Knowledge Graph）是结构化的语义知识库，用于以符号形式描述真实世界中存在的各种实体或概念，以及它们之间的关联关系。

从上世纪70年代的“专家系统（Expert System）”，到万维网之父Berners-Lee提出“语义网（Semantic Web）”，再到他后来提出的“链接数据（Linked Data）”，都是知识图谱的前身。2012年5月，Google推出Google知识图谱（Google Knowledge Graph），并利用其在搜索引擎中增强搜索结果。这是“知识图谱”名称的由来，也标志着大规模知识图谱在互联网语义搜索中的成功应用。

知识图谱的意义在于在盘根错节的数据海洋中进行梳理和串联，让以前模糊的世界变得更加清晰。知识图谱不仅可以将互联网的信息表达成更接近人类认知世界的形式，而且提供了一种更好的组织、管理和利用海量信息的方式。

人类对于知识体系的整理，始终未曾停歇。从永乐大典，到四库全书，再到各式各样的百科全书。作为编纂者，必须要思考的是：如何整理、组织信息，并以何种方式进行呈现？

以往线性的、疏离的、非结构化的知识体系已经无法满足需求——人们迫切需要寻找新的方法来呈现人类过往知识。这也是人类文明从语言文字向数据化时代进步的关键一步：以前人类用文字符号代表和区分世间万物，而知识图谱是在此基础上的巨大创新。

前Google杰出工程师阿米特·辛格博士（Amit Singhal）在介绍知识图谱时是这样讲的：“The world is not made of strings , but ismade of things.（构成这个世界的是实体，而非字符串）”

反观这波AI浪潮，以深度学习为代表的大数据AI获得巨大进展，但深度学习的不透明性、不可解释性已成为制约其发展的障碍，所以，“理解”与“解释”是AI需要攻克的下一个挑战，而知识图谱为“可解释的AI”提供了全新的视角和机遇。

研究“可解释AI”的前提是梳理人类自身的认知机制。人类最擅长的思考方式就是将点和线关联起来，并由点及面、抽丝剥茧、慢慢理清其中的逻辑关系。知识图谱正试图抽丝剥茧，“像人类大脑一样思考”。

认清我们自己，才能将人类的能力赋予机器，重新审视人类自我，将是未来AI研究过程必不可少的环节。

“Knowing yourself is the beginning of all wisdom.”亚里士多德的这句话，正是知识图谱使命最好的概括。

第一届IEEE信息中心未来网络学术会议（IEEEHotICN2018)将于8月15日至17日在深圳北京大学深圳研究生院举行。会议欢迎以下三个领域的论文:信息中心未来网络、区块链技术和知识图谱。HotICN2018致力于解决未来网络系统的设计、构建、管理和评估等研究问题。它是研究人员、从业人员、开发人员和用户探索尖端思想，交流技术、工具和经验的前沿论坛。我们诚邀大家提交原创性的研究成果。

在HotICN2018会议上，我们诚邀研究人员讨论如何定义知识图谱作为未来网络的一个重要组成部分，并且在数据科学和领域科学中有着巨大的变革潜力。我们可以讨论各种各样有趣的问题和挑战：我们在大数据中需要哪些知识？什么是有价值的知识，什么是信息垃圾？如何从数据结构中提取我们需要的知识？在获得知识之后，我们如何以计算机形式表达所获得的知识？因为知识的来源如此之多，您如何结合不同来源的知识？然后，在基于知识的计算过程中，机器如何使用知识来进行理性推理，或者做出感性决策和预测？

file:///C:\Users\ADMINI~1\AppData\Local\Temp\msohtmlclip1\01\clip_image002.jpg

大会中文网站：2018.ndnlab.com ✚ 大会英文网站：www.hoticn.com

原文转载于：2018年第一届IEEE信息中心网络国际会议