Categories
程式開發

知識圖譜構建的研究已走入下半場,但大規模落地應用仍需時間


知識圖譜是近年來人工智能技術蓬勃發展的核心驅動力之一,已廣泛應用在金融、電商、醫療、政務等眾多領域,經過短短幾年的發展,熱度依舊不減,未來,知識圖譜又將解決哪些其他技術無法解決的問題呢?它又面臨著哪些新的挑戰?

知識圖譜的發展脈絡

作為人工智能的一個重要研究領域,其研究和發展可以追溯到第一個人工智能浪潮。 1968年圖靈獎獲得者Edward Feigenbaum研發出世界首個專家系統DENDRAL,並隨後在第五屆國際人工智能會議上正式提出知識工程的概念,目標是將知識融入計算機系統用以解決只有領域專家才能解決的複雜問題。 1999年互聯網發明人、圖靈獎獲得者Tim Berners-Lee爵士提出語義網的概念,核心理念是用知識表示互聯網,建立常識知識,但一直苦於規模小、應用場景不清楚而發展緩慢,因此, 2012年以前,學術界和工業界普遍認為知識圖譜技術處於初級發展階段。

直到2012年,這一狀況才有了改變。這一年,谷歌發布了570億實體的大規模知識圖譜,其宣傳語是“Things, not Strings”給出了知識圖譜的精髓,即,不要無意義的字符串,而是獲取字符串背後隱含的對像或事物,多組研究者也曾獨立地提出過相似的理論。 “Things, not Strings”理論脫胎於眾多著名認知心理學家提出的Semantic Networks理論,最為著名的有Sowa等人在1984年提出的ConceptNet。在符號主義的思潮中,許多早期知識圖譜將關係局限為幾種特殊的基本關係,如“擁有屬性”、“導致”、“屬於”等,並定義一系列在圖譜上推理的規則,期望通過邏輯推理實現智能。

原文鏈接:【https://www.infoq.cn/article/Fd4ZtNVcK80Mmzgh08Kz】。未經作者許可,禁止轉載。