知识图谱在人工智能中的应用与思考

知识图谱在人工智能中的应用与思考

1. 人工智能是为了解决生产力升级的问题

人类的生产力可以分为知识生产力，劳动生产力。人工智能可以从两个方面加速生产力的提升。

人工智能又可以分为感知型智能，认知性智能，行为智能。一般来讲，计算机视觉识别，语音识别等识别问题都可以归结到感知性智能中。认知性智能包含自然语言理解（NLU），自然语言生成（NLG），知识推理（reasoning）等领域。行为智能主要聚焦在智能体的行动上，一般指的是具有感知和认知能力的机器人的行为。

2.人工智能的”三个主义“

现代的人工智能可分为：

1. 符号主义：对已有知识进行编辑，常见的工具有数据库，知识图谱等。对应的是知识表示技术
2. 连结主义：使用数学理论或公式推导计算机的行为法则，如分类与预测。对应了机器学习技术
3. 行为主义：用机器人模仿人类行为，对应了仿生机器人技术。

理想情况下是三个注意能一同发展，连结主义通过计算机算力支撑符号主义，符号主义使用知识和逻辑指导链接主义，说的也就是当下最流行的术语-人工智能3.0可解释的人工智能。最后符号主义和连结主义共同作用到行为主义中，充当机器人的大脑，指导机器人的行为。

3.建设本体模型和实体数据库是知识图谱结构的核心

4.当下的trend

是从知识抽取过渡到事件抽取，以满足知识更新的需求。
通过时间维度的表达将信息员中指定事件抽取并结构化的表示。
知识融合是另一个未来的主流方向

5.知识融合

知识融合中需要考虑的几点难点：

1. 语义相似度
2. 简单的图谱对齐（寻找相同实体）
3. 复杂的图谱对齐（寻找相同路径：实体+关系）
4. 对于schema的对齐和合并
5. 对于foundational 知识图谱的对齐合并（非特定域图谱）

6.基于知识人图谱的应用

1. 教育
2. 医疗
3. 考古
4. 军事
5. 工业化
6. 公司

我们可以看到几乎方方面面都需要知识介入，完善人工智能模型。