孙乐的演示课件中， 有一张生动的图画， 一大摞文件纸吃进去， 电脑马上转化为“知识”， 但事实远没有那么简单 。 自动抽取结构化数据在不同行业还没有统一的方案 。 在“百度知识图谱”的介绍中这样写道：对提交至知识图谱的数据转换为遵循Schema的实体对象， 并进行统一的数据清洗、对齐、融合、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， 结构化半结构化数据挖掘出来的知识图谱还是不够， 因此目前所有的工作都集中在研究如何从海量文本中抽取知识 。 ”孙乐说， 例如谷歌的Knowledge Vault， 以及美国国家标准与技术研究院主办的TAC-KBP评测， 也都在推进从文本中抽取知识的技术 。
在权威的“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、事件抽取、情感抽取等4部分 。 在美国NIST组织的TAC-KBP中文评测中， 中科院软件所—搜狗联合团队获得综合性能指标第3名， 事件抽取单项指标第1名的好成绩 。
“我国在这一领域可以和国际水平比肩 。 ”孙乐介绍， 中科院软件所提出了基于Co-Bootstrapping的实体获取算法， 基于多源知识监督的关系抽取算法等， 大幅度降低了文本知识抽取工具构建模型的成本， 并提升了性能 。
终极目标：将人类知识全部结构化
《圣经·旧约》记载， 人类联合起来兴建希望能通往天堂的高塔——“巴别塔”， 而今， 创造AI的人类正在建造这样一座“巴别塔”， 帮助人工智能企及人类智能 。
自动的做法让知识量开始形成规模， 达到了能够支持实际应用的量级 。 “但是这种转化， 还远远未达到人类的知识水平 。 ”孙乐说， 何况人类的知识一直在增加、更新， 一直在动态变化， 理解也应该与时俱进地体现在机器“脑”中 。
“因此知识图谱不会是一个静止的状态， 而是要形成一个循环， 这也是美国卡耐基梅隆大学等地方提出来的Never Ending Learning（学无止境）的概念 。 ”孙乐说 。
资料显示， 目前谷歌知识图谱中记载了超过35亿事实；Freebase中记载了4000多万实体， 上万个属性关系， 24亿多个事实；百度百科记录词条数1000万个， 百度搜索中应用了联想搜索功能 。
“在医学领域、人物关系等特定领域， 也有专门的知识图谱 。 ”孙乐介绍， Kinships描述人物之间的亲属关系， 104个实体， 26种关系， 10800个事实；UMLS在医学领域描述了医学概念之间的联系， 135个实体， 49种关系， 6800个事实 。
“这是一幅充满美好前景的宏伟蓝图 。 ”孙乐说， 知识图谱的最终目标是将人类的知识全部形式化、结构化， 并用于构建基于知识的自然语言理解系统 。
尽管令业内满意的“真正理解语言的系统”还远未出现， 目前的“巴别塔”还只是在基础层面， 但相关的应用已经显示出广阔的前景 。 例如， 在百度百科输入“冷冻电镜”， 右竖条的关联将出现“施一公”， 输入“撒币”， 将直接在搜索项中出现“王思聪”等相关项 。 其中蕴含着机器对人类意图的理解 。
“知识图谱的应用涉及到众多行业， 尤其是知识密集型行业， 目前关注度比较高的领域：医疗、金融、法律、电商、智能家电等 。 ”孙乐介绍， 基于信息、知识和智能形成的闭环， 从信息中获取知识， 基于知识开发智能应用， 智能应用产生新的信息， 从新的信息中再获取新的知识， 不断迭代， 就可以不断产生更加丰富的知识图谱， 更加智能的应用 。
推荐阅读
- 海洋中也有“清洁工”？来看看海生物清洗机器人吧
- 空气净化器也有超大号的？“除霾塔”助力空气改善
- 呼唤的初一作文
- 单于壮其节的壮的用法,单于壮其节的壮指的是什么意思
- 超大屏幕让电视变成“电视墙” 你看过激光电视吗？
- 索尼发布面具：让“替身”代替自己参加活动
- 谷歌开发AR软件：让亚马逊虚拟购物变“真实”
- 当仁不让于师孔子的性格特点 当仁不让于师孔子的性格特点是什么
- 跨境电商进入较成熟阶段 中国成全球品牌新零售“试验田”
- 电影变现实 这些“星战”黑科技十年内将无处不在