我在通用電氣研究中心工作的10年里，我們對通用電氣所有業務進行了創新，以提高客戶的影響力。我學會了將客戶問題與技術匹配起來的微妙平衡。當業務專家描述了挑戰，而技術上不同的專家進行了辯論，每個專家都代表不同的技術時，這種方法就奏效了。多樣性是關鍵;否則，您最終會僅僅得到一個錘子（最喜歡的技術解決方案）被應用到釘子（手頭的業務問題）上。

今天，我們有兩個錘子正在受到關注：人工智能（AI）和區塊鏈。在本文中，我將描述這兩種技術的一個關鍵方面，它可以幫助您確定它們是否適合于客戶問題。

由于人工智能是一門非常廣泛的學科，讓我們把重點放在知識表示方面，特別是知識圖，它正在成為許多人工智能解決方案中表示數據的基礎層。當我最近有機會與來自亞馬遜（Amazon）、優步（Uber）、富國銀行（Wells Fargo）等公司的學術和行業專家一起，在哥倫比亞大學（Columbia University）舉行的人工智能知識圖譜大會（Knowledge Graphs for AI）上發言時，這個事實就很明顯了。

現有的、定義良好的和填充的知識圖對企業來說是有價值的。知識圖的挑戰在于如何將其開發出來并加以維護。具體來說，很難為圖定義正確的結構并將有價值的數據放入其中。

這可以被描述為“本體問題”。本體是圖結構的定義，它就像一個描述所有關鍵概念和關系的數據庫模式。糟糕的本體定義將使將數據放入圖中變得非常困難，而糟糕的本體定義也會使訪問數據變得非常痛苦。解決本體問題通常需要一小群訓練有素的本體學家、分類學家或信息科學家。換句話說，需要一個集中的組來定義和維護知識圖結構的質量。這種集中通常意味著知識圖的終結。在這種情況下，企業（除非其業務是知識圖，如谷歌或Microsoft）將把集中化視為失敗的臨界點，而將所需的特定技能集視為風險。通常情況下，知識圖是被創建的，但是過了一段時間，它就不再被維護，不再被使用，不再存在。

那么，如何解決本體問題呢？由于比特幣和區塊鏈（詳見下文），分布式技術的概念變得更加流行。我最近看到了兩種通過分布式方法解決本體問題的方法。第一種方法（也許不那么令人驚訝）是保持本體非常簡單和非常專注于領域，同時使知識圖中的價值來自于知識的分布式創建。這方面的一個例子是我在通用電氣共同領導開發的一個分析建模工具。該工具的一部分是基于云的分析創作環境，專門用于創建工業數字孿生模型，第二部分是知識圖和助手，用于捕獲有關資產、數字孿生和用戶操作，以便向根據資產、現有模型或其他用戶可能對其當前操作“感興趣”的新用戶。

知識圖中的本體非常簡單：它的價值來自于用戶創建知識并通過他們的行為添加到其中——他們對幕后發生的事情沒有任何特定的知識。 在平臺上工作的用戶越多，他們利用知識圖推薦的機會就越多，使用的分析模型越多，知識圖就越豐富。該工具的成功并不依賴于本體問題——而是轉移到用戶活動及其創建有用知識的成功上。

我看到的第二個解決知識圖和人工智能本體問題的創新方法是通過分布式的更小的知識圖集合來構建它。這里有兩個例子。首先是使用一個通用標準——在本例中是萬維網聯盟的語義網。有了數十億的事實可用，語義網通過數千個實體的分布式貢獻，匯集了一個巨大的知識圖。

其次，與基于標準的方法類似，創建和集成分布式微服務，每個服務提供一些小型本體和數據或計算，可以促進知識圖的生成。您需要一個平臺來理解微服務定義，就像Facebook發布的GraphQL定義一樣，并得到正在成長的GraphQL基金會的支持。通過微服務的聚集，知識圖的成功和價值依賴于平臺支持的同一種商品：由客戶創建有價值的微服務。

最后，為了更清楚地說明這一點，讓我們回到區塊鏈。比特幣網絡的成功得益于其創造者的分布式思維。要繞過現有貨幣，需要一個不可變的賬本，使其不能被黑。工作證明共識方法確保支持區塊鏈的全球用戶網絡將得到“挖掘”或驗證交易的獎勵。一組購買和交換比特幣的分布式參與者給出了比特幣的價值，而這些分布式的礦工為網絡提供了信任，同時獲得了同樣的商品回報：比特幣。

要為你的人工智能或區塊鏈找到合適的釘子，想想分布式：一個客戶社區在你的技術上互動，在那里他們發現價值，同時又能創造更多的價值，所有這些都在你技術所提供的商品上。