人工智能重新火起來之后，談到AI技術，人們首先會聯想到深度學習、機器學習技術；談到AI應用，人們很可能會馬上想起語音助理、自動駕駛等等，但是如果你一直關注AI的話，會發現，知識圖譜在不知不覺中被越來越多的談起。筆者認為，這也的確是AI不能不提的依托技術。我們在進行人工智能探索的道路上，需要了解其本質，在其基礎上衍生出各種上層的智能應用。在筆者看來，知識圖譜正是起到了這樣一個作用。

知識圖譜不難理解，就是通過不同知識的關聯性形成一個網狀的知識結構，形成知識圖譜的過程本質是在建立認知。知識圖譜最能體現人工智能的特色——像人類大腦一樣思考！因為人類最擅長的思考方式就是將點和線關聯起來并由點及面，然后抽絲剝繭，慢慢理清其中的邏輯推理關系。

在國外，谷歌最早提出知識圖譜這個詞，作為谷歌的兩大重要技術儲備，一個是深度學習，另一個就是知識圖譜，用來支撐下一代搜索和在線廣告業務。在國內，百度最近明顯加大了對知識圖譜的宣傳，其實力我們不得而知，但其應用方式和谷歌有類似之處。從現在來看，將知識圖譜實現行業垂直應用的鳳毛麟角。

既然知識圖譜如此重要，如此具有價值，那為什么應用案例幾乎沒有呢？我想被譽為AI領域宗師的加州大學伯克利分校計算機教授、美國國家科學院院士 Michael I. Jordan的一句話多少能說明一些問題。他說：“如果有10億美金的話，自然語言的理解是我最想研究的問題”。自然語言理解，這一知識圖譜的依托技術之一是非常重要，但同時也是非常難做的一件事。

除了NLP技術本身存在難度外，還在于建立行業知識圖譜，要對行業建立起深厚的認知，需要長時間的行業積淀，這是知識圖譜垂直應用少的另外一個原因。因為只有理解了行業和場景，才能真正智能化。比如我們可能認為很簡單的零售行業，如果真要實現個性化的商品推薦，機器必須理解不同商品的特性，以及商品與銷售場景（如季節、地區、時段）、與促銷行為、與用戶需求之間的關系，才能推薦滿足用戶需求的產品。這也是一個優秀的推銷員或商場導購的思考邏輯。針對不同的零售細分領域，可能又要建立完全不同的知識圖譜。

這兩年，筆者作為咨詢顧問的身份接觸了一些信息化走在前面的公司，其中有一家大型能源集團公司，他們目前正在做這件事情，他們把自己做的叫“知識管理、知識工程”，但背后的支撐就是知識圖譜。

這家公司通過知識管理項目建成了專業知識網。業務人員可以通過基于知識圖譜的一站式搜索，快速查找到所需資料及專業知識，可以基于知識圖譜進一步對這些知識進行分析挖掘，支撐解決科研與生產中的問題。業務人員工作過程和交流過程中所產生的新知識又回歸到知識庫，進一步通過知識圖譜進行推送、共享和復用。

這個項目的服務單位是一家叫北明智通的公司，筆者也略有接觸，研發團隊做NLP、知識圖譜相關的研究開發工作也有將近十年了，最早是在航空航天做行業化應用，從12、13年開始做包括石油在內的能源行業的知識圖譜垂直應用。

他們提出的企業知識網解決方案分三步：第一步，先把企業開展工作需要哪些關鍵知識識別出來，找到源頭，不管是企業內部的還是外部的，不管是數據庫、文檔庫還是網頁，都匯聚起來；第二步，是通過知識圖譜，讓系統能“認識理解”這些數字和文字代表的含義，把各個源頭的知識抽取出來，把知識和人都關聯起來，形成一張知識網；第三步，讓知識圍繞業務轉起來，實現智能化應用，包括語義搜索、個性化推薦、智能問答、協同研究、決策支持等等。

總之，筆者認為，知識圖譜是未來AI發展的必經之路，行業化知識圖譜的構建有難度，更有價值。AI的發展具備了天時、地利、人和，筆者作為AI技術與產品研發與推廣的參與者之一，對生逢這個時代倍感榮幸，也樂見更多的同仁共同鑄就更輝煌的未來。