中國(guó)現(xiàn)有AI研究尚不足以支撐垂直領(lǐng)域解決方案

德國(guó)人工智能研究中心（DFKI）成立于1988年，是全球最大的基于人工智能的非營(yíng)利軟件技術(shù)中心，是德國(guó)最大的從事軟件技術(shù)和應(yīng)用的研究機(jī)構(gòu)，研究方向覆蓋大數(shù)據(jù)分析、知識(shí)管理、畫面處理與理解、自然語(yǔ)言處理、人機(jī)交互、機(jī)器人等各個(gè)領(lǐng)域。中心成功吸引了谷歌、英特爾、微軟、寶馬等多家全球前十的頂級(jí)科技企業(yè)的投資。

不僅如此，DFKI在科技成果商業(yè)轉(zhuǎn)化方面也有深厚積累，已經(jīng)孵化百余家創(chuàng)業(yè)公司。其中，50多家目前保持著較高的市場(chǎng)活躍度，在各自所處的細(xì)分領(lǐng)域也都極具競(jìng)爭(zhēng)力。

3月29日，DFKI科學(xué)董事漢斯·烏思克爾特（Hans Uszkoreit）教授受邀出席2018新智元產(chǎn)業(yè)躍遷AI技術(shù)峰會(huì)，并與新智元交流了中美歐人工智能市場(chǎng)和技術(shù)發(fā)展差異，以及他認(rèn)為有前景的研究方向。

如何構(gòu)建一家偉大的人工智能研究機(jī)構(gòu)？DFKI在科技成果轉(zhuǎn)化方面遵循一套怎樣的流程？深度學(xué)習(xí)在自然語(yǔ)言處理方面有怎樣的發(fā)展？本文一一給出解答。

漢斯·烏思克爾特（Hans Uszkoreit）

歐洲科學(xué)院院士

深知無(wú)限人工智能研究院院長(zhǎng)兼首席科學(xué)家

漢斯·烏思克爾特教授是德國(guó)人工智能研究中心（DFKI）科學(xué)董事，北京深知無(wú)限人工智能研究院（AITC）院長(zhǎng)兼首席科學(xué)家，聯(lián)想研究院人工智能首席顧問，柏林工業(yè)大學(xué)榮譽(yù)教授，歐洲科學(xué)院院士和國(guó)際計(jì)算語(yǔ)言學(xué)委員會(huì)成員。烏思克爾特教授多年來(lái)從事并引領(lǐng)著人工智能領(lǐng)域的學(xué)術(shù)及研究工作，尤其在語(yǔ)言和知識(shí)科技領(lǐng)域，擁有超過(guò)30年的經(jīng)驗(yàn)，參與創(chuàng)立并指導(dǎo)了數(shù)十家人工智能初創(chuàng)公司，其研究成果刊登于200多家國(guó)際出版物。

如何構(gòu)建一家偉大的AI研究院：最激烈的競(jìng)爭(zhēng)是爭(zhēng)取人才

DFKI是世界上最大的人工智能研究機(jī)構(gòu)之一，到2018年正好有30年的歷史，成果豐碩。很自然地，如何創(chuàng)建以及管理這樣一家偉大的AI研究機(jī)構(gòu)，就成了我們首先請(qǐng)教烏思克爾特教授的問題。

烏思克爾特教授告訴新智元，如今的情況與30年前發(fā)生了很大的變化?！?0年前，就算前路坎坷，只要我們非常有遠(yuǎn)見，有一個(gè)強(qiáng)大的團(tuán)隊(duì)，得到業(yè)界和政府專門支持，就可以著手成立研究院。我們有充足的時(shí)間去發(fā)展和改變研究主題，同時(shí)探索和不斷適應(yīng)商業(yè)化戰(zhàn)略。”

“但在今天，雖然社會(huì)對(duì)人工智能的需求變大了，但競(jìng)爭(zhēng)也很激烈。最激烈的競(jìng)爭(zhēng)就是爭(zhēng)取人才。因此，需要仔細(xì)計(jì)劃，選擇主題，決定次序，整理強(qiáng)有力的材料，才能找到需要的專業(yè)人才。

“總體來(lái)說(shuō)，要完成現(xiàn)有前沿技術(shù)商業(yè)化，還需要踏踏實(shí)實(shí)、兢兢業(yè)業(yè)做好研究（以及金融支持），明天才可以獲得新成果，畢竟今天的技術(shù)也會(huì)成為歷史?！?span style="text-indent: 2em; font-size: 12px;">此外，擁有一個(gè)國(guó)際化的顧問團(tuán)隊(duì)也很重要，“在疑惑時(shí)幫你做正確選擇，在受到資助方質(zhì)疑時(shí)維護(hù)你、支持你，借鑒經(jīng)驗(yàn)，且保持科學(xué)高標(biāo)準(zhǔn)?！?/span>吸引人才的最強(qiáng)磁鐵是人才本身；錢不是最主要的，但沒有錢不行

如今，DFKI旗下有千名研究人員，其中不乏院士、兩院院士甚至三院院士，在眾多領(lǐng)域展開交叉合作。這對(duì)管理提出了極高的要求。與此同時(shí)，近幾年來(lái)，以谷歌為首的科技巨頭也在AI人才方面大量挖掘。作為DFKI的管理者，烏思克爾特教授表示，招聘和留住年輕的優(yōu)秀人才和經(jīng)驗(yàn)豐富的專家，一直都是最大的挑戰(zhàn)之一。

“吸引人才的最強(qiáng)磁鐵是人才本身，尤其是成功人士。壯志酬酬的年輕研究人才會(huì)被值得學(xué)習(xí)的對(duì)象吸引，會(huì)被可以讓人才成長(zhǎng)和增長(zhǎng)才智的地方吸引。一個(gè)新成立的研究中心很難迅速達(dá)到這種程度。除非成立之初就有一批能人相助，不然就要慢慢積累以達(dá)到高水平?！?span style="text-indent: 2em; font-size: 12px;">“為了吸引年輕人才，錢不是最主要的。然而，想要在人才稀缺，薪酬隨之飛升的時(shí)代，要留住經(jīng)驗(yàn)豐富的領(lǐng)袖人才，錢就成了重要問題?！?/span>

“但還是有成熟的研究員愿意做基礎(chǔ)研究，即使同行的工資是他們的兩倍。但現(xiàn)在行業(yè)內(nèi)工資上漲了三倍，產(chǎn)業(yè)界有很多機(jī)會(huì)從事振奮人心的研究，波動(dòng)隨之變得很大。公共研發(fā)資助必須適應(yīng)這種環(huán)境，年輕的博士生也要快速成長(zhǎng)，承擔(dān)領(lǐng)導(dǎo)任務(wù)?！?/p>

孵化公司是研究成果商業(yè)化的一條重要渠道，要在市場(chǎng)需求產(chǎn)生前創(chuàng)立公司

DFKI成功的一大因素，在于其自籌建之初就非常注重對(duì)從研究到實(shí)際應(yīng)用的轉(zhuǎn)化，積累了大量產(chǎn)業(yè)成果。不僅如此，自成立以來(lái)，DFKI在全球范圍內(nèi)孵化了Chusable、B4、Ascella、Camelot、DHC、Digipen等在內(nèi)的數(shù)十家分支機(jī)構(gòu)，孵化了近百家AI科技公司。其中，50多家目前保持著較高的市場(chǎng)活躍度，在各自所處的細(xì)分領(lǐng)域也都極具競(jìng)爭(zhēng)力。

烏思克爾特教授說(shuō)，DFKI擁有多種渠道將研究成果商業(yè)化，孵化公司就是其中之一，也是很重要的一條渠道?！拔覀儍H在極少數(shù)的情況下直接對(duì)接市場(chǎng)，換言之就是在規(guī)范的軟件平臺(tái)上出售產(chǎn)品，因?yàn)橄胍３诌@種商業(yè)模式，必須建立和穩(wěn)固銷售及支持團(tuán)隊(duì)?！?/p>

DFKI成功實(shí)現(xiàn)商業(yè)化的原因之一，是他們的戰(zhàn)略規(guī)劃方案。每一個(gè)研究中心都有短期和長(zhǎng)期發(fā)展路線圖，這些路線圖由研究團(tuán)隊(duì)制定，再經(jīng)DFKI指導(dǎo)委員會(huì)會(huì)議討論、修訂和最終協(xié)調(diào)確定，實(shí)現(xiàn)研究目標(biāo)和研究機(jī)遇同實(shí)際需求和未來(lái)期望相互結(jié)合。如此一來(lái)，可以在熱點(diǎn)話題變成熱點(diǎn)之前開展研究。

“但找出最合適的一條商業(yè)化渠道，還是需要一段時(shí)間?！睘跛伎藸柼亟淌谡f(shuō)。

中國(guó)現(xiàn)有AI研究尚不足以支撐垂直領(lǐng)域解決方案

在AI技術(shù)落地方面，歐洲、美國(guó)和中國(guó)的現(xiàn)實(shí)情況存在很大不同。以創(chuàng)業(yè)公司為例：DFKI成功孵化了很多創(chuàng)業(yè)公司，但在德國(guó)或者歐洲，有時(shí)候孵化公司雖然成立，但市場(chǎng)還未產(chǎn)生前沿技術(shù)需求。

在德國(guó)，前沿技術(shù)需求市場(chǎng)數(shù)量很少，遠(yuǎn)遠(yuǎn)不及美國(guó)或者中國(guó)。很多德國(guó)公司規(guī)模尚小，又走不出歐洲市場(chǎng)。癥結(jié)或在于歐洲市場(chǎng)規(guī)模較小，市場(chǎng)估值較小，外資規(guī)模自然小于美國(guó)和中國(guó)。這就導(dǎo)致很多DFKI的孵化公司發(fā)展速度遠(yuǎn)遠(yuǎn)低于中國(guó)或美國(guó)的平均水平。

但烏思克爾特教授指出，這樣做仍然比在需求產(chǎn)生后再成立公司要好，因?yàn)槭袌?chǎng)需求產(chǎn)生后，經(jīng)濟(jì)實(shí)力更加雄厚的競(jìng)爭(zhēng)者會(huì)成立規(guī)模更大的公司?！凹幢闶袌?chǎng)還沒有準(zhǔn)備好，初創(chuàng)技術(shù)公司仍然可以依靠堅(jiān)實(shí)的創(chuàng)新技術(shù)繼續(xù)發(fā)展?！?/p>

另一點(diǎn)不同是產(chǎn)業(yè)結(jié)構(gòu)。美國(guó)互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展速度十分可觀，中國(guó)是全球唯一擁有大規(guī)?；ヂ?lián)網(wǎng)產(chǎn)業(yè)且能與美國(guó)媲美的國(guó)家。美國(guó)電子產(chǎn)品產(chǎn)業(yè)規(guī)模也十分巨大，中國(guó)、韓國(guó)和日本也擁有優(yōu)勢(shì)，德國(guó)卻沒有。德國(guó)的制造業(yè)發(fā)展強(qiáng)勁，但大多服務(wù)于出口，中國(guó)也是如此。所以，“中國(guó)和德國(guó)都需要人工智能賦能制造業(yè)走向世界?！?/p>

烏思克爾特教授認(rèn)為，在中國(guó)成熟人工智能技術(shù)商業(yè)化要容易得多。“如果在中國(guó)也有一家DFKI，市場(chǎng)需求規(guī)模大，投資規(guī)模大，商業(yè)化會(huì)比在歐洲容易得多?！?/p>

在中國(guó)，大多數(shù)人工智能研究都集中在幾個(gè)領(lǐng)域，近期重大突破促進(jìn)技術(shù)發(fā)展日臻成熟。中國(guó)在計(jì)算機(jī)視覺產(chǎn)品開發(fā)方面處于領(lǐng)先地位，在機(jī)器人研究和人工智能增強(qiáng)數(shù)據(jù)分析方面實(shí)力雄厚，語(yǔ)音技術(shù)發(fā)展日趨強(qiáng)勁，機(jī)器翻譯逐步完善。

但是，“中國(guó)現(xiàn)有的研究還不能滿足垂直解決方案需求，這種方案結(jié)合多種人工智能技術(shù)和可循環(huán)利用的顯性知識(shí)，對(duì)制造業(yè)、醫(yī)療、交通和旅游業(yè)發(fā)展都有益處。在視覺產(chǎn)品開發(fā)方面，中國(guó)很有可能在國(guó)際市場(chǎng)上取得成功。我覺得中國(guó)在幾個(gè)有關(guān)機(jī)器人研究的領(lǐng)域也會(huì)取得領(lǐng)先地位。關(guān)于基于海量知識(shí)的應(yīng)用，語(yǔ)言障礙是很大挑戰(zhàn)，因?yàn)榫瓦B結(jié)構(gòu)化知識(shí)也極大地依賴于語(yǔ)言?！?/p>

最有前景領(lǐng)域：將深度學(xué)習(xí)和結(jié)構(gòu)性知識(shí)相結(jié)合

在談到最近自然語(yǔ)言處理領(lǐng)域令他興奮的工作和進(jìn)展時(shí)，烏思克爾特教授不出意外地提到了機(jī)器翻譯。機(jī)器翻譯實(shí)現(xiàn)跨越式發(fā)展令他非常激動(dòng)，雖然現(xiàn)在的機(jī)器翻譯還不能完全取代專業(yè)譯員，但還是很受用戶歡迎。

“得益于深度學(xué)習(xí)，端對(duì)端的基于神經(jīng)系統(tǒng)的自然語(yǔ)言處理發(fā)展速度非常驚人，相比之下，用于深度解讀，基于語(yǔ)言學(xué)和知識(shí)的自然語(yǔ)言系統(tǒng)發(fā)展速度就相對(duì)扎實(shí)平緩。這說(shuō)明語(yǔ)音識(shí)別系統(tǒng)、語(yǔ)音生成系統(tǒng)、中等質(zhì)量機(jī)器翻譯、簡(jiǎn)單問答系統(tǒng)，甚至短篇新聞報(bào)道生成系統(tǒng)，都具備應(yīng)用于現(xiàn)實(shí)的能力?！?/p>

但是，在自然語(yǔ)言處理領(lǐng)域和計(jì)算機(jī)視覺領(lǐng)域，要實(shí)現(xiàn)“理解”場(chǎng)景和觀察行為，我們需要更多世界知識(shí)，這也包括從標(biāo)記文本、標(biāo)記圖片中得到的常識(shí)知識(shí)?！按蠖鄶?shù)知識(shí)只有在你已經(jīng)擁有很多知識(shí)的情況下才能獲得，對(duì)機(jī)器來(lái)說(shuō)也是如此?！睘跛伎藸柼亟淌谡f(shuō)：“因此，現(xiàn)在應(yīng)用于自然語(yǔ)言處理的學(xué)習(xí)方案，還不足以讓產(chǎn)品生成對(duì)話、文本理解或高質(zhì)量翻譯，必須有更多知識(shí)才行。目前的系統(tǒng)在現(xiàn)有標(biāo)注語(yǔ)言數(shù)據(jù)中還歸納不出這么多知識(shí)?！?/p>

“我覺得最有前景的研究領(lǐng)域就是把深度學(xué)習(xí)和在維基數(shù)據(jù)、DBpedia和谷歌搜索的知識(shí)圖譜中找到的結(jié)構(gòu)性知識(shí)相結(jié)合。這并不意味著我們要將所有需要的知識(shí)機(jī)械地表達(dá)出來(lái)，大部分知識(shí)可以被自動(dòng)提取。但這就意味著我們需要神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)系統(tǒng)的獲取知識(shí)，并不同階段持續(xù)學(xué)習(xí)。”

“研究機(jī)器學(xué)習(xí)會(huì)演化更大的領(lǐng)域，包括研究機(jī)器教學(xué)或全面機(jī)器教育，將涵蓋控制獲取基礎(chǔ)世界知識(shí)，常識(shí)知識(shí)，語(yǔ)言能力和專業(yè)領(lǐng)域知識(shí)?！?/p>

以下是漢斯·烏思克爾特教授在2018新智元產(chǎn)業(yè)·躍遷AI技術(shù)峰會(huì)上的演講《基于知識(shí)和機(jī)器學(xué)習(xí)技術(shù)的人工智能強(qiáng)化決策支持應(yīng)用》。

漢斯·烏思克爾特：各位下午好！今天我想談一談AI在深度分析現(xiàn)有動(dòng)態(tài)數(shù)據(jù)和動(dòng)態(tài)資源方面的應(yīng)用。

在機(jī)器學(xué)習(xí)出現(xiàn)之前，AI領(lǐng)域有兩種系統(tǒng)：一種是基于知識(shí)的系統(tǒng)，比如基于規(guī)則的信用檢查系統(tǒng)；一種是基于行為的系統(tǒng)，比如傳統(tǒng)反應(yīng)性的機(jī)器人控制。機(jī)器學(xué)習(xí)出現(xiàn)后，機(jī)器不僅可以學(xué)習(xí)行為，也可以學(xué)習(xí)知識(shí)。

有些人可能會(huì)很意外，Google的機(jī)器翻譯并不是基于知識(shí)的，而是基于行為，或者說(shuō)基于人類的經(jīng)驗(yàn)，它的基礎(chǔ)是大量已經(jīng)有過(guò)翻譯的文獻(xiàn)和文本資料。無(wú)人駕駛也是基于人類行為的一種系統(tǒng)。同樣的還有閱讀理解，嚴(yán)格來(lái)講并不是“理解”，而只是從人類的語(yǔ)言當(dāng)中學(xué)習(xí)記憶。

相反的，IBM Watson是基于知識(shí)的一種系統(tǒng)，文本分析系統(tǒng)也是基于知識(shí)的系統(tǒng)，還有聊天機(jī)器人，和人聊天的時(shí)候，在自己的系統(tǒng)當(dāng)中尋找答案。

我們可以在這些基于知識(shí)的系統(tǒng)當(dāng)中看到基于行為的系統(tǒng)，比如在學(xué)習(xí)的時(shí)候，除了以知識(shí)為基礎(chǔ)，還會(huì)學(xué)習(xí)行為和經(jīng)驗(yàn)。

我們?yōu)槭裁磿?huì)看到這樣的發(fā)展？為什么以前沒有這樣的變革？因?yàn)槲宕箢I(lǐng)域的進(jìn)展，包括大數(shù)據(jù)、機(jī)器學(xué)習(xí)、知識(shí)技術(shù)、互聯(lián)網(wǎng)技術(shù)和硬件。

AI發(fā)展有4個(gè)階段，啟發(fā)式搜索和推理，基于人工設(shè)置的規(guī)則進(jìn)行知識(shí)處理，從海量數(shù)據(jù)中進(jìn)行機(jī)器學(xué)習(xí)，最后是結(jié)合了機(jī)器學(xué)習(xí)和知識(shí)技術(shù)的認(rèn)知系統(tǒng)。

現(xiàn)在有兩大令人興奮的發(fā)展，其中一個(gè)是網(wǎng)絡(luò)2.0、語(yǔ)義網(wǎng)（也即“網(wǎng)絡(luò)3.0”）和數(shù)據(jù)知識(shí)社區(qū)，比如維基百科、維基數(shù)據(jù)和DBPedia。另一個(gè)就是各種相連的系統(tǒng)，現(xiàn)在我們有非常多的數(shù)據(jù)庫(kù)，我們常說(shuō)的物聯(lián)網(wǎng)信息物理系統(tǒng)，還有工業(yè)4.0當(dāng)中的“數(shù)字雙胞胎”（Digital Twin，指物理資產(chǎn)或流程的軟件模型）、智能企業(yè)等以產(chǎn)品為驅(qū)動(dòng)力的生產(chǎn)行為?？傮w來(lái)講，所有智能企業(yè)都是屬于這個(gè)領(lǐng)域。

在工業(yè)4.0概念中的智能工廠，其核心是智能制造，基礎(chǔ)是產(chǎn)品、經(jīng)驗(yàn)和記憶。拓展開去，外面的部分并不完全來(lái)自制造業(yè)，比如智能出行、智能物流和智能樓宇。

現(xiàn)在我們做的工作，原先并沒有出現(xiàn)在這幅圖景當(dāng)中，但也十分重要，比如最重要的競(jìng)爭(zhēng)者、消費(fèi)者和供應(yīng)商，有了這些，工廠才能正常運(yùn)營(yíng)，媒體也很重要，包括投資方和監(jiān)管方，還有技術(shù)的提供方。

我們需要把這些結(jié)合到工廠的運(yùn)作當(dāng)中，要把圈內(nèi)的內(nèi)容和圈外的內(nèi)容結(jié)合起來(lái)，才能做到企業(yè)的管理、工廠的管理。這些工作看起來(lái)好像和我們狹義的生產(chǎn)制造不是那么近，但其實(shí)這是很重要的，比如我們要知道智能客戶關(guān)系管理、客戶喜不喜歡我們的東西，還可以做到智能的項(xiàng)目管理，也要知道供應(yīng)商提供的物料來(lái)源怎樣、價(jià)格怎樣，還需要社會(huì)政府關(guān)系，所有的這些都是我們工作的一部分，這樣才能帶來(lái)企業(yè)的成功。

因此，我們需要得到許多外部的信息和數(shù)據(jù)，很多可能需要買，但還有很多數(shù)據(jù)是開放和開源的，比如網(wǎng)絡(luò)上的資料、新聞媒體的報(bào)道、社交媒體的資料。我們可以分析這些外部的數(shù)據(jù)和信息，幫助圓圈內(nèi)部的企業(yè)和工廠，加入到他們的決策和運(yùn)作當(dāng)中，比如我們可以做偏航的預(yù)警，也可以做到流程的優(yōu)化和預(yù)測(cè)分析，根據(jù)過(guò)往的經(jīng)驗(yàn)預(yù)測(cè)這個(gè)月或者下個(gè)月哪種產(chǎn)品會(huì)有更好的銷量。

以產(chǎn)品的銷量分析為例，我們就希望能夠分析為什么有的時(shí)候銷量是上升的，有的時(shí)候銷量是下降的，再把銷量的數(shù)據(jù)和其他數(shù)據(jù)進(jìn)行比較?，F(xiàn)在我們專門拿出來(lái)一條天氣的曲線，比較天氣的曲線和銷量的曲線是有大致的相關(guān)性，但并不是完全相關(guān)。

我們繼續(xù)分析更多的信息，可以看到一個(gè)高點(diǎn)，紐波特舉辦游艇展的時(shí)候，給我們帶來(lái)了更多的銷量，這是不是因?yàn)橛辛烁嗟娜藖?lái)到這個(gè)區(qū)域？

不光是簡(jiǎn)單分析一家企業(yè)或者工廠的數(shù)據(jù)，各個(gè)地區(qū)的許多家企業(yè)聯(lián)合在一起，都可以應(yīng)用這樣一種分析的方法和思路。

這張圖展示了銅的銷量，高級(jí)銅的售價(jià)有升有降。為什么銅價(jià)會(huì)急劇上升？可以發(fā)現(xiàn)那段時(shí)間在智利的北部發(fā)生了地震，所有的這些紅點(diǎn)都是銅礦，所有的藍(lán)點(diǎn)都是煉銅廠。這個(gè)圓圈的波紋是地震的范圍。我們需要知道地震是否真的影響了銅價(jià)，做了分析以后發(fā)現(xiàn)，當(dāng)時(shí)的地震和銅價(jià)的上升是沒有關(guān)系的。

有時(shí)候我們會(huì)聽到很多的傳聞，A影響了B，B影響了C，但不管是否最后真的相關(guān)，我們都需要讓機(jī)器來(lái)學(xué)習(xí)，因?yàn)椴⒎敲恳粋€(gè)人都會(huì)根據(jù)特定的規(guī)則和傳統(tǒng)來(lái)行事，所以我們都需要讓機(jī)器來(lái)做分析和學(xué)習(xí)。

還是在這個(gè)銅價(jià)表上，藍(lán)色圓圈的位置是銅價(jià)下跌了，這個(gè)時(shí)候發(fā)生了什么事情呢？當(dāng)時(shí)有新聞報(bào)道，中國(guó)的銅礦價(jià)格平穩(wěn)。這條信息并沒有什么負(fù)面性，只是講到了中國(guó)的銅價(jià)是持平的，但展示了資訊的影響力。因此，緊跟資訊是一件很好的事情，能夠幫助我們做出商業(yè)上的決策。

這是大英百科全書的圖片，我們知道它的內(nèi)容非常詳盡，但維基百科的資訊量更多，里面不僅有傳統(tǒng)百科全書的內(nèi)容，還有很多新的數(shù)據(jù)和資訊。這里有達(dá)芬奇、蒙娜麗莎和米開朗其羅這些有關(guān)聯(lián)的概念，建立起了知識(shí)圖譜。

知識(shí)圖譜也是現(xiàn)在Google、百度、必應(yīng)搜集和存儲(chǔ)信息的一種方式。這是開放數(shù)據(jù)網(wǎng)絡(luò)，有些是電影的數(shù)據(jù)庫(kù)，有些是元素的數(shù)據(jù)庫(kù)，可以說(shuō)是無(wú)所不包，但它們都在語(yǔ)義上相互關(guān)聯(lián)，對(duì)知識(shí)系統(tǒng)來(lái)說(shuō)越來(lái)越重要。

我們可以把所有的知識(shí)放在一個(gè)系統(tǒng)當(dāng)中，這些知識(shí)系統(tǒng)沒有我們大腦的局限，在這種情況下，機(jī)器就會(huì)勝過(guò)我們，因?yàn)槲覀儧]有辦法拓展我們的大腦。在智能工廠中和人互動(dòng)的機(jī)器人，它們?cè)谇樯毯椭悄芊矫嬉矔?huì)越來(lái)越高，這可能就是未來(lái)的發(fā)展方向。

在我們的項(xiàng)目當(dāng)中，我們會(huì)把不同的數(shù)據(jù)結(jié)合起來(lái)，比如氣象學(xué)數(shù)據(jù)、地理數(shù)據(jù)，還有一些內(nèi)部企業(yè)數(shù)據(jù)。我們說(shuō)服一些公司，讓他們把知識(shí)放到我們的知識(shí)圖譜當(dāng)中，這些數(shù)據(jù)就會(huì)變成一種新的形式。我們?cè)谙朐鯓硬拍馨压緝?nèi)部和外部的數(shù)據(jù)鴻溝彌合起來(lái)，怎樣才能讓這些數(shù)據(jù)為人所用。

我們和西門子以及更小一些的市場(chǎng)研究公司，比如VICO、維基百科以及其他的合作伙伴，聯(lián)手建立了一個(gè)世界性的項(xiàng)目，總部在柏林。我們想把內(nèi)部企業(yè)數(shù)據(jù)、公開數(shù)據(jù)和公開知識(shí)相連接，而為了實(shí)現(xiàn)這一點(diǎn)，我們就需要知識(shí)圖譜、開源方法和工具，通過(guò)語(yǔ)言、技術(shù)和結(jié)構(gòu)性、統(tǒng)計(jì)性的學(xué)習(xí)，這種工具叫做Apache Flink，對(duì)流數(shù)據(jù)的處理更好一些，我們也有很多的流數(shù)據(jù)，所以把這些都嵌入到大數(shù)據(jù)的平臺(tái)當(dāng)中，通過(guò)方法分析這些數(shù)據(jù)，并且和公司實(shí)現(xiàn)這些數(shù)據(jù)的利用。

我們有兩個(gè)商業(yè)領(lǐng)域的應(yīng)用，供應(yīng)鏈管理和市場(chǎng)研究。包括一些大公司在內(nèi)，對(duì)于這兩個(gè)方面都有很大需求。這是Smart Data Web（SDW），就是智能數(shù)據(jù)網(wǎng)，可以將不同的數(shù)據(jù)結(jié)合起來(lái)。SDW的理念是把公網(wǎng)上的信息和企業(yè)的內(nèi)部信息連接起來(lái)，這樣我們就能夠把公開數(shù)據(jù)和企業(yè)數(shù)據(jù)結(jié)合起來(lái)，而不是把這個(gè)企業(yè)的數(shù)據(jù)拿出來(lái)，因?yàn)槠髽I(yè)不喜歡把他們的數(shù)據(jù)拿出來(lái)，另一方面，維基百科也不喜歡單獨(dú)的公司把他們的世界觀放到維基百科上面。

同時(shí)，我們必須找到方法來(lái)使用不斷增長(zhǎng)的數(shù)據(jù)，獲取最核心、最重要的信息，比如地震在哪里，哪家公司可能會(huì)倒閉，哪家公司的高層人員要跳槽等等。現(xiàn)在問題的最大難點(diǎn)是什么呢？就是人類的語(yǔ)言，我們沒有辦法按照公式交流，同樣一件事情有很多不同的表述。

但是，還是能從中找到一些規(guī)律。我舉一個(gè)例子，舊金山有一家很出名的公司，叫做PowerSet，在2008年的時(shí)候以10億美元的價(jià)格被微軟收購(gòu)。如何讓機(jī)器學(xué)會(huì)從大量信息中學(xué)到這個(gè)事件？實(shí)際上很簡(jiǎn)單，用Google搜索可以發(fā)現(xiàn)很多不同的消息都是關(guān)于這起收購(gòu)案，一旦提到“微軟”、“PowerSet”、“2008年”這三個(gè)詞，說(shuō)的就是這件事，剩下的語(yǔ)言分析就簡(jiǎn)單了。當(dāng)然，也要注意虛假數(shù)據(jù)?？赡苁沁@樣的句子，PowerSet對(duì)另外一家公司感興趣，并不是講這個(gè)收購(gòu)案的，所以我們需要剔除這樣的數(shù)據(jù)。

現(xiàn)在我們已經(jīng)在應(yīng)用這樣的技術(shù)了，正在為中國(guó)的一家制造企業(yè)提供相關(guān)的技術(shù)，之前這家公司從來(lái)沒有用過(guò)AI方面的軟件，但是在全世界范圍內(nèi)都有很多的客戶，他們不知道客戶的想法是什么，因?yàn)樗麄儾欢ㄕZ(yǔ)和德語(yǔ)，但我們幫助他們收集客戶評(píng)價(jià)，并且告訴他們產(chǎn)品到底是什么特點(diǎn)，客戶喜歡或者客戶不喜歡，競(jìng)爭(zhēng)對(duì)手的產(chǎn)品當(dāng)中，客戶喜歡什么或者不喜歡什么，其他產(chǎn)品價(jià)格如何，這些非常精準(zhǔn)的分析可以為企業(yè)提供自身產(chǎn)品和競(jìng)爭(zhēng)對(duì)手產(chǎn)品的比較。