知識(shí)圖譜已經(jīng)取得了哪些學(xué)術(shù)與技術(shù)成果，產(chǎn)業(yè)與應(yīng)用發(fā)生了哪些變化？

近年來，隨著人們對(duì) AI 認(rèn)知能力的積極探索，知識(shí)圖譜因其表達(dá)能力強(qiáng)、拓展性好，基于知識(shí)進(jìn)行推理等優(yōu)勢(shì)得到了學(xué)界與業(yè)界的高度關(guān)注。知識(shí)圖譜，旨在描述客觀世界概念、實(shí)體、事件及其之間關(guān)系，具備可解釋性，而且可以用于解決復(fù)雜決策問題。這也意味著通過深度學(xué)習(xí)與知識(shí)圖譜的結(jié)合，模型底層特征空間與人類自然語言之間巨大的語義鴻溝問題有望得以解決。在大數(shù)據(jù)和機(jī)器學(xué)習(xí)兩大引擎下，大規(guī)模知識(shí)圖譜的自動(dòng)化構(gòu)建成為現(xiàn)實(shí)，這就加快了知識(shí)圖譜的落地與應(yīng)用。

傳統(tǒng)意義上，知識(shí)圖譜可以劃分為通用知識(shí)圖譜和領(lǐng)域知識(shí)圖譜。例如，國外的谷歌搜索引擎和國內(nèi)的百度搜索引擎，這類通用領(lǐng)域知識(shí)圖譜是最先被大家熟知的應(yīng)用；而場(chǎng)景的不斷豐富、需求不斷增多、用戶對(duì)體驗(yàn)與品質(zhì)的要求不斷提高，各行各業(yè)都亟需構(gòu)建領(lǐng)域知識(shí)圖譜。

那么，從趨勢(shì)到實(shí)際需要，知識(shí)圖譜已經(jīng)取得了哪些學(xué)術(shù)與技術(shù)成果，產(chǎn)業(yè)與應(yīng)用發(fā)生了哪些變化？當(dāng)下知識(shí)圖譜領(lǐng)域最關(guān)注的問題又是什么？未來，知識(shí)圖譜又有哪些發(fā)展前景？近日，AI科技大本營采訪到了東南大學(xué)教授、博士生導(dǎo)師，東南大學(xué)認(rèn)知智能研究所所長漆桂林。

漆桂林認(rèn)為，目前知識(shí)圖譜整個(gè)領(lǐng)域最關(guān)注的問題還是如何能夠高效、低成本構(gòu)建知識(shí)圖譜，而這個(gè)問題對(duì)于研究人員來說，仍是一個(gè)非常大的挑戰(zhàn)，比如現(xiàn)在大家都在關(guān)注如何在少量甚至無標(biāo)注場(chǎng)景下進(jìn)行知識(shí)圖譜構(gòu)建。

從知識(shí)抽取到知識(shí)推理，大家在關(guān)注什么？

漆桂林表示，近兩年知識(shí)圖譜研究有一些值得關(guān)注的成果，比如：

知識(shí)抽取，如何在少量甚至無標(biāo)注場(chǎng)景下進(jìn)行知識(shí)圖譜構(gòu)建是一個(gè)具有挑戰(zhàn)性的問題。目前大家都在關(guān)注基于圖神經(jīng)網(wǎng)絡(luò)、增強(qiáng)學(xué)習(xí)、交互式知識(shí)抽取等方法。

知識(shí)融合，代表性工作有交互式知識(shí)融合以及基于表示學(xué)習(xí)的知識(shí)融合的工作。

知識(shí)更新，針對(duì)百科類知識(shí)圖譜的自動(dòng)化更新技術(shù)取得了一些突破，從而可以對(duì)百科知識(shí)進(jìn)行自動(dòng)化更新。

知識(shí)推理，最近兩年有不少混合式推理的方法出現(xiàn)，也就是混合機(jī)器學(xué)習(xí)和符號(hào)推理的方法，這些方法的提出對(duì)于解決某些機(jī)器學(xué)習(xí)技術(shù)的不可解釋性，以及提升知識(shí)圖譜的推理能力都有作用。

與此同時(shí)，這些關(guān)鍵技術(shù)的應(yīng)用也有一些突破性的進(jìn)展，尤其是在知識(shí)抽取和知識(shí)融合方面：一是人機(jī)交互的商業(yè)化系統(tǒng)的出現(xiàn)，二是關(guān)于人機(jī)交互的信息抽取和知識(shí)融合的學(xué)術(shù)論文也開始。

在他看來，知識(shí)圖譜表示學(xué)習(xí)與推理也取得了很多進(jìn)展，大家開始研究知識(shí)表示學(xué)習(xí)在多模態(tài)數(shù)據(jù)上的應(yīng)用，即結(jié)合文本、知識(shí)圖譜、圖像或者視頻的知識(shí)表示學(xué)習(xí)，以及基于知識(shí)表示學(xué)習(xí)的推理。

從通用走向領(lǐng)域：廣泛復(fù)雜的場(chǎng)景

知識(shí)圖譜從以前研究與產(chǎn)業(yè)界脫鉤，到現(xiàn)在領(lǐng)域知識(shí)圖譜成為研究的重點(diǎn)，開始面向解決實(shí)際的問題。比如最近司法知識(shí)圖譜的構(gòu)建出現(xiàn)了不少研究成果。另外，知識(shí)圖譜用于解決問答、推薦系統(tǒng)、圖像理解方面的論文也不斷在增加。

同時(shí)，知識(shí)圖譜在不同行業(yè)也得到了廣泛應(yīng)用，領(lǐng)域知識(shí)圖譜成為企業(yè)的迫切需求。例如，金融領(lǐng)域中的信用評(píng)估、風(fēng)險(xiǎn)控制、反欺詐問題；醫(yī)療領(lǐng)域中的智能問診問題。從通用知識(shí)圖譜到領(lǐng)域知識(shí)圖譜，知識(shí)圖譜開始在越來越廣泛、復(fù)雜的場(chǎng)景中落地并解決實(shí)際問題。

“在醫(yī)療、電商、金融、軍工、電力、司法、教育、公安、石油這幾個(gè)領(lǐng)域知識(shí)圖譜已經(jīng)落地并且取得了突出成果?！逼峁鹆终劦健ＶR(shí)圖譜可以幫助這些領(lǐng)域的公司或研究機(jī)構(gòu)更好地處理多源異構(gòu)數(shù)據(jù)，也就是說可以提供一個(gè)統(tǒng)一數(shù)據(jù)模型并且可以靈活地集成和關(guān)聯(lián)這些數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析。

知識(shí)圖譜產(chǎn)學(xué)研相輔相成

“知識(shí)圖譜的產(chǎn)學(xué)研需要有一個(gè)整體規(guī)劃，這也是我一直在實(shí)踐的?！逼峁鹆直硎?。

在他看來，首先需要了解產(chǎn)業(yè)界對(duì)知識(shí)圖譜的需求，知道知識(shí)圖譜可以解決什么應(yīng)用問題，帶來什么價(jià)值。

其次，通過了解知識(shí)圖譜落地的挑戰(zhàn)，確定知識(shí)圖譜的研究課題。

從短期和長期來看，短期課題是要解決產(chǎn)業(yè)界急迫的問題，比如少量標(biāo)注情況下的信息抽取方法的研究；而長期課題是面向三年之后可能對(duì)知識(shí)圖譜落地有用的技術(shù)，比如無標(biāo)注場(chǎng)景下的信息抽取技術(shù)。

最后，讓知識(shí)圖譜技術(shù)可以快速普及。為了進(jìn)一步貫徹知識(shí)圖譜的產(chǎn)學(xué)研，漆桂林還聯(lián)合學(xué)界、工業(yè)界的專家共同成立了 OpenKG 聯(lián)盟。

漆桂林簡(jiǎn)介

漆桂林，東南大學(xué)教授，博士生導(dǎo)師，東南大學(xué)認(rèn)知智能研究所所長?，F(xiàn)任中國中文信息學(xué)會(huì)語言與知識(shí)計(jì)算專業(yè)委員會(huì)副主任和中國科學(xué)技術(shù)情報(bào)學(xué)會(huì)知識(shí)組織專業(yè)委員會(huì)副主任。2006年，漆教授獲得英國貝爾法斯特女皇大學(xué)計(jì)算機(jī)博士學(xué)位，導(dǎo)師為人工智能界著名專家 Weiru Liu 教授。2006年8月至2009年8月在德國Karlsruhe大學(xué)AIFB研究所做博士后研究，導(dǎo)師為語義 Web 界國際知名專家Rudi Studer教授。

目前，漆桂林的研究方向?yàn)椋褐R(shí)圖譜的表示和推理、通用知識(shí)圖譜構(gòu)建、情感分析、智能問答、關(guān)系抽取、多模態(tài)圖像處理。

在知識(shí)圖譜的表示和推理，知識(shí)圖譜融合和更新，通用知識(shí)圖譜引擎構(gòu)建，以及高效、低成本構(gòu)建知識(shí)圖譜方面取得了一些成果，包括：

一套并行本體推理引擎和一套規(guī)則引擎，可高效處理千萬級(jí)別本體推理，并且支持本體和規(guī)則的混合式推理；

一個(gè)通用知識(shí)圖譜系統(tǒng)，可針對(duì)百科數(shù)據(jù)進(jìn)行抽取、融合、更新、推理，還可針對(duì)各種社交網(wǎng)站數(shù)據(jù)自動(dòng)化構(gòu)建知識(shí)分類體系；

一個(gè)針對(duì)通用知識(shí)圖譜的問答引擎，可處理復(fù)雜問句的問答；

一套在少量標(biāo)注情況下的知識(shí)抽取工具。