原標題：人工智慧產業中不可忽略的技術領域之知識圖譜
知識圖譜，是顯示知識發展程序與結構關係的一系列各種不同的圖形，用視覺化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯絡。本文主要分析了何為知識圖譜，知識圖譜的現狀及發展。
2012年，Google推出了一款名叫Knowledge Graph（知識圖譜）的產品，該產品從Metaweb衍生而來，主要用於提高搜尋引擎質量，改善使用者搜尋體驗。
2020年，知識圖譜從一個分支產品成為建立大規模知識的殺手鐧應用，在搜尋、自然語言處理、智慧助手、電子商務等領域發揮著重要作用。
8年時間，隨著大資料時代的到來和人工智慧技術的飛速進步，知識圖譜越發顯露出其基礎性和重要性。
那麼，到底什麼是知識圖譜呢？
知識圖譜，是顯示知識發展程序與結構關係的一系列各種不同的圖形，用視覺化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯絡。
知識圖譜可以將網際網路的資訊表達成更接近人類認知世界的形式，同時提供了一種更好的組織、管理和理解網際網路海量資訊的能力。知識圖譜給網際網路語義搜尋帶來了活力，同時也在智慧問答中顯示出強大威力，已經成為網際網路知識驅動的智慧應用的基礎設施。知識圖譜與大資料和深度學習一起，成為推動網際網路和人工智慧發展的核心驅動力之一。【1】
文字表述看似深奧，實則我們在日常生活中經常感受到知識圖譜技術帶來的便利。
圖1
圖2
比如在百度中搜索劉德華的個人資訊，會出現圖1和圖2兩種展示形式，從內容上看，兩者展示的資訊差別不大，但圖2看起來就更加直觀。尤其是隨著文字內容的增加，圖2的表現形式的優勢就會更加突出。放到大資料的網際網路平臺，圖2的表達模式顯然更便於處理加工，但是網際網路等資料平臺所蒐集的資訊多為如圖1所示的碎片式資訊，所以把圖1內的文字內容轉換成圖2的過程，就涉及到上面提及的知識圖譜技術。
圖3
再比如圖3，我們經常會看到針對某個人或者某件事關鍵詞的呈現，事實上這種呈現形式也是機器利用知識圖譜技術把網友的評價等碎片化的資訊進行整理加工後形成的。
2020年的知識圖譜技術發展現狀
據《2020人工智慧中國專利技術分析報告》統計，知識圖譜技術專利申請量整體呈現穩中上升的趨勢。自2012年起，我國知識圖譜技術領域內專利申請增長速度顯著加快，從圖4可以看到，2019年申請量達到巔峰，全年共申請4966件相關專利。據不完全資料統計，2020起始截止到2020年10月底，該領域的專利申請量已達到1942件，知識圖譜技術正成為各權利主體獲取人工智慧產業競爭力的有力武器。【2】
圖4：我國知識圖譜領域專利申請量年度變化趨勢（2020年統計資料截至2020年10月底，統計資料為不完全資料）
為了更好的瞭解知識圖譜領域專利申請人（或企業）的情況，筆者透過北京市智慧財產權公共資訊服務平臺對知識圖譜領域的專利申請情況進行了檢索，檢索結果如圖5所示，透過檢索發現，在知識圖譜領域，騰訊科技（深圳）有限公司 、北京百度網訊科技有限公司、平安科技（深圳）有限公司、北京明略軟體系統有限公司以及百度線上網路技術(北京)有限公司分別排名前五。其中，騰訊科技以550件專利量排名第一，百度網訊以346件專利量排名第二，平安科技以182件專利量排名第三，北京明略以110件專利量排名第四，百度以92件專利量排名第五。
圖5 檢索日期：2021年2月22日
同時，筆者也在國家智慧財產權局專利檢索及分析網站檢索了知識圖譜領域的相關專利，檢索結果如圖6所示，與使用北京資訊服務平臺檢索的結果相比，前五名的專利申請人的出入不大，分別為百度網訊、平安科技、騰訊科技、海南大學、北京明略。不過在專利申請量上有些區別，百度網訊以237件專利申請量排名第一，平安科技以136件專利申請量排名第二，騰訊科技以116件專利申請量排名第三，海南大學以64件專利申請量排名第四，北京明略以59件專利申請量排名第五。
圖6 檢索日期：2021年2月22日
從圖7中可以看出，2020年知識圖譜領域專利申請量國內各省市排名中，北京、廣東是主要申請區域，其中，北京以佔比31%的專利申請量排名第一，廣東以佔比24%的專利申請量排名第二，浙江則以佔比11%的專利申請量排名第三。
圖7：2020年知識圖譜領域專利申請國內各省市的佔比情況使用工具：智慧芽專利資料庫 智慧芽英策
從圖8中可以看出，2020年申請的知識圖譜領域的專利的IPC主要集中在G06、H04，其中G06F16以佔比21%排名第一，G06K9以佔比17%排名第二；G06N3以佔比14%排名第三。
圖8：2020年知識圖譜領域專利申請IPC技術分支的佔比情況使用工具：智慧芽專利資料庫，智慧芽英策
從圖9中可以發現，人工智慧、知識圖譜、特徵向量、機器學習、深度學習等關鍵詞成為2020年知識圖譜領域申請專利中的創新詞雲。
圖9：2020年知識圖譜領域專利中的創新詞雲使用工具：智慧芽專利資料庫，智慧芽英策
據中國軟體網不完全統計，我國知識圖譜產品或解決方案主流企業約有38家，在這其中，佈局在金融領域的企業約佔65%，公共服務與政務領域約佔26%，能源與工業領域約佔26%，是企業入局最高的三大領域。
圖10：知識圖譜企業在行業應用中的分佈情況中國軟體網整理製圖
從圖10可以發現，許多公司利用知識圖譜技術涉足金融、公共服務與政務、醫療醫藥、能源與工業和商業領域等多個領域，比如騰訊雲利用知識圖譜技術發展物聯網，並將其應用於醫療儀器、運輸業車輛GPS等，阿里雲利用知識圖譜技術支援電力領域的操作規程等工作，華為雲更是利用知識圖譜技術助力油氣的勘探開發，明略科技利用知識圖譜技術在金融、公共服務與政務、能源與工業和商業領域等均有涉足，北京海致網聚資訊科技有限公司利用知識圖譜技術實現在公安領域的落地實踐。
那麼知識圖譜在實際工作中是如何在不同領域發揮其功用呢？筆者諮詢了明略科技集團知識工程實驗室主任張傑博士，張傑博士曾帶領團隊以“知識圖譜自動構建及行業應用”為題獲得了2020年度第十屆吳文俊人工智慧科學技術一等獎。張傑博士表示：
過去幾年，明略科技透過自主研發的知識圖譜平臺和預構建的行業解決方案服務於政府、公安、銀行、保險、證券、軌交、電力、製造、融媒體、食品安全等領域的200多個行業客戶。
線上下零售場景中，首先銷售人員透過佩戴明略的電子工牌，將銷售過程數字化，然後透過語音識別技術將銷售對話轉為文字，再透過自然語言處理技術進行話題分類，計算出話題之間轉移的機率，形成一個話題轉移的知識圖譜，最後透過與金牌銷售員的話題圖譜做比對，可以幫助銷售人員做覆盤，分析流單的主要環節，改善話術並提高成單率。我們研發的HAO圖譜系統是目前國際上第一個語音實時生成圖譜的企業級知識圖譜開發工具包。
在金融風控場景中，個人信貸客戶可以透過親友、同事、擔保等關係組成圖譜，對公客戶可以透過股權、擔保、資金關係組成圖譜，我們使用圖表示學習演算法將客戶做向量化表示，向量中蘊含了圖譜的結構資訊，這個向量可以用於反欺詐模型和信用評分模型。
在工業裝置維保場景中，我們可以從感測器發出的故障訊號的時間序列資料中挖掘出故障的主伴生關係，可以從維修工單的非結構化文字中挖掘出因果關係，然後逐漸拼接出檢修知識圖譜，為維修工人提供檢修最佳實踐，應用這套系統後車輛故障率降低約50%，逐步從每日檢修變成每8日檢修，大幅度降低運營故障、減少了人工作業、提高了檢修效率。
知識圖譜前路坦蕩，未來已來
根據統計的資料顯示，目前知識圖譜已經在技術上有了一定發展，並逐步在電子商務、公安、醫療等領域開始落地，那麼目前知識圖譜領域的發展情況究竟如何，已經具備了哪些優勢？未來知識圖譜技術發展又將會面對哪些技術挑戰呢？針對這些問題，張傑博士回覆說：
知識圖譜的發展得益於技術的逐漸成熟和數字化轉型的歷史趨勢。最近幾年在大資料和人工智慧技術飛速發展的背景下，很多傳統行業開展了新一輪的數字化轉型，2020年兩會期間，數字化轉型被寫入政府工作報告。智慧化是企業數字化轉型的新方向、新階段。在智慧化的過程中，業內普遍認為可以分為三個階段：算力智慧、感知智慧和認知智慧。知識圖譜被認為是從感知智慧邁向認知智慧的關鍵環節，因此得到了廣泛關注，越來越多的企業和組織開展知識圖譜的建設並結合業務場景開展應用：一種是較為通用的技術型應用，如視覺化洞察、資訊檢索、推薦系統、任務型問答；另一種是具有行業特色的解決方案型應用，如金融反欺詐、快消品營銷、工業維保等。
知識圖譜的優勢主要體現在以下幾個方面：1）連線企業內部資料和外部的海量資料。知識圖譜對資料型別的定義靈活，並能高效的支援深層次的關聯查詢，拓展企業資料總量的同時提升資料利用效率，釋放出大資料紅利；2）連線大資料技術和人工智慧技術。它可以從網路結構、時間序列、行為對話等新型資料中加工出高階特徵，提供給下游的演算法工程師，使其更專注在具體的業務模型上；3）連線領域知識和常識知識。它可以對已有的知識體系做融合、補全、推理，提高知識體系的完備性，為流程最佳化、輔助決策、預測分析等下游應用提供基礎服務。
雖然知識圖譜技術具有廣闊的應用前景，但現階段仍面臨很多技術挑戰：1）構建成本問題。對於結構化資料需要複雜的資料治理工作，對於非結構資料，資訊抽取環節需要大量的標註工作；2）推理準確度問題。知識圖譜可以為搜尋引擎、推薦引擎帶來準確度提升，但其獨特的應用價值在推理問答，需要解決在領域知識不完備、且資料總量大的情況下進行快速準確的推理；3）形式化表示問題。知識圖譜的價值在應用，應用的難點在於知識推理，知識推理的難點在於知識表示。已有技術成果多集中在事實知識（know-what）上，原理知識（know-why）和技能知識（know-how）的研究缺乏數學基礎和最佳實踐參考。
有些行業的數字化程序啟動較晚，需要先解決資料線上和資料積累的問題，並且文化上重視數字化建設和數字化管理才可能使知識圖譜技術得以應用。未來的改變可能會有以下幾方面：1）隨著5G、物聯網和感知技術的逐級成熟，企業非結構化資料的佔比會越來越高，從語音、影象、影片的多模態資料中聯合抽取知識的需求會越來越多；2）行業know-how類知識與know-what類知識可以相結合，從而推動人機協同下的智慧決策；3）知識密集型行業中的企業越來越重視知識資產，基於知識圖譜技術建設知識中臺，而不僅是管理文件、管理資料，並以專家經驗加資料驅動的方式做因果關係發現和因果推斷，輔助業務做出決策。
從蒸汽時代到電氣時代，再到21世紀的資訊時代，科技的發展推動著時代的進步，而人工智慧正成為推動人類進入智慧時代的決定性力量。我們期待知識圖譜這一被認為是從感知智慧邁向認知智慧的關鍵環節的技術在未來有更大、更廣闊的應用與發展空間。
注：
【1】：《產業專利分析報告-人工智慧關鍵技術（第68冊）》