“知識將比數(shù)據(jù)更重要，得知識者得天下”，去年十月，在 CSDN 對肖仰華教授的一篇約稿里，他指出數(shù)據(jù)的真正價值蘊含于其深加工的知識中。

從 Google 于 2012 年提出知識圖譜概念后，知識圖譜技術(shù)與大數(shù)據(jù)和機器學(xué)習(xí)等技術(shù)相結(jié)合得到迅速。肖仰華教授認(rèn)為，在更多實際場合下，知識圖譜作為一種技術(shù)體系，指代大數(shù)據(jù)時代知識工程的一系列代表性技術(shù)進展的總和。

人工智能時代的到來，知識圖譜也成為了實現(xiàn)機器認(rèn)知智能的基礎(chǔ)，將知識庫中的知識與問題或者數(shù)據(jù)加以關(guān)聯(lián)后的知識圖譜，可以讓機器像人腦那樣進行理解與解釋。

基于知識圖譜技術(shù)的潛在能力，業(yè)界也加快了知識圖譜的應(yīng)用落地。從應(yīng)用的角度來看，知識圖譜的應(yīng)用趨勢越來越從通用領(lǐng)域走向行業(yè)領(lǐng)域。肖仰華教授認(rèn)為，現(xiàn)在的局面是通用與行業(yè)應(yīng)用百花齊放，各行各業(yè)都在討論適合自己的知識圖譜。

知識圖譜如何落地業(yè)界都在不斷進行摸索，在肖仰華教授看來，知識圖譜的落地除實現(xiàn)之外，論證與設(shè)計、運營與反饋也是不可忽視的。知識圖譜落地是個系統(tǒng)工程，不是單一模型能夠解決的，系統(tǒng)架構(gòu)、流程、策略都十分重要。

當(dāng)然，知識圖譜落地還需要探討更為具體的問題。比如領(lǐng)域知識圖譜構(gòu)建時如何界定領(lǐng)域知識邊界？一個合格的領(lǐng)域知識圖譜有什么評價標(biāo)準(zhǔn)？從目前業(yè)界賣數(shù)據(jù)階段到提取出出知識之間的鴻溝有多大？知識圖譜產(chǎn)業(yè)有哪些已然明確的發(fā)展方向？知識圖譜近年來從理論上是不是沒有多大進步？

作為 5 月 25 日-5 月 27 日即將在杭州舉辦的 CTA 大會（官網(wǎng)：https://dwz.cn/iSZ7BQUR）知識圖譜論壇的演講嘉賓，AI科技大本營對肖仰華教授進行了采訪，對上述重要的指向性問題，他一一進行了詳細(xì)解答。

（肖仰華，復(fù)旦大學(xué)計算機科學(xué)與技術(shù)學(xué)院教授，博士生導(dǎo)師，知識工場實驗室負(fù)責(zé)人。）

以下為采訪內(nèi)容實錄：

AI科技大本營：現(xiàn)在所稱的知識圖譜實際上是一種大規(guī)模語義網(wǎng)絡(luò)，這里強調(diào)的“大規(guī)?！痹趺炊x？是否有量化標(biāo)準(zhǔn)？

肖仰華：這里講的“大規(guī)?！辈⒉皇菑臄?shù)量上來衡量的，不是說數(shù)據(jù)量大一點的就叫做知識圖譜，數(shù)據(jù)量小一點的就叫做語義網(wǎng)絡(luò)。

我們強調(diào)知識圖譜是一種大規(guī)模語義網(wǎng)絡(luò)，是為了讓大家轉(zhuǎn)變思維，意識到規(guī)模上的量變會帶來了效用上的質(zhì)變。同樣是構(gòu)建語義網(wǎng)絡(luò)，知識圖譜從知識獲取到知識應(yīng)用均與傳統(tǒng)語義網(wǎng)絡(luò)存在顯著區(qū)別。這種區(qū)別體現(xiàn)在：（1）高質(zhì)量模式缺失或被有意舍棄；（2）封閉世界假設(shè)不再成立；（3）大規(guī)模自動化知識獲取成為前提。

AI科技大本營：關(guān)于知識圖譜生命周期，您特意提到如何融合知識圖譜與傳統(tǒng)知識表示來更充分滿足實際應(yīng)用需求是值得研究的問題之一。反過來看，是否意味著目前還不存在新的比較靠譜的知識表示方法？

肖仰華：準(zhǔn)確來說，目前并不存在大一統(tǒng)的一種知識表示方法，可以用來表示所有知識。所以我在之前提到的一個觀點叫做“NoKG”，也就是 Not only KG。這里是借鑒“NoSQL”的說法。

知識圖譜只是知識表示的一種，單單知識圖譜不足以表達(dá)現(xiàn)實世界的豐富語義，不足以解決所有問題。比如很多領(lǐng)域有著豐富的 if-then 規(guī)則（比如故障維修、計算機系統(tǒng)配置），這些規(guī)則利用知識圖譜表達(dá)就很牽強，特別是對于 if A and B then C 這樣的規(guī)則。因此，鼓勵知識表示方法“百家齊放”，什么場景下適合什么知識表示就用什么知識表示方法。

AI科技大本營：為了規(guī)避業(yè)界“為圖譜而圖譜”的現(xiàn)象，您認(rèn)為知識圖譜應(yīng)用實踐最重要的是明確要利用領(lǐng)域知識解決怎樣的應(yīng)用問題，然后根據(jù)應(yīng)用反推知識表示。但知識是網(wǎng)狀的，領(lǐng)域知識之間也存在勾連，那在做某一領(lǐng)域知識圖譜時如何界定知識邊界的范圍？

肖仰華：界定實際應(yīng)用的知識邊界是非常困難的，這是一種定性判斷，而非定量判斷。我們可以從可行性的角度來進行界定，一般而言一個應(yīng)用涉及的知識越簡單、應(yīng)用越簡單就越可能實現(xiàn)。為了確定自己的應(yīng)用是否符合知識簡單、應(yīng)用簡單，可以通過以下三類問題來進行判斷：

（1）應(yīng)用復(fù)雜性

Q1：是否用到常識？Q2：是否用到元知識？Q3：是否單一問題模型即可建模（比如分類或者回歸）？Q4：是否涉及長程推理？Q5：用到的知識類型是否多樣？Q6：領(lǐng)域?qū)＜业膶W(xué)習(xí)周期是否很長？Q7：是否簡單的崗位培訓(xùn)就能勝任應(yīng)用需求？Q8：應(yīng)用是否封閉？

（2）知識復(fù)雜度

Q1：知識是否容易發(fā)生變化？Q2：是否涉及復(fù)雜過程的描述？Q3：是否涉及分支繁復(fù)的推理決策？

（3）知識資源積累

Q1：是否存在領(lǐng)域本體？Q2：是否存在敘詞表？Q3：是否存在領(lǐng)域詞典？

AI科技大本營：領(lǐng)域知識圖譜作為語義網(wǎng)絡(luò)，目前還難以表達(dá)復(fù)雜因果關(guān)聯(lián)與復(fù)雜決策過程，既然如此，業(yè)界現(xiàn)在做領(lǐng)域知識圖譜的壁壘究竟有多高？體現(xiàn)在哪些方面？

肖仰華：壁壘可能包括數(shù)據(jù)和場景。領(lǐng)域數(shù)據(jù)是一個企業(yè)的護城河，沒有大數(shù)據(jù)的企業(yè)根本玩不轉(zhuǎn)；領(lǐng)域場景也不像通用場景那么簡單，需要長期深耕用戶，準(zhǔn)確理解用戶的痛點，才能更好的設(shè)計出適用于知識圖譜的場景。同時，領(lǐng)域應(yīng)用的樣本稀疏、場景多樣、知識表示復(fù)雜等對于業(yè)界的知識圖譜技術(shù)均提出了巨大挑戰(zhàn)。

AI科技大本營：一個合格的領(lǐng)域知識圖譜有什么評價標(biāo)準(zhǔn)？

肖仰華：領(lǐng)域圖譜的評價標(biāo)準(zhǔn)總體而言有三個方面的指標(biāo)。

（1）規(guī)模。這只是個相對的概念，一個知識庫到底需要多大的規(guī)模才能支撐實際應(yīng)用，是沒有絕對答案的。需要看實際應(yīng)用的反饋，也就是知識圖譜上線后的用戶滿意率。比如在利用知識圖譜支撐語義搜索方面，多少查詢能被準(zhǔn)確理解，這個比率是個重要的指標(biāo)。

（2）質(zhì)量。包括以下幾個維度。一是、準(zhǔn)確率。比如是否存在錯誤事實，錯誤事實所占比例都是質(zhì)量的直接反映。二是、知識的深度。比如很多知識庫只涵蓋人物這樣的大類，無法細(xì)化到作家、音樂家、運動員這些細(xì)分類目（fine-grained concepts）。三是、知識的粒度。粒度越細(xì)應(yīng)用越靈活，應(yīng)用時精讀越高。細(xì)化知識表示的粒度是領(lǐng)域知識圖譜的構(gòu)建過程中的重要任務(wù)之一。

（3）實時。絕對實時是不現(xiàn)實的，因而實時大都從知識的延時（latency）角度進行刻畫。短延時顯然是我們所期望的。

AI科技大本營：目前來看，知識圖譜在業(yè)界的應(yīng)用似乎更偏向于領(lǐng)域知識圖譜（ DKG），通用知識圖譜（GKG）的發(fā)展處于何種階段？業(yè)界公司做 GKG 是否必要？會不會做成像語音助手 Siri 那樣的雞肋應(yīng)用？

肖仰華：目前通用知識圖譜的發(fā)展已經(jīng)趨近于成熟，主要以百科類網(wǎng)站作為數(shù)據(jù)源進行知識抽取構(gòu)建而得，技術(shù)和應(yīng)用都基本固定，想有所創(chuàng)新比較難。業(yè)界應(yīng)該把更多的精力放在構(gòu)建領(lǐng)域知識圖譜上，領(lǐng)域應(yīng)用的場景多樣、知識的深度更深、粒度更細(xì)，更有可能做出不是雞肋的應(yīng)用。

AI科技大本營：您說“得知識者得天下”，但目前業(yè)界還處在賣數(shù)據(jù)盈利的階段，從賣數(shù)據(jù)到提取出“精純”的知識之間的鴻溝有多大？通往知識的“路徑”中，哪些屬于已經(jīng)是非常明確的基礎(chǔ)性方向，哪些還在探索當(dāng)中？

肖仰華：知識圖譜的產(chǎn)業(yè)形態(tài)分為三類典型形態(tài)：數(shù)據(jù)與服務(wù)、產(chǎn)品與系統(tǒng)、咨詢與解決方案。

（1） 數(shù)據(jù)與服務(wù)。各行業(yè)均對知識圖譜有著迫切需求，想建設(shè)通用或者領(lǐng)域知識圖譜，并將知識圖譜中的數(shù)據(jù)對外提供服務(wù)。直接的圖譜數(shù)據(jù)服務(wù)能力有限，在一些深度服務(wù)需求比較多的場景，在知識圖譜數(shù)據(jù)基礎(chǔ)上進一步提供認(rèn)知服務(wù)。

目前大平臺類似 IBM Watson、微軟認(rèn)知服務(wù)、百度大腦平臺都在嘗試知識圖譜數(shù)據(jù)與認(rèn)知服務(wù)。除了通用知識圖譜之外，特定領(lǐng)域或者行業(yè)的知識圖譜也對數(shù)據(jù)與服務(wù)有著強烈需求。在圖書情報、出版?zhèn)髅健?a target="_blank">招聘就業(yè)、知識產(chǎn)權(quán)等相關(guān)領(lǐng)域，由于缺乏頭部企業(yè)，這為第三方平臺的存在提供了較大的發(fā)展空間，并且這些領(lǐng)域數(shù)據(jù)相對公開容易獲取，使得構(gòu)建獨立的第三方服務(wù)平臺成為可能。

（2） 產(chǎn)品與系統(tǒng)。知識圖譜的大規(guī)模應(yīng)用與產(chǎn)業(yè)化是需要個類成熟的產(chǎn)品與軟件系統(tǒng)支撐的，比如很多行業(yè)圖譜的建設(shè)均需要互聯(lián)網(wǎng)數(shù)據(jù)源的補充，這就需要大規(guī)模的分布式爬蟲系統(tǒng)。建好的大規(guī)模知識圖譜通常需要圖系統(tǒng)的管理，這就是圖數(shù)據(jù)庫系統(tǒng)，大量的企業(yè)或者團隊在從事相關(guān)系統(tǒng)的研發(fā)。

目前涉及知識獲取的產(chǎn)品與系統(tǒng)仍然有很大的發(fā)展空間。知識獲取總體上仍處在發(fā)展中階段，技術(shù)尚未定型，為其固化相應(yīng)的產(chǎn)品形態(tài)具有一定的風(fēng)險，需要予以充分考慮。

（3）咨詢與解決方案。知識圖譜知識工程是個典型的系統(tǒng)工程，很多時候與建筑工程十分相似，都需要論證、設(shè)計、實施、監(jiān)理、驗收等各個環(huán)節(jié)。

知識圖譜落地過程中最為重要的環(huán)節(jié)不僅是實現(xiàn)，更需要論證與設(shè)計。因此也就給專注于知識圖譜咨詢和解決方案設(shè)計與實施的企業(yè)提供了豐富的機會。

AI科技大本營：Google 從 2012 年提出知識圖譜后，有人認(rèn)為其在理論上其實沒有特別大的進步，更多是從實踐中去發(fā)現(xiàn)吸納了新的技術(shù)方法，您同意這種說法嗎？

肖仰華：大數(shù)據(jù)時代的到來，催生了以知識圖譜為代表的大規(guī)模知識表示，同時也為其發(fā)展奠定了必要的基礎(chǔ)。今天這個時代談知識工程跟 20 世紀(jì)談專家系統(tǒng)有什么不同？最大的不同點是我們有前所未有的大數(shù)據(jù)、前所未有的機器學(xué)習(xí)能力以及前所未有的計算能力。這三個技術(shù)的合力作用使我們可以擺脫對專家的依賴，使實現(xiàn)大規(guī)模自動化知識獲取成為可能，這也是大數(shù)據(jù)知識工程的根本。這一種知識獲取，本質(zhì)上可以稱為自下而上的獲取。

顯然，這種數(shù)據(jù)驅(qū)動的知識獲取方式與人工構(gòu)建的知識獲取方式完全不同。前者可以實現(xiàn)大規(guī)模自動化知識獲取，無須高昂的人力成本。相對于人工構(gòu)建的知識獲取方式，數(shù)據(jù)驅(qū)動的知識獲取方式是一種典型的自下而上的做法，是相對務(wù)實、實用的做法。大數(shù)據(jù)時代所發(fā)展出來的眾包技術(shù)使得知識的規(guī)模化驗證成為可能。知識獲取的眾多環(huán)節(jié)均可以受益于眾包技術(shù)。比如，訓(xùn)練知識抽取模型時可以通過眾包獲取標(biāo)注樣本，從而構(gòu)建有效的有監(jiān)督抽取模型。

在知識圖譜技術(shù)的引領(lǐng)下，各種各樣的知識表示將在不損失質(zhì)量的前提下逐步提升規(guī)模，從小規(guī)模的知識表示變成大規(guī)模的知識表示，最終應(yīng)對大規(guī)模開放性給知識工程帶來的巨大挑戰(zhàn)。

AI科技大本營：談?wù)勀鷮χR圖譜和圖結(jié)構(gòu)、深度學(xué)習(xí)結(jié)合的看法。

肖仰華：知識圖譜本質(zhì)上是一種語義網(wǎng)絡(luò)，表達(dá)了各類實體、概念及其之間的語義關(guān)系。也就是說，它本身就具有圖結(jié)構(gòu)的性質(zhì)。目前主要利用其圖結(jié)構(gòu)化的性質(zhì)，用在知識圖譜查詢、存儲等方面。

現(xiàn)階段將深度學(xué)習(xí)技術(shù)應(yīng)用于知識圖譜的方法較為直接，大量的深度學(xué)習(xí)模型可以有效完成端到端的實體識別、關(guān)系抽取和關(guān)系補全等任務(wù)，進而可以用來構(gòu)建或豐富知識圖譜。

知識圖譜在深度學(xué)習(xí)模型中的應(yīng)用主要有兩種方式。一是將知識圖譜中的語義信息輸入到深度學(xué)習(xí)模型中，將離散化知識圖譜表達(dá)為連續(xù)化的向量，從而使得知識圖譜的先驗知識能夠成為深度學(xué)習(xí)的輸入；二是利用知識作為優(yōu)化目標(biāo)的約束，指導(dǎo)深度學(xué)習(xí)模型的學(xué)習(xí)；通常是將知識圖譜中知識表達(dá)為優(yōu)化目標(biāo)的后驗正則項。前者的研究工作已有不少文獻，并成為當(dāng)前研究熱點，知識圖譜向量表示作為重要的特征在問答以及推薦等實際任務(wù)中得到有效應(yīng)用。后者的研究才剛剛起步。

但總體而言，當(dāng)前的深度學(xué)習(xí)模型使用先驗知識的手段仍然十分有限，學(xué)術(shù)界在這一方向的探索上仍然面臨巨大的挑戰(zhàn)。這些挑戰(zhàn)主要體現(xiàn)在兩個方面：（1）如何獲取各類知識的高質(zhì)量連續(xù)化表示；（2）如何在深度學(xué)習(xí)模型中融合常識知識。