谷歌归来的背后，是长知识的知识图谱

谷歌正在逐渐回归中国，并跟国内本土互联网巨头企业在业务上展开合作，据称其业务不止限制于早先的搜索功能。早已成为全球科技龙头型企业的谷歌，致力于“世间万物的所有信息都汇聚于此”，对知识图谱的尝试便是这一无穷无尽的工程的开端。知识图谱何以得到如此青睐呢？

一、什么是知识图谱

知识图谱（Knowledge Graph）的概念最先是由谷歌于2012年正式提出，主要用来支撑下一代搜索和在线广告业务。知识图谱是由一些相互连接的实体和他们的属性构成的，即由一条条知识组成，每条知识表示为一个SPO(Subject-Predicate-Object)三元组。正是由一个个三元组相互关联，而构筑成的一个类人脑的信息处理结构，并且具有近乎无限的信息扩充空间和成长性，能够让计算机更好的储存、组织、管理和利用海量的信息。

知识图谱最大的价值在于能够让人工智能具备认知能力和逻辑能力，进而实现智能分析、智能搜索、人机交互等场景应用，知识图谱的这一优势是人工智能在金融、医疗、司法等领域得以落地应用的核心环节。

二、知识图谱的行业应用

互联网：只能搜索，内容更加精准

拥有海量数据的互联网行业，无疑是在知识图谱应用方面走在各行业前列。各大互联网巨头，通过构建自身生态闭环，让数据在生态中产生、消化、再产生，源源不断地完善自身的知识图谱和知识库，让搜索引擎拥有了更精准的分析能力，能够更好的识别人类语言中的关键信息。Facebook利用知识图谱技术在社交网络中构建了兴趣标签从而兴趣图谱，让人可以在社交网络中找到志趣相投的朋友。

阿里巴巴的商品知识图谱承载着商品标准化这一基础性，根源性的工作。阿里知识图谱以商品、标准产品、标准品牌、标准条码、标准分类为核心，利用实体识别、实体链指和语义分析技术，整合关联了例如舆情、百科、国家行业标准等9大类一级本体，包含了百亿级别的三元组，形成了巨大的知识网。能够帮助品牌商透视全局数据，帮助平台治理发现问题的商品，帮助行业基于确定的信息选品，做人货场匹配，提高消费者购物体验等等。为新零售、国际化提供可靠的智能引擎。

金融：反欺诈

在金融借贷的关系中，首先需要把与借款人相关的所有的数据源打通，并构建包含多数据源的知识图谱，从而整合成为机器可以理解的结构化数据。这样不仅可以整合借款人的基本信息，还可以把借款人的消费记录、行为记录、关系信息、线上日志信息等整合到反欺诈知识图谱里，从而进行分析和预测。此外，通过构建已知欺诈要素(手机、设备、账号、地域等)的关系图谱，全方位了解客户海量风险数据的离线统计分析，按主题要素收集风险运营的结果反馈，建立客户风险特征信息库，优化风险模型和规则，可以有效进行金融风控，避免欺诈案件的发生。

医疗：降低药品研发成本

在医疗行业，研发新药的成本高，周期长。基于这样的现状，在欧盟第七框架下的开放药品平台OpenPhacts项目，利用来自实验室的理化数据、各种期刊文献中的研究成果以及各种开放数据，美国开放数据中的临床实验数据，来构建医疗知识图谱，加速药物研制中的分子筛选工作，现已吸引辉瑞和诺华等制药巨头参与。而IBM也在医疗行业启动了登月计划（moon shot），通过整合大量医疗文献和书籍以及各种EMR（电子病历）来获取海量高质量的医疗知识，并基于这些知识向医护人员提供辅助临床决策和用药安全等方面的应用。

结语

在人工智能发展的过程中，以深度学习为代表的人工智能获得巨大进展，但深度学习的不透明性、不可解释性已成为制约其发展的障碍，而知识图谱的逻辑结构是类人脑模式，为“可解释的人工智能”提供了全新的视角和机遇，并开启人工智能的认知时代。未来越来越多的知识工作将逐步被机器所代替，知识图谱将赋能认知智能，推动人工智能广泛且多样化应用落地，进而对社会结构产生深远的影响。(本文来源： CIE智库)