|
说到人工智能技术，人们首先会联想到深度学习、机器学习技术；谈到人工智能应用，人们很可能会马上想起语音助理、自动驾驶等等，各行各业都在研发底层技术和寻求AI场景，却忽视了当下最时髦也很重要的AI技术：知识图谱。 通俗来说，知识图谱就像福尔摩斯破案一样，首先需要采集散布在各个角落的碎片化信息和数据，然后把它按标准化思考方式整理，再将各个看似不相关但背后有着共同联系的信息关联起来，并挖掘背后的规律，据此做深入的推理，最后激昂的背景音乐就此响起，智慧的福尔摩斯搬出最致命的证据，凶手的脸一阵抽搐…… 其实，知识图谱是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系。知识图谱的基本单位是“实体（Entity）-关系（Relationship）-实体（Entity）”构成的三元组，以人类对世界认知的角度，阐述世间万物的联系，赋予机器认知能力，最能体现人工智能的特色——像人类大脑一样“思考”！人类最擅长的思考方式就是将点和线关联起来并由点及面，然后抽丝剥茧，慢慢理清其中的逻辑关系。可以说，知识图谱是实现AI迈向认知智能的基础。
当我们进行搜索时，搜索结果右侧的联想，就来自于知识图谱技术的应用。我们几乎每天都会接收到各种各样的推荐信息，从新闻、购物到吃饭、娱乐。个性化推荐作为一种信息过滤的重要手段，可以依据我们的习惯和爱好推荐合适的服务，也来自于知识图谱技术的应用。搜索、地图、个性化推荐、智能问答、分析与决策、金融风控……越来越多的应用场景，都越来越依赖知识图谱。 下面以沃丰科技GaussMind推出AI中台・知识图谱解决方案（基于自研“原心引擎”深度学习的NLP算法，使用搜索、语义识别、机器学习等技术，帮助企业建立数据知识体系）为例，探讨知识图谱应用在众多领域的落地探索。尤其在医药\医疗、电商\新零售、工业\制造业等数据规范度比较好的行业。 l 医药\医疗—— 市场拓展：通过对疾病、症状和药品信息构建知识图谱、搭建知识体系平台或问答机器人，能对高频固定的问题进行智能回复，释放人力处理更复杂的问题及服务。同时，通过图谱的积累能不断完善用户画像，进行客户的关联和转化。 智能就医导诊：基于病史中提到的症状、疾病、医院对应科室和医生形成的知识图谱，创建智能就医导诊系统，借助知识图谱的推理能力，为患者精准匹配对应的科室和医生，不仅为患者就医提供方便，改善患者就医体验，同时也能促进医疗资源合理配置。 l 电商\新零售—— 商品推荐：新建的电商平台，缺乏用户行为数据，传统的推荐算法很难发挥作用；基于知识图谱的推荐，利用知识推理引擎构建推理、推荐规则，实现对“人、货、场景”的关联推荐；通过推荐算法，及时发现同款、搭配商品。 l 工业/制造业—— 辅助设备检修：使用企业知识库中的设备维修手册、培训资料和使用说明等文档和视频材料，构建设备检修知识图谱，搭建智能问答机器人，帮助维修工程师和用户高效定位问题，获得指导，减少产品维修维护成本。 那么，相比传统数据存储和计算方式，知识图谱的优势显现在哪里呢？ （1）关系的表达能力强，消除数据孤岛 传统数据库通常通过表格、字段等方式进行读取，而关系的层级及表达方式多种多样，且基于图论和概率图模型，可以处理复杂多样的关联分析，满足企业各种角色关系的分析和管理需要。同时助力各行业客户，全方位整合企业各种数据资源，打通数据隔离，完整理解数据。 （2）像人类思考一样去做分析，辅助人工决策 基于知识图谱的交互探索式分析，可以模拟人的思考过程去发现、求证、推理，业务人员自己就可以完成全部过程，不需要专业人员的协助。通过多维数据整合，搭建起专家系统，从而辅助人工决策，助力释放员工价值。 （3）知识学习 利用交互式机器学习技术，支持根据推理、纠错、标注等交互动作的学习功能，不断沉淀知识逻辑和模型，提高系统智能性，将知识沉淀在企业内部，降低对经验的依赖。 （4）高速反馈，解决企业各类场景 图式的数据存储方式，相比传统存储方式，数据调取速度更快，图库可计算超过百万潜在的实体的属性分布，可实现秒级返回结果，真正实现人机互动的实时响应，让用户可以做到即时决策，解决企业咨询、问答、查询、推荐等各类应用场景。 |
|
|
