知识图谱在人工智能中的应用与思考
1. 人工智能是为了解决生产力升级的问题
人类的生产力可以分为知识生产力,劳动生产力。人工智能可以从两个方面加速生产力的提升。
人工智能又可以分为感知型智能,认知性智能,行为智能。一般来讲,计算机视觉识别,语音识别等识别问题都可以归结到感知性智能中。认知性智能包含自然语言理解(NLU),自然语言生成(NLG),知识推理(reasoning)等领域。行为智能主要聚焦在智能体的行动上,一般指的是具有感知和认知能力的机器人的行为。
2.人工智能的”三个主义“
现代的人工智能可分为:
- 符号主义:对已有知识进行编辑,常见的工具有数据库,知识图谱等。对应的是知识表示技术
- 连结主义:使用数学理论或公式推导计算机的行为法则,如分类与预测。对应了机器学习技术
- 行为主义:用机器人模仿人类行为,对应了仿生机器人技术。
理想情况下是三个注意能一同发展,连结主义通过计算机算力支撑符号主义,符号主义使用知识和逻辑指导链接主义,说的也就是当下最流行的术语-人工智能3.0可解释的人工智能。最后符号主义和连结主义共同作用到行为主义中,充当机器人的大脑,指导机器人的行为。
3.建设本体模型和实体数据库是知识图谱结构的核心
4.当下的trend
是从知识抽取过渡到事件抽取,以满足知识更新的需求。
通过时间维度的表达将信息员中指定事件抽取并结构化的表示。
知识融合是另一个未来的主流方向
5.知识融合
知识融合中需要考虑的几点难点:
- 语义相似度
- 简单的图谱对齐(寻找相同实体)
- 复杂的图谱对齐(寻找相同路径:实体+关系)
- 对于schema的对齐和合并
- 对于foundational 知识图谱的对齐合并(非特定域图谱)
6.基于知识人图谱的应用
- 教育
- 医疗
- 考古
- 军事
- 工业化
- 公司
我们可以看到几乎方方面面都需要知识介入,完善人工智能模型。