面向人工智能“新基建”的知識(shí)圖譜行業(yè)白皮書

1、 面向人工智能“新基建”的知識(shí)圖譜行業(yè)白皮書 知識(shí)圖譜丨白皮書全文字?jǐn)?shù):9574字精讀時(shí)間:24分鐘前言：新型基礎(chǔ)設(shè)施建設(shè)是為加快國家規(guī)劃建設(shè)推出的重大工程和基礎(chǔ)設(shè)施建設(shè)項(xiàng)目，面向新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，同時(shí)助力傳統(tǒng)基礎(chǔ)設(shè)施的智能化改造。新基建三大規(guī)劃領(lǐng)域中，兩大領(lǐng)域都直接提及人工智能。新基建背景下，人工智能將迎來新一輪快速發(fā)展。當(dāng)前人工智能的發(fā)展仍然處于弱人工智能的狀態(tài)，研究重心由感知智能過渡到認(rèn)知智能。知識(shí)圖譜是一種用圖模型來描述知識(shí)和建模世界萬物之間關(guān)聯(lián)關(guān)系的大規(guī)模語義網(wǎng)絡(luò)，幫助機(jī)器實(shí)現(xiàn)理解、解釋和推理的能力，是認(rèn)知智能的底層支撐。2019年知識(shí)圖譜相關(guān)的融資金額較2018年增長(zhǎng)超過20

2、0%，逐漸成為人工智能又一熱點(diǎn)產(chǎn)業(yè)，產(chǎn)業(yè)鏈已初具規(guī)模，2019年知識(shí)圖譜核心產(chǎn)品市場(chǎng)規(guī)模約65億元，知識(shí)圖譜技術(shù)帶動(dòng)經(jīng)濟(jì)增長(zhǎng)規(guī)模約391.8億元。本報(bào)告從善政、惠民、興業(yè)、智融四個(gè)部分對(duì)知識(shí)圖譜技術(shù)在其他行業(yè)中的代表性應(yīng)用場(chǎng)景進(jìn)行梳理，對(duì)知識(shí)圖譜未來的發(fā)展和應(yīng)用做出展望，同時(shí)對(duì)人工智能“新基建”下，城市數(shù)字化、智慧化發(fā)展的創(chuàng)新場(chǎng)景進(jìn)行展示。新基建與知識(shí)圖譜概述新基建的內(nèi)涵和外延發(fā)力于科技端的信息數(shù)字化基礎(chǔ)設(shè)施建設(shè)2020年4月20日，國家發(fā)改委將新型基礎(chǔ)設(shè)施初步定義為：以新發(fā)展理念為引領(lǐng)，以技術(shù)創(chuàng)新為驅(qū)動(dòng)，以信息網(wǎng)絡(luò)為基礎(chǔ)，面向高質(zhì)量發(fā)展需要，提供數(shù)字轉(zhuǎn)型、智能升級(jí)、融合創(chuàng)新等服務(wù)的基礎(chǔ)設(shè)施體

3、系。與傳統(tǒng)的基礎(chǔ)設(shè)施建設(shè)相比，新基建體現(xiàn)出“重創(chuàng)新、補(bǔ)短板”的特征：主要面向新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化；但同時(shí)也對(duì)傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)形成補(bǔ)充，助力傳統(tǒng)基礎(chǔ)設(shè)施的智能化改造，提高傳統(tǒng)基礎(chǔ)設(shè)施的運(yùn)行效率。伴隨著技術(shù)革命和產(chǎn)業(yè)變革，新型基礎(chǔ)設(shè)施的內(nèi)涵和外延還將不斷豐富和延展。人工智能是新基建的重點(diǎn)領(lǐng)域人工智能推動(dòng)智能產(chǎn)業(yè)化和產(chǎn)業(yè)智能化人工智能是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，在新基建的三大領(lǐng)域中，兩大領(lǐng)域都直接提及人工智能。在信息基礎(chǔ)設(shè)施領(lǐng)域，人工智能與云計(jì)算、區(qū)塊鏈一起被視為一種新技術(shù)基礎(chǔ)設(shè)施；而在融合基礎(chǔ)設(shè)施領(lǐng)域中，人工智能則被視為支撐傳統(tǒng)基礎(chǔ)設(shè)施轉(zhuǎn)型升級(jí)的重要工具。人工智能新

4、基建的本質(zhì)不僅僅指向其自身的產(chǎn)業(yè)化發(fā)展，更是在實(shí)體經(jīng)濟(jì)中尋找應(yīng)用場(chǎng)景，賦能生產(chǎn)力升級(jí)，即作為重大應(yīng)用基礎(chǔ)設(shè)施，推動(dòng)各行業(yè)完成智能化轉(zhuǎn)型，實(shí)現(xiàn)新舊動(dòng)能的轉(zhuǎn)換。艾瑞咨詢測(cè)算，2019年人工智能賦能實(shí)體經(jīng)濟(jì)產(chǎn)生的市場(chǎng)規(guī)模超過570億元。人工智能進(jìn)入認(rèn)知智能探索階段當(dāng)前呈現(xiàn)弱人工智能狀態(tài)，在認(rèn)知智能領(lǐng)域還處于初級(jí)階段人工智能的本質(zhì)是進(jìn)行生產(chǎn)力升級(jí)，因此評(píng)判人工智能技術(shù)是否有價(jià)值，要看其應(yīng)用是否貼近生產(chǎn)核心。一般認(rèn)為，人工智能分計(jì)算智能、感知智能和認(rèn)知智能三個(gè)層次。計(jì)算智能即快速計(jì)算、記憶和儲(chǔ)存的能力；感知智能即對(duì)自然界具象事物的識(shí)別與判斷能力；認(rèn)知智能則為理解、分析等能力。當(dāng)前，數(shù)據(jù)標(biāo)準(zhǔn)化已經(jīng)趨于成熟

5、，以快速計(jì)算和存儲(chǔ)為目標(biāo)的計(jì)算智能已基本實(shí)現(xiàn)；在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的推動(dòng)下，以視聽覺等識(shí)別技術(shù)為目標(biāo)的感知智能也突破了工業(yè)化紅線，實(shí)現(xiàn)了機(jī)器對(duì)自然界具象事物的判斷與識(shí)別。但感知智能呈現(xiàn)的終究是一種弱人工智能狀態(tài)，還只能在某一方面的人類工作上協(xié)助或替代人類。當(dāng)人們能使用機(jī)器識(shí)別更多事物，自然而然地引發(fā)了對(duì)事物的理解和分析等深層次的自動(dòng)化知識(shí)服務(wù)的需求，而需要外部知識(shí)、邏輯推理或者領(lǐng)域遷移的認(rèn)知智能領(lǐng)域還處于初級(jí)階段。學(xué)界已經(jīng)展開認(rèn)知智能領(lǐng)域的研究，2018年以來，美國人工智能協(xié)會(huì)收錄關(guān)于認(rèn)知智能層面的論文逐年增多，占所有收錄論文的比重也有提升。知識(shí)圖譜的定義用圖模型來描述知識(shí)和建模萬物關(guān)系的

6、語義網(wǎng)絡(luò)知識(shí)圖譜是一種用圖模型來描述知識(shí)和建模世界萬物之間關(guān)聯(lián)關(guān)系的大規(guī)模語義網(wǎng)絡(luò)，是大數(shù)據(jù)時(shí)代知識(shí)表示的重要方式之一。知識(shí)圖譜最常見的表示形式是RDF（三元組），即“實(shí)體x 關(guān)系 x 另一實(shí)體”或“實(shí)體 x 屬性 x 屬性值”集合，其結(jié)點(diǎn)代表實(shí)體（entity）或者概念（concept），邊代表實(shí)體/概念之間的各種語義關(guān)系。由于知識(shí)圖譜富含實(shí)體、概念、屬性和關(guān)系等信息，使機(jī)器理解與解釋現(xiàn)實(shí)世界成為可能。上世紀(jì)七八十年代，傳統(tǒng)的知識(shí)工程與專家系統(tǒng)解決了很多的問題，但是都是在規(guī)則明確、邊界清晰、應(yīng)用封閉的限定場(chǎng)景取得成功，嚴(yán)重依賴專家干預(yù)，一旦涉及到開放的問題就基本不太可能實(shí)現(xiàn)，因此難以適應(yīng)大數(shù)

7、據(jù)時(shí)代開放應(yīng)用到規(guī)?；男枨蟮葐栴}。相對(duì)于傳統(tǒng)的知識(shí)表示，知識(shí)圖譜具有規(guī)模巨大、語義豐富、質(zhì)量精良與結(jié)構(gòu)友好等特點(diǎn)，宣告知識(shí)工程進(jìn)入了一個(gè)新的時(shí)代。知識(shí)圖譜是認(rèn)知智能的底層支撐為描繪物理世界生產(chǎn)生活行為提供有效的方法與工具讓機(jī)器具備認(rèn)知智能具體體現(xiàn)在讓機(jī)器掌握知識(shí)，擁有理解數(shù)據(jù)、理解語言進(jìn)而理解現(xiàn)實(shí)世界的能力，擁有解釋數(shù)據(jù)、解釋過程進(jìn)而解釋現(xiàn)象的能力，擁有推理、規(guī)劃等一系列人類所獨(dú)有的思考認(rèn)知能力，而這些能力的實(shí)現(xiàn)與大規(guī)模、結(jié)構(gòu)化、關(guān)聯(lián)密度高的背景知識(shí)是密不可分的。知識(shí)圖譜通過對(duì)海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行知識(shí)萃取并關(guān)聯(lián)形成網(wǎng)狀知識(shí)結(jié)構(gòu)，對(duì)概念間的關(guān)系屬性進(jìn)行聯(lián)結(jié)和轉(zhuǎn)換，支持非線性的、高階關(guān)系

8、的分析，為描繪物理世界生產(chǎn)生活行為提供了有效的方法與工具，是認(rèn)知智能的底層支撐。知識(shí)圖譜幫助機(jī)器實(shí)現(xiàn)認(rèn)知智能的“理解”和“解釋”能力：通過建立從數(shù)據(jù)到知識(shí)圖譜中實(shí)體、概念、關(guān)系的映射，使機(jī)器能理解數(shù)據(jù)，從數(shù)據(jù)中提煉出行業(yè)或領(lǐng)域內(nèi)高精度的知識(shí)；通過利用知識(shí)圖譜中實(shí)體、概念和關(guān)系來解釋現(xiàn)實(shí)世界中的事物和現(xiàn)象，使機(jī)器能解釋現(xiàn)象。更進(jìn)一步的，基于知識(shí)圖譜和邏輯規(guī)則或統(tǒng)計(jì)規(guī)律，機(jī)器能推理出實(shí)體或概念間深層的、隱含的關(guān)系，實(shí)現(xiàn)認(rèn)知智能的“推理”能力。知識(shí)圖譜的基本構(gòu)建流程數(shù)據(jù)-知識(shí)抽取-知識(shí)融合-知識(shí)加工-知識(shí)應(yīng)用根據(jù)覆蓋范圍的不同，知識(shí)圖譜可以區(qū)分為應(yīng)用相對(duì)廣泛的通用知識(shí)圖譜和專屬于某個(gè)特定領(lǐng)域的行業(yè)知

9、識(shí)圖譜：通用知識(shí)圖譜覆蓋范圍廣，注重橫向廣度，強(qiáng)調(diào)融合更多的實(shí)體，通常采用自底向上的構(gòu)建方式，從開放鏈接數(shù)據(jù)(“信息”)中抽取出置信度高的實(shí)體，再逐層構(gòu)建實(shí)體與實(shí)體之間的聯(lián)系；行業(yè)知識(shí)圖譜指向一個(gè)特定的垂直行業(yè)，注重縱向深度，具有豐富的實(shí)體屬性和數(shù)據(jù)模式，通常采用自頂向下的構(gòu)建方式，先定義好本體與數(shù)據(jù)模式，再抽取實(shí)體加入到知識(shí)庫。知識(shí)圖譜的構(gòu)建遵循知識(shí)抽取、知識(shí)融合、知識(shí)加工、知識(shí)應(yīng)用的基本流程。從海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行實(shí)體、關(guān)系、屬性和事件的信息提取，通過本體和實(shí)體對(duì)齊、指代消解解決多種類型的數(shù)據(jù)沖突問題，完成知識(shí)融合。將知識(shí)存儲(chǔ)到知識(shí)庫中，最后進(jìn)行進(jìn)一步的知識(shí)推理和圖譜應(yīng)用。知識(shí)圖

10、譜行業(yè)現(xiàn)狀知識(shí)圖譜的應(yīng)用價(jià)值對(duì)復(fù)雜關(guān)系的深入挖掘和直觀展示知識(shí)圖譜是符號(hào)主義人工智能的代表，核心在于對(duì)多模、多源異構(gòu)數(shù)據(jù)和多維復(fù)雜關(guān)系的高效處理與可視化展示，將社會(huì)生活與生產(chǎn)活動(dòng)中難以用數(shù)學(xué)模型直接表示的關(guān)聯(lián)屬性，融合成一張以關(guān)系為紐帶的數(shù)據(jù)網(wǎng)絡(luò)。通過對(duì)關(guān)系的挖掘與分析，能夠找到隱藏在行為之下的關(guān)聯(lián)，并進(jìn)行直觀的展示?；谥R(shí)圖譜的上述優(yōu)勢(shì)，適宜解決關(guān)系復(fù)雜的問題，如深度搜索、規(guī)范業(yè)務(wù)流程、規(guī)則和經(jīng)驗(yàn)性預(yù)測(cè)等相關(guān)研究課題。連結(jié)主義中的深度學(xué)習(xí)算法是新一代人工智能的標(biāo)志性技術(shù)，但深度學(xué)習(xí)有其局限性，側(cè)重解決影響因素較少、但計(jì)算高度復(fù)雜的問題，而不太適宜解決影響因素較多、且摻雜眾多非線性關(guān)系的問題

11、。通過與知識(shí)圖譜的配合使用，依托于行業(yè)知識(shí)與經(jīng)驗(yàn)的深度學(xué)習(xí)將產(chǎn)生更多貼近產(chǎn)業(yè)核心的認(rèn)知智能應(yīng)用，有助于覆蓋場(chǎng)景中大多數(shù)問題，形成完整的以“場(chǎng)景需求”為導(dǎo)向的人工智能解決方案，進(jìn)一步實(shí)現(xiàn)生產(chǎn)力升級(jí)的終極目標(biāo)。知識(shí)圖譜的典型應(yīng)用原圖應(yīng)用知識(shí)圖譜是人工智能應(yīng)用鏈條的第一步，是人工智能的底層技術(shù)。知識(shí)圖譜在高效數(shù)據(jù)處理和知識(shí)加工推理方面的能力，可以推動(dòng)人工智能既有產(chǎn)品的升級(jí)或提供更有效的解決方案，同時(shí)也可以轉(zhuǎn)化為新的商業(yè)產(chǎn)品形式。知識(shí)圖譜的產(chǎn)品形式可以分為原圖應(yīng)用和算法支撐兩類。原圖應(yīng)用指基于知識(shí)圖譜的圖結(jié)構(gòu)和豐富的語義關(guān)系，直接通過圖譜產(chǎn)生價(jià)值的服務(wù)形式，例如圖挖掘、關(guān)聯(lián)分析等。通用知識(shí)圖譜被視為下

12、一代搜索引擎的核心技術(shù)，而行業(yè)知識(shí)圖譜由于有具體場(chǎng)景的認(rèn)知深度，能很好地滿足垂直領(lǐng)域知識(shí)類查詢的需求，如企業(yè)業(yè)務(wù)流程查詢、司法領(lǐng)域案例查詢等。算法支撐指通過知識(shí)圖譜對(duì)于信息源的數(shù)據(jù)進(jìn)行處理，將產(chǎn)出的結(jié)構(gòu)化關(guān)聯(lián)數(shù)據(jù)用于其他人工智能任務(wù)的算法模型訓(xùn)練和應(yīng)用中，得到能解決具體場(chǎng)景問題的研判建議，形成解決辦法產(chǎn)生價(jià)值的服務(wù)形式。支撐其他人工智能任務(wù)：搜索、問答、推薦知識(shí)圖譜為其他人工智能任務(wù)提供算法支撐的典型應(yīng)用主要包括智能問答、智能搜索和智能推薦、決策分析系統(tǒng)等，目前都已產(chǎn)生了成熟且廣泛應(yīng)用的商業(yè)產(chǎn)品，同時(shí)也是各領(lǐng)域知識(shí)圖譜中的重要一環(huán)。基于知識(shí)圖譜的智能搜索能對(duì)文本、圖片、視頻等復(fù)雜多元對(duì)象進(jìn)行跨

13、媒體搜索，也能實(shí)現(xiàn)篇章級(jí)、段落級(jí)、語句級(jí)的多粒度搜索。智能搜索讓計(jì)算機(jī)更準(zhǔn)確地識(shí)別和理解用戶深層的搜索意圖和需求，在知識(shí)圖譜中查找出目標(biāo)實(shí)體及其相關(guān)內(nèi)容，對(duì)結(jié)果內(nèi)容進(jìn)行實(shí)體排序和分類，并以符合人類習(xí)慣的自然語言的形式展示，從而提高搜索體驗(yàn)。智能問答可以分為直接回答、統(tǒng)計(jì)回答和推理回答?；谥R(shí)圖譜的智能問答能從實(shí)體和短句兩個(gè)維度進(jìn)行挖掘，能理解多樣問法和有噪音問法，具有較高的準(zhǔn)確率、召回率。在對(duì)話結(jié)構(gòu)和流程設(shè)計(jì)上，能實(shí)現(xiàn)實(shí)體間上下文會(huì)話的識(shí)別與推理，最終實(shí)現(xiàn)更自然的人機(jī)交互?；谥R(shí)圖譜的智能推薦則通過獲得用戶和物品的精確畫像，從而實(shí)現(xiàn)準(zhǔn)確的匹配和有針對(duì)性的推薦，實(shí)現(xiàn)場(chǎng)景化、任務(wù)型的推薦。知識(shí)

14、圖譜的行業(yè)發(fā)展情況2019年核心產(chǎn)品市場(chǎng)規(guī)模約65.0億元，預(yù)期將迎來快速發(fā)展隨著人工智能的算法和算力不斷提升，數(shù)據(jù)來源愈發(fā)廣泛，大規(guī)模自動(dòng)化的知識(shí)獲取和全新的知識(shí)表示成為可能。與之相對(duì)應(yīng)的，傳統(tǒng)知識(shí)工程受限于知識(shí)獲取階段需要重度的人工參與，在互聯(lián)網(wǎng)時(shí)代不再能適應(yīng)整個(gè)互聯(lián)網(wǎng)高效化、智能化應(yīng)用的需要。推力和拉力的共同作用促進(jìn)了知識(shí)圖譜發(fā)展，其構(gòu)建中的核心產(chǎn)業(yè)主要包括Schema三元組模型構(gòu)建、實(shí)體標(biāo)注等技術(shù)，知識(shí)圖譜管理平臺(tái)與建模服務(wù)、垂直行業(yè)的知識(shí)圖譜應(yīng)用產(chǎn)品及解決方案等。據(jù)艾瑞咨詢統(tǒng)計(jì)推算，2019年知識(shí)圖譜核心產(chǎn)品的市場(chǎng)規(guī)模約為65.0億元，仍有較大發(fā)展空間，預(yù)計(jì)2024年將突破200億元

15、，年復(fù)合增長(zhǎng)率達(dá)到20.4%。此外，知識(shí)圖譜技術(shù)的應(yīng)用也進(jìn)一步帶動(dòng)傳統(tǒng)企業(yè)智能運(yùn)維效率升級(jí)，據(jù)艾瑞咨詢估算，2019年中國知識(shí)圖譜技術(shù)帶動(dòng)經(jīng)濟(jì)增長(zhǎng)規(guī)模達(dá)391.8億元，預(yù)計(jì)到2024年將突破1000億元。知識(shí)圖譜產(chǎn)業(yè)鏈與參與者圖譜知識(shí)圖譜在各領(lǐng)域中的應(yīng)用概覽數(shù)據(jù)繁雜、單一價(jià)值有限、問題抽象需要可視化展現(xiàn)、五層關(guān)聯(lián)維度以上的應(yīng)用場(chǎng)景更加適合搭建知識(shí)圖譜知識(shí)圖譜應(yīng)用場(chǎng)景善政：城市治理知識(shí)圖譜應(yīng)用場(chǎng)景知識(shí)圖譜賦能城市智能公共管理系統(tǒng)，打造城市“數(shù)字大腦”中國城市存在巨大的存量治理和精細(xì)化發(fā)展需求。隨著城市公共管理的數(shù)據(jù)來源由政務(wù)數(shù)據(jù)不斷拓展至交通、視頻、環(huán)境等其他城市運(yùn)行感知數(shù)據(jù)以及企業(yè)數(shù)據(jù)，城市大

16、數(shù)據(jù)平臺(tái)也從政務(wù)共享交換平臺(tái)，發(fā)展成為多方共建共用共享的大數(shù)據(jù)平臺(tái)?；谥R(shí)圖譜技術(shù)，將分散在政府各個(gè)部門、生產(chǎn)生活各個(gè)領(lǐng)域的相互孤立的數(shù)據(jù)資源聯(lián)通共享，實(shí)現(xiàn)多源數(shù)據(jù)集成交換，從而對(duì)政務(wù)數(shù)據(jù)和社會(huì)數(shù)據(jù)進(jìn)行深度挖掘。通過數(shù)據(jù)融合分析與管控，最大化發(fā)揮數(shù)據(jù)要素的效能，發(fā)現(xiàn)不同群體、不同行業(yè)的服務(wù)需求，實(shí)現(xiàn)政務(wù)服務(wù)的精準(zhǔn)化供給、政府科學(xué)決策和高效社會(huì)治理。善政：公安知識(shí)圖譜應(yīng)用場(chǎng)景重點(diǎn)解決數(shù)據(jù)關(guān)聯(lián)性和數(shù)據(jù)價(jià)值挖掘問題，賦能線索情報(bào)分析與案件預(yù)警公安大數(shù)據(jù)是全面助推公安工作質(zhì)量、效率、動(dòng)力變革的重要力量。隨著跨部門、警種、業(yè)務(wù)的協(xié)同和整合大趨勢(shì)的到來，知識(shí)圖譜能通過數(shù)據(jù)分析、文本語義分析等手段，抽取出

17、人、物、地、機(jī)構(gòu)、虛擬身份等實(shí)體，并根據(jù)其中的屬性、時(shí)空、語義、特征、位置聯(lián)系等建立相互關(guān)聯(lián)，構(gòu)建一張多維多層的，實(shí)體與實(shí)體、實(shí)體與事件的關(guān)系網(wǎng)絡(luò)。在解決公安大數(shù)據(jù)發(fā)展中面臨的數(shù)據(jù)缺乏關(guān)聯(lián)性、缺乏全警種智能應(yīng)用等問題時(shí)發(fā)揮重要作用，真正激發(fā)大數(shù)據(jù)的價(jià)值。建設(shè)公安知識(shí)圖譜仍遵循知識(shí)圖譜搭建邏輯，但其中知識(shí)抽取、本體層建設(shè)和實(shí)戰(zhàn)應(yīng)用開發(fā)等環(huán)節(jié)需要運(yùn)用分布式儲(chǔ)存、關(guān)聯(lián)算法、語義推理等技術(shù)，將公安部門多年業(yè)務(wù)中積累的技戰(zhàn)法進(jìn)行總結(jié)和可視化處理，與技術(shù)算法相互轉(zhuǎn)換，以集成犯罪和預(yù)測(cè)模型，實(shí)現(xiàn)重點(diǎn)人員場(chǎng)所關(guān)聯(lián)分析、物品關(guān)聯(lián)分析、團(tuán)伙關(guān)系分析、異常事件挖掘、相似案件推理等功能，提升公安信息化的智能化水平，促

18、進(jìn)公安情報(bào)研判的演進(jìn)，高效服務(wù)公安的打防管控工作，甚至做到精準(zhǔn)的犯罪預(yù)測(cè)預(yù)警?；菝瘢横t(yī)療健康知識(shí)圖譜應(yīng)用場(chǎng)景在就醫(yī)導(dǎo)診、輔助診斷、藥企市場(chǎng)拓展等領(lǐng)域提供知識(shí)服務(wù)醫(yī)療健康是典型的數(shù)據(jù)海量且多源異構(gòu)的行業(yè)，且限于數(shù)據(jù)專業(yè)性強(qiáng)、結(jié)構(gòu)復(fù)雜，數(shù)據(jù)融合在醫(yī)療健康行業(yè)應(yīng)用場(chǎng)景中更加困難。利用知識(shí)圖譜的能力，可以聚合核心醫(yī)學(xué)概念和全方位的醫(yī)療生態(tài)圈知識(shí)，從海量的臨床案例中對(duì)經(jīng)驗(yàn)和知識(shí)進(jìn)行提煉整理、錄入標(biāo)注、體系構(gòu)建，在解決優(yōu)質(zhì)醫(yī)療資源供給不足和醫(yī)療服務(wù)需求持續(xù)增加的矛盾中產(chǎn)生重要的作用。惠民：教育知識(shí)圖譜應(yīng)用場(chǎng)景教育知識(shí)圖譜與機(jī)器學(xué)習(xí)算法結(jié)合實(shí)現(xiàn)智適應(yīng)教育當(dāng)前人工智能技術(shù)更多應(yīng)用在如拍照搜題、口語評(píng)測(cè)、課堂監(jiān)

19、控等外圍需求的工具上，并未能有效深入到教學(xué)場(chǎng)景中，而真正產(chǎn)生生產(chǎn)價(jià)值建立在充分且必要的數(shù)據(jù)基礎(chǔ)上，搭建貫穿教材知識(shí)體系、教學(xué)資源管理和受教育者學(xué)習(xí)軌跡的知識(shí)圖譜，將教與學(xué)的全過程進(jìn)行可視化展現(xiàn)，使靜態(tài)知識(shí)點(diǎn)數(shù)據(jù)與動(dòng)態(tài)教學(xué)活動(dòng)的數(shù)據(jù)產(chǎn)生關(guān)聯(lián)，為算法利用提供支撐環(huán)境。知識(shí)圖譜在教育領(lǐng)域主要有以下幾種應(yīng)用場(chǎng)景：一是將學(xué)科教材知識(shí)進(jìn)行本體建模，形成可關(guān)聯(lián)性查詢的知識(shí)網(wǎng)絡(luò)；二是以圖結(jié)構(gòu)將教學(xué)資源以及關(guān)系進(jìn)行語義化組織，以便合理調(diào)用；三是在知識(shí)圖譜的基礎(chǔ)上，應(yīng)用大數(shù)據(jù)、AI等技術(shù)形成面向?qū)W習(xí)目標(biāo)的個(gè)性化學(xué)習(xí)路徑，實(shí)現(xiàn)千人千面的教學(xué)方案；四是面對(duì)受教育者搭建個(gè)人知識(shí)圖譜，通過對(duì)其知識(shí)點(diǎn)學(xué)習(xí)進(jìn)度和考試反饋數(shù)據(jù)

20、的實(shí)時(shí)關(guān)聯(lián)，形成知識(shí)掌握狀態(tài)的可視化個(gè)人畫像，以至于習(xí)題推送和老師一對(duì)一教學(xué)有的放矢；五是將教育領(lǐng)域碎片化多源異構(gòu)數(shù)據(jù)進(jìn)行處理，形成標(biāo)準(zhǔn)化的關(guān)聯(lián)數(shù)據(jù)集，為機(jī)器學(xué)習(xí)算法訓(xùn)練提供充要條件。通過以上五點(diǎn)應(yīng)用，勾勒出基于知識(shí)圖譜的數(shù)字中臺(tái)形式，最大限度地對(duì)教育領(lǐng)域數(shù)據(jù)進(jìn)行資源整合，為上層智能化應(yīng)用提供支撐，改變了“傳統(tǒng)教育披上人工智能外衣”的狀況，用技術(shù)起底教育邏輯，形成數(shù)據(jù)指導(dǎo)下自適應(yīng)學(xué)習(xí)的價(jià)值閉環(huán)。興業(yè)：通用制造業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行建模，在制造全流程實(shí)現(xiàn)多方面協(xié)調(diào)管控制造業(yè)體系龐大、場(chǎng)景豐富、產(chǎn)品類型多、定制化程度高，具有數(shù)據(jù)龐大且知識(shí)結(jié)構(gòu)復(fù)雜的特性，存在著如工序流程和工藝制造知識(shí)等事

21、理知識(shí)，同時(shí)也存在大量的定量知識(shí)。事件之間存在著大量的事理邏輯關(guān)系，而不同角色本體構(gòu)造提出的需求也不盡相同。引入知識(shí)圖譜技術(shù)，將工廠車間、人工資源、物料組件、設(shè)備制具、工藝流程、故障等制造業(yè)的基礎(chǔ)數(shù)據(jù)進(jìn)行知識(shí)分類和建模，通過對(duì)知識(shí)的抽取，對(duì)定量知識(shí)與事理知識(shí)的融合以及對(duì)實(shí)體之間復(fù)雜關(guān)系的挖掘，構(gòu)建制造業(yè)知識(shí)服務(wù)平臺(tái)，建立產(chǎn)品規(guī)劃、設(shè)計(jì)、生產(chǎn)、試制、量產(chǎn)、使用、服務(wù)、營銷和企業(yè)管理等全生命周期的互聯(lián)，還能融合環(huán)境、焚燒、水務(wù)、模具、能源管理等多個(gè)相關(guān)行業(yè)的知識(shí)內(nèi)容，通過快速搜索和推理關(guān)系中的趨勢(shì)、異常和共性更好地組織、管理和理解制造業(yè)體系的內(nèi)部聯(lián)系，將知識(shí)轉(zhuǎn)化為決策依據(jù)，破除產(chǎn)品封閉式的重復(fù)研發(fā)

22、實(shí)現(xiàn)創(chuàng)新，進(jìn)行全流程多方面的協(xié)調(diào)管控，提高制造流程中問題的預(yù)見和解決能力，提升資源管理能力、生產(chǎn)效率和產(chǎn)品質(zhì)量。興業(yè)：智慧建筑知識(shí)圖譜應(yīng)用場(chǎng)景集合構(gòu)建以BIM數(shù)據(jù)與規(guī)范為主的建筑工程行業(yè)知識(shí)圖譜當(dāng)前建筑行業(yè)仍是勞動(dòng)力密集型行業(yè)，擁有動(dòng)態(tài)且復(fù)雜的行業(yè)結(jié)構(gòu)。根據(jù)不同項(xiàng)目類型、項(xiàng)目階段和項(xiàng)目目標(biāo)，將項(xiàng)目過程中不斷重復(fù)的知識(shí)、使用知識(shí)本體的方式進(jìn)行組織化的設(shè)計(jì)和管理，以實(shí)現(xiàn)從圖紙?jiān)O(shè)計(jì)、審圖、施工、驗(yàn)收到樓宇運(yùn)維全流程內(nèi)知識(shí)的重復(fù)使用和組織化管理，是建筑行業(yè)實(shí)現(xiàn)智能化的目標(biāo)。當(dāng)前建筑信息模型（BIM, BuildingInformation Modelling）從工程實(shí)踐到管理理念上都在給建筑業(yè)與施工業(yè)

23、帶來不同程度的變革。作為含有豐富語義信息的三維模型載體，BIM的屬性與信息體系包含了建筑的空間幾何信息、屬性信息等，是實(shí)體建筑的數(shù)字化表達(dá)，具有真實(shí)性和全面性的特點(diǎn)都可以有效分類和聚集成為若干知識(shí)本體，結(jié)合知識(shí)圖譜的知識(shí)抽取、知識(shí)融合及知識(shí)加工等構(gòu)建技術(shù)，集合成以BIM數(shù)據(jù)與規(guī)范為主的建筑工程行業(yè)知識(shí)圖譜，從而提升設(shè)計(jì)階段BIM審圖規(guī)范與效率、輔助施工階段質(zhì)量管理與決策、改善運(yùn)維階段數(shù)據(jù)流轉(zhuǎn)與分析能力。智融：智能風(fēng)控與信用評(píng)估知識(shí)圖譜與機(jī)器學(xué)習(xí)相結(jié)合，重塑金融領(lǐng)域智能風(fēng)控過程無論是傳統(tǒng)金融或是互聯(lián)網(wǎng)金融領(lǐng)域，信用評(píng)估、反欺詐和風(fēng)險(xiǎn)控制都是最為關(guān)鍵的環(huán)節(jié)，隨著近些年金融數(shù)據(jù)的爆發(fā)式增長(zhǎng)，傳統(tǒng)風(fēng)控

24、系統(tǒng)逐漸力有不逮，而應(yīng)用機(jī)器學(xué)習(xí)算法和知識(shí)圖譜的智能風(fēng)控系統(tǒng)在風(fēng)險(xiǎn)識(shí)別能力和大規(guī)模運(yùn)算方面具有突出優(yōu)勢(shì)，逐漸成為金融領(lǐng)域風(fēng)控反欺詐的主要手段。機(jī)器學(xué)習(xí)和知識(shí)圖譜相結(jié)合是目前主流的解決方案。機(jī)器學(xué)習(xí)算法通過概率計(jì)算的方式，以數(shù)學(xué)運(yùn)算特征反應(yīng)風(fēng)險(xiǎn)情況，形成易于機(jī)器計(jì)算的風(fēng)控模型；而知識(shí)圖譜通過權(quán)威經(jīng)驗(yàn)和規(guī)則創(chuàng)建本體模型和抽取實(shí)體的范圍，根據(jù)實(shí)體間關(guān)系形成關(guān)聯(lián)數(shù)據(jù)網(wǎng)的圖譜形式，打通相關(guān)數(shù)據(jù)，動(dòng)態(tài)、實(shí)時(shí)地描畫囊括個(gè)人基礎(chǔ)信息、金融行為、社交網(wǎng)絡(luò)行為等用戶綜合畫像，并結(jié)合業(yè)務(wù)場(chǎng)景，根據(jù)畫像的情況與模型對(duì)應(yīng)，形成具有金融業(yè)務(wù)特性的風(fēng)控體系，在解決方案的決策環(huán)節(jié)結(jié)合規(guī)則和概率的綜合評(píng)價(jià)，給出最終的風(fēng)險(xiǎn)評(píng)估，

25、整個(gè)過程能夠?qū)崿F(xiàn)秒級(jí)響應(yīng)。知識(shí)圖譜的應(yīng)用不僅能夠?yàn)槿狈山忉屝缘臋C(jī)器學(xué)習(xí)算法帶來必要的參考系，還可以串聯(lián)金融業(yè)務(wù)中產(chǎn)生的大量多源異構(gòu)數(shù)據(jù)形成知識(shí)庫或知識(shí)中臺(tái)，挖掘數(shù)據(jù)深層價(jià)值，為實(shí)現(xiàn)標(biāo)簽體系構(gòu)建、投資關(guān)系梳理、產(chǎn)業(yè)鏈風(fēng)險(xiǎn)預(yù)警、智能催收等上層應(yīng)用打下基礎(chǔ)。智融：智能投資研究顧問通過自動(dòng)抓取和產(chǎn)業(yè)鏈關(guān)系推理解決投研領(lǐng)域痛點(diǎn)對(duì)一級(jí)或二級(jí)市場(chǎng)的投資研究，一直是泛金融領(lǐng)域重要的課題，上市公司或一些重要的標(biāo)的公司在公開網(wǎng)絡(luò)中披露了眾多如財(cái)務(wù)數(shù)據(jù)、定期公告、公司研報(bào)等有價(jià)值的信息，為投資者行為提供了充分的參考依據(jù)。傳統(tǒng)投研工作需要分析師通過各種渠道搜集和判別信息，憑借個(gè)人經(jīng)驗(yàn)對(duì)零散的數(shù)據(jù)進(jìn)行組織建模，以報(bào)告

26、的形式產(chǎn)出趨勢(shì)觀點(diǎn)和數(shù)據(jù)分析，大部分的物料和時(shí)間成本都花費(fèi)在信息和數(shù)據(jù)的搜集上，加之金融資訊信息時(shí)效性極強(qiáng)，成果可控性不高，縱使頭部金融數(shù)據(jù)機(jī)構(gòu)提供了相應(yīng)的軟件產(chǎn)品，但數(shù)據(jù)的顆粒度和產(chǎn)業(yè)鏈關(guān)聯(lián)性仍難以滿足多元需求。此外，金融行業(yè)人才流動(dòng)快，專精于某一領(lǐng)域的分析師一旦離職，將直接影響這個(gè)行業(yè)分析的延續(xù)。利用NLP技術(shù)自動(dòng)抓取關(guān)鍵信息，搭建投研領(lǐng)域知識(shí)圖譜，能減少基礎(chǔ)數(shù)據(jù)處理的工作，將各個(gè)行業(yè)的發(fā)展變化抽象導(dǎo)入數(shù)字層面，為知識(shí)查詢和應(yīng)用開發(fā)提供實(shí)現(xiàn)基礎(chǔ)。由于券商研報(bào)中80%的數(shù)據(jù)指標(biāo)在傳統(tǒng)軟件產(chǎn)品中無法被查詢，分析師在進(jìn)入一個(gè)新領(lǐng)域時(shí)要耗費(fèi)大量時(shí)間搜集類似數(shù)據(jù)，知識(shí)圖譜投研產(chǎn)品可以大大縮短這一必要

27、勞動(dòng)時(shí)間，大幅提高投研效率。除靜態(tài)領(lǐng)域圖譜外，基于時(shí)間序列還能搭建對(duì)網(wǎng)絡(luò)報(bào)道、新聞事件進(jìn)行抓取的事理圖譜，兩相結(jié)合，從行業(yè)固有邏輯和實(shí)時(shí)信息雙管齊下，推導(dǎo)事情的發(fā)展脈絡(luò)和趨勢(shì)走向，梳理關(guān)聯(lián)脈絡(luò)，為后續(xù)判斷投資機(jī)會(huì)等研判類應(yīng)用提供數(shù)據(jù)支撐。知識(shí)圖譜應(yīng)用展望創(chuàng)新的知識(shí)圖譜形態(tài)構(gòu)建多模態(tài)知識(shí)圖譜，拓展知識(shí)圖譜的應(yīng)用場(chǎng)景和領(lǐng)域單模態(tài)交互技術(shù)是弱人工智能時(shí)代典型的代表特征，集中在單一模態(tài)的感知技術(shù)給智能機(jī)器產(chǎn)品帶來了很多的局限性，個(gè)體從感知到認(rèn)知外界進(jìn)而形成知識(shí)的過程，通常需要多種感官同時(shí)對(duì)信息進(jìn)行處理和融合。當(dāng)前知識(shí)圖譜技術(shù)已經(jīng)被廣泛用于處理結(jié)構(gòu)化數(shù)據(jù)和文本數(shù)據(jù)，但對(duì)于視覺、聽覺數(shù)據(jù)等的關(guān)注度相對(duì)較低

28、，且目前仍缺乏有效的技術(shù)手段來從這些數(shù)據(jù)中抽取知識(shí)。如果在更大范圍內(nèi)進(jìn)行鏈接預(yù)測(cè)和實(shí)體對(duì)齊，進(jìn)而進(jìn)行實(shí)體關(guān)系抽取，能使現(xiàn)有的模型在綜合考慮文本和視覺特征時(shí)獲得更好的性能。傳統(tǒng)的知識(shí)圖譜構(gòu)建將不同模態(tài)的數(shù)據(jù)分別完成抽取再通過圖譜融合來形成最后的多模態(tài)圖譜，但從源頭上沒有考慮不同模態(tài)特征之間的依賴和對(duì)應(yīng)關(guān)系，使知識(shí)融合的最終結(jié)果無法很好地刻畫多模態(tài)數(shù)據(jù)本身蘊(yùn)含的各種關(guān)聯(lián)。多模態(tài)知識(shí)圖譜為每種模態(tài)（如圖像、文本）構(gòu)建一個(gè)特征表示，將不同模態(tài)的嵌入映射到同一個(gè)嵌入空間，以實(shí)現(xiàn)最大化鏈接節(jié)點(diǎn)的嵌入之間的相似性，以及最小化未鏈接節(jié)點(diǎn)的嵌入，使邊在相同模態(tài)內(nèi)的兩個(gè)節(jié)點(diǎn)之間以及來自不同模態(tài)的節(jié)點(diǎn)之間。即多模態(tài)知識(shí)圖譜在傳統(tǒng)知識(shí)圖譜的基礎(chǔ)上，把多模態(tài)化的認(rèn)知體驗(yàn)與相應(yīng)的符號(hào)關(guān)聯(lián)，構(gòu)建多種模態(tài)下的實(shí)體，以及多模態(tài)實(shí)體間多種模態(tài)的語義關(guān)系，即使得圖譜本身一開始就具備多模態(tài)的特性。知識(shí)圖譜與區(qū)塊鏈技術(shù)結(jié)合發(fā)展優(yōu)化知識(shí)來源管理、知識(shí)儲(chǔ)存和更新、知識(shí)產(chǎn)權(quán)保護(hù)區(qū)塊鏈技術(shù)的最關(guān)鍵特征為去中心化，即不依靠中心管理節(jié)點(diǎn)，讓每個(gè)個(gè)體都有機(jī)會(huì)成為中心，能實(shí)現(xiàn)數(shù)據(jù)的分布式記錄、存儲(chǔ)和更新。在知識(shí)圖譜中運(yùn)用區(qū)塊鏈技術(shù)能實(shí)現(xiàn)多節(jié)點(diǎn)知識(shí)輸入、儲(chǔ)存和更新，使開放鏈接知識(shí)庫在更多分布節(jié)點(diǎn)獲取知識(shí)，鼓勵(lì)更多人群、特別是那些具有專業(yè)