谈到人工智能，为何王海峰这次要聊知识图谱？

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，不过，在AIWorld 2017世界人工智能大会上,百度副总裁、AI技术平台体系（AIG）总负责人王海峰却没有讲这些，这次他聊的是知识图谱。

虽然你可能说不出知识图谱的具体定义，但其实每天都在使用它。当你在百度搜索时，搜索结果右侧的联想，就来自于知识图谱技术的应用；你问百度某个字怎么念，答案也来自知识图谱的应用；你和度秘聊天，问他詹姆斯和科比谁厉害、都取得了哪些成就等等，背后都是知识图谱在发挥作用……王海峰在演讲中甚至表示，百度搜索、地图、金融……越来越多的应用，都越来越依赖知识图谱。

听完王海峰的演讲，我的第一个反应就是：知识图谱的价值被行业低估了，各行各业都在研发底层技术和寻求AI场景，却忽视了最成熟也很重要的AI技术：知识图谱。

知识图谱跟人工智能有什么关系？

知识图谱不难理解——就是通过不同知识的关联性形成成一个网状的知识结构，对机器来说就是图谱，形成知识图谱的过程本质是在建立认知，理解世界，理解应用的行业或者说领域，每个人都有自己的知识面，或者说知识结构，本质就是不同的知识图谱，正是因为有获取和形成知识的能力，人类才可以不断进步。

王海峰认为，知识图谱对于人工智能的重要价值在于，知识是人工智能的基石。机器可以模仿人类的视觉、听觉等感知能力，但这种感知能力不是人类的专属，动物也具备感知能力，甚至某些感知能力比人类更强，比如狗的嗅觉。而“认知语言是人区别于其他动物的能力，同时，知识也使人不断地进步，不断地凝练、传承知识，是推动人不断进步的重要基础。”而知识对于人工智能的价值就在于，让机器具备认知能力。

知识对于AI的价值，王海峰的总结是两者结合可以正循环：

“有了知识的人工智能会变得更强大，可以做更多的事情。反过来，因为更强大的人工智能，可以帮我们更好地从客观世界中去挖掘、获取和沉淀知识，这些知识和人工智能系统形成正循环，两者共同进步。”

在此之前，人工智能的基础是什么？行业有不同声音，比如马云说数据就是未来的能源，与云计算和互联网一起构成智能世界的基础；李彦宏说算法很重要，数据秒杀算法；马化腾说AI的四个要素是数据、场景、计算力和人才。总体来说，数据和算法是大家认为比较基础的东西。王海峰从技术层面将将AI核心技术分为感知层与认知层，提出认知层的基础是知识的观点，与行业的看法并不矛盾。因为知识图谱的基础，就是数据和算法，它需要应用自然语言处理和深度学习技术来进行数据挖掘，在海量知识中找出关联性，形成图谱。

为什么王海峰如此重视知识图谱技术？

构建知识图谱这个过程的本质，就是让机器形成认知能力，理解这个世界。事实上，现在机器的感知能力已经越来越接近于人类了，语音识别准确率达到97%甚至更高，图像识别某些领域如人脸识别，比人类个体更加准确和迅速。所以，未来人工智能的重点进步方向将是认知层，机器理解这个世界，才能更好地与世界交互，为人类服务。百度是中国最积极和大力布局人工智能的科技巨头，作为百度人工智能技术体系的最高负责人，王海峰重视知识图谱也表明百度未来会强化机器认知能力。

当然，王海峰为什么如此重视知识图谱，还有两层不容忽视的原因。

第一，王海峰本人的研究方向和从业经历决定他是务实派。

王海峰不是从研究学者转型而来的技术管理者，而是学术和工程并举，从实践中成长起来的科学家。王海峰2010年加入百度时，这一轮AI热还没爆发，即便是最早布局AI的百度，成立深度学习实验室也是在2013年。王海峰加入百度后，先后为百度创建了自然语言处理部、互联网数据研发部（包括知识图谱和互联网数据挖掘）、推荐引擎和个性化部、多媒体部（包括语音和图像技术）、图片搜索部、语音技术部等。

不难发现，百度最核心的AI相关技术王海峰都有经手甚至牵头主导，与自动驾驶等技术的不同之处在于，这些技术都是直接影响上亿用户的应用型技术，而且相当一部分与知识图谱有直接或间接关系。2013年上半年，王海峰作为执行负责人协助创建了百度深度学习研究院（IDL），百度正式进入AI行业，他此前几年为百度布局的技术，为百度进入AI领域打下了基础。我想正是这几年让王海峰的技术研发更偏应用性，注重实用价值，今天提出“知识图谱对AI是基石”也许与这个思维方式有关系。

王海峰在学术上也居于大师级地位。在自然语言处理领域，他是世界上影响力最大的国际学术组织ACL（计算语言学协会）最年轻的会士，也是ACL 50多年来唯一的华人主席。百度搜索、翻译、语音、输入法以及知识图谱等等产品，都是基于NLP技术。因为在人工智能上的成就，王海峰在今年5月还获得了国家级科技奖“全国创新争先奖”。

无论是作为百度AIG的负责人，还是学术大师，王海峰看重知识图谱的价值都不奇怪。

第二，百度很早便在知识图谱上进行布局，储备充分。

百度很早就在研发知识图谱技术。2014年开始，百度在搜索中将知识图谱产品规模化应用，3年应用量增加了160倍，百度的知识图谱的知识点已经达到几个亿；在技术层面，百度知识图谱技术已经实现了动态技术，每天有几百个数据流同时工作，支持秒级更新和多层查询。世界是变化的，百度知识图谱对世界的认知也是变化的，动态知识图谱，需要很强的数据、算法和计算基础。

百度知识图谱不只是被应用在搜索系产品中（包含问答、百科等），DuerOS、信息流、甚至以图搜图，都在应用知识图谱。王海峰在演讲中透露，百度知识图谱已经应用到几十个领域。我记得2015年，百度还将知识图谱应用在股票领域，旗下产品股市通通过数据、信息与股票的关系，以及股票与股票之间的关系，在股票领域首创知识图谱，实现智能选股。

可以说，百度在知识图谱上已经在数据、算法、计算和场景上形成了优势，这也是百度被严重低估的一个优势。算法、数据、计算力，每家公司都有，但在知识上百度却是积累最丰富的，不只是狭义的百科、知道、文库等等知识产品，搜索引擎与用户交互的过程本身也是在完善知识体系。所以百度自然要用其擅长的知识图谱，去强化在AI领域的优势，尤其是机器认知能力和应用价值。

知识图谱成为AI应用行业的先决条件

人工智能已受到各行各业的关注，不只是BAT在战略投资人工智能，金融、汽车、零售、娱乐、制造等等行业都在积极拥抱人工智能技术。然而，人工智能要在行业中得到应用的先决条件，首先要对行业建立起认知，只有理解了行业和场景，才能真正智能化。说白了，就是要建立行业知识图谱，才能给行业AI方案。

一个例子是零售行业，如果真要实现个性化的商品推荐，机器必须理解不同商品的特性，以及商品与销售场景（如季节、地区、时段）、与促销行为（打折、送券）、与用户需求之间的关系，才能推荐满足用户需求的产品。这也是一个优秀的推销员或商场导购的思考逻辑。然而，要理解这些要素之间的联系，就必须构建零售行业的知识图谱，且需要不断动态学习来完善认知，才能进行有效的推荐，这就是“零售知识图谱”。当然，针对不同的零售细分领域，比如美妆、3C、食品等，可能又要建立完全不同的知识图谱，就像人类社会的细分一样，在每个行业都建立起特有的知识图谱。

类似逻辑同样适用于客服、金融、制造、娱乐等场景，总而言之，人工智能要在一个行业得到应用的前提，就是要让机器建立起对应行业的认知，形成行业知识图谱。王海峰在演讲中也指出，

“人工智能与传统产业融合的过程中，要想为这个行业提供更好的服务，就需要对这个行业进行定制化，要有行业知识，这时候就需要在通用知识图谱的基础上，有相应的行业知识图谱，进而帮助这个行业提升生产力，帮助这些行业、产业升级。”

王海峰的逻辑，也是未来人工智能走向应用的必经之路：机器通过人工智能技术与用户的互动，从中获取数据、优化算法，更重要的是构建和完善知识图谱，认知和理解世界，进而服务于这个世界，让人类的生活更加美好。