机器解读知识，从海量的知识中抽取出「元知识」-02

这是mixlab无界社区的成员Jeff的《如何让机器量化知识》系列文章的第02篇。为我们介绍知识的数据化、量化，以及如何把开放的问题转化为封闭式问题让机器解读。

本期主题是「 元知识 」，从海量知识中抽取出5000个元知识，然后以此为元素，组合出各种知识。此过程非常像mixlab之前探索过的颜色谱图的构建：聚类算法+word2vec=传统色彩图谱。

本文作者：

ML03 -Jeff - 产品/设计/运营/人工智能/物理

GET人工智能创始人

def extract ( knowledge ) :

「 对世界的理解从定义元知识开始 」

化学中我们常常最小的单位理解为元素，元素的排列组合建立起了我们看到的化合物到现在世界见到的物质。我们从简单量化创造象形文字，大约在公元前32世纪，我们的象形文字在500个左右，到后来公元前5-7世纪有5000个左右。基本相当于我们现在常用的中文汉字，但是随着发展，按理说文字的创造会增加，可是实际上变化非常甚微。因为我们在量化这个世界时候遇到了，我们人类本身不可逾越的记忆力困扰，我们发现一旦超过5000个新字符基本会遗忘很多。

思考：如何定义5000个「元知识」？

「 元知识 」应该是被其他知识大量引用的知识，与其他知识重合度越高，相似的知识越多的，是不是就是「 元知识 」？

这个时候元知识开始起到作用了，这个如同我们标记5000个字符为元素，那么元素与元素可以有效排列组合，这种组合就诞生了我们一个简单的知识。元知识就是最简单的组合，这些组合看似简单却拥有神奇的魔力，如同指数的增加，用单一的模式量化我们人类对世界的理解。

我们认为，「 元知识 」的排列组合，是一个在多维空间里的向量运算过程。

元知识重要在于我们能够用一个词来表达复杂的信息。在中国历史的发展中古文其实就是很可怕，我们在字符元素中的理解那么多解释，晦涩难懂。有了对元知识的创造本身就是在减轻人类对信息的记录和传播。一下子我们在过去2000年通过元知识的排列组合建立了文明和制度，如果没有元知识的组合我们的法律条文基本难以传达。正是这样的组合方式发挥让我们把信息能够有效存储，这个在人类发展中有了决定性作用。也许我们感叹过去文明的发展是如此神奇，但是在今天，我们信息已经不在只是你能够一辈子接触的几百人那么简单，互联网信息发展简化了空间的距离关系，强化了信息的指数交流。这个时候元知识似乎排列的速度更加快，快到我们人类必须进行第二次蜕变。

return