人工智能-知识图谱

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Alicia_N/article/details/79261527
      在进行人工智能的探索道路上,我们也需要了解其本质,或者在其基础上衍生出各种上层的智能应用。在我个人看来,知识图谱正是起到了一个这样的作用。
这两三年来,互联网大佬眼必谈数据,特别是大数据。马云的“五新理论”中有一个是“新能源”,认为未来机器吃的不是电,而是数据。马化腾说数据是AI应用的四大要素之一,李彦宏也提出“由数据,算力,算法'三位一体'共同驱动的人工智能或将成为推动经济增长与时代进步的引擎”。
      今年,互联网巨头们谈数据的少了,谈知识的反而多了,其中,百度,新春内部演讲中,李彦宏说,“知识图谱”这些东西都是百度整个人工智能当中非常基础的构件,也是我们相对于任何一家公司的优势所在。
除百度外,谷歌在知识图谱上也一直在积极布局。2012年5月,Google就推出知识图谱(Google Knowledge Graph),利用其优化搜索结果。2013年,Google收购自然语言处理技术公司Wavii,将后者技术与Google Knowledge Graph整合。2015年谷歌推出医疗版知识图谱。现在谷歌语音搜索,Google Assistant,Google Lens,Google Home诸多软硬件产品均已接入谷歌知识图谱。
      不仅是百度,谷歌等搜索引擎在知识图谱上布局,阿里,华为等玩家也已在部署知识图谱,让自己变的更有知识。从Data到Knowledge,为什么互联网巨头们会青睐这样的转变。
知识对于互联网第一层价值是内容或者说信息价值--就像知乎,分答,百科,知道等知识类产品一样,他满足了用户的知识生产,共享,获取等需求,但是长期看来,知识对于互联网的价值主要在于,起到一个从数据到AI的“桥梁”作用,它不可或缺且会日益重要。
1:知识让机器具有认知能力
     每家互联网都在说自己拥有海量的数据。然而数据按照不同类型进行分类,数据的价值是不一样的,数据种类繁多,量大,要想充分的发挥这些数据的作用,创造做大的价值。必须要让这些数据成为可以被机器认知,识别的数据,即知识类数据,让机器形成认知能力。百度AIG负责人王海峰曾提出,AI可以分成感知层和认知层,感知是人类和动物都拥有的能力,机器一定程度也可以比人类更强,但认知是人类的专属能力。机器的感知能力已经日趋成熟(图像识别等),但认知能力还有很大的提升空间。知识类数据可以让机器在感知能力的基础上形成认知能力
2:知识可以让机器人与人类对话
      目前的机器人与人类之间的信息交互是反人性的--用输入法打字等,即便再简单也需要一定的学习成本,只有触碰,语音,视觉这样的交互方式才是自然的,用小孩子用有的能力。就拿现在的经理,秘书之间的例子来说,如果没有知识,秘书就能够做的像是识别经理是谁,这样的事情,iPhonex的Face ID就可以识别,然而,如果要根据经理表情揣摩其他情绪,并作出相应,这些则需要知识来进行分析。比如,愁眉苦脸时可以推送一首欢快的歌曲,喝咖啡发现咖啡杯里面没有咖啡时可以自动的去磨一杯新的,等等。百度世界大会上李彦宏演示的“火车司机疲劳识别”,本质上就是在图像识别技术上加载了知识图谱后的成果,机器可以很容易的理解“什么表现可以称为是疲劳驾驶”
3:知识可以让机器智能决策
      当机器有足够多的知识建立认知能力,对世界有自己的理解后,就可以进行智能决策。例如AlphaGo---相对于深蓝等给予负责的下棋程序不同,他没走一部棋,都是对围棋规则的认知以及下映对方的目标而进行的,是真正意义上的AI下棋。而AlphaGo Zero则是进阶版的,他可以不借助任何舞曲曲谱与人类经验进行自我学习进步,等于说是构件了一套自主的知识体系,成为知识的输出者。
我们无论是在招聘秘书还是管家,都希望找一个有想法是,会主动思考和自我决策的人,而不是一个让做什么才会做什么的。同样道理,机器也要有一定的想法,能够自我决策,变的智能,那就必须要有足够多的知识输入,让其形成认知能力

没有更多推荐了,返回首页