基于知识图谱的知识泛化让AI学会“举一反三”

比尔·盖茨曾说“自然语言处理是人工智能皇冠上的明珠”。在上周刚结束的“2019CCF-GAIR全球人工智能与机器人峰会”上，微软亚洲研究院副院长周明博士指出“人在理解的时候有常识、有背景，所以能够理解；可电脑没有常识、没有背景，只是根据字面来处理，因此它理解的都是一样的。这就是自然语言处理的难处。”确实，人类的“智能”是在适应和理解复杂多变的物理和社会环境的过程中进化而来, 并非只适用于解决具有明确规则的任务或游戏。而当前，如何让机器能够像人一样思考，能够理解、解释并进行推理决策，即获得人类所独有的认知能力，是人工智能当前面临的重大挑战。而知识图谱则为认知智能的发展提供了全新的视角和机遇。

 

语言理解的难度：词完全一样，意义截然相反

人类智能具有快速学习和灵活迁移的特点，在应对复杂多变的外部环境时较人工智能系统表现出不可比拟的优势。该优势主要源于人类具备良好的知识表征。对良好的知识表征——知识图谱的深入研究不仅可以提升认知智能，同时也有助于实现当前人工智能系统从“大数据、小任务”到“小数据、大任务”的转变。使人工智能系统像人一样具备小样本学习的能力。

那么在实际应用中，知识图谱是如何辅助AI实现这一过程的呢？其核心就在于利用知识图谱进行知识泛化。泛化（generalization）这