我们的实践：事理图谱，下一代知识图谱

原文链接：https://mp.weixin.qq.com/s/iLfXeVeWE5CCs_sM_NAOSw
一、人工智能与认知智能
当前人工智能时代下，机器与人类之间的博弈一直在进行着。如图1所示，从1956年达特茅斯会议的召开标志人工智能诞生到深度学习模型在若干人工智能领域大规模应用的如今，人工智能已经走过近60年的时间。人工智能的发展先后经历了两次黄金期以及两次低谷。1957年第一款神经网络的发明点燃了第一次人工智能的高潮，而随后在20世纪70年代，受限于当时的运算资源，并不能完成大规模的数据训练，人工智能一度陷入低谷，直到1982年德普摩尔神经网络的提出以及BP算法的出现使得大规模神经网络训练成为可能后，人工智能才逐渐缓过神来，并提出了全面实现人工智能计算机的目标，掀起了第二个黄金时期。但直到21世纪初，人工智能计算机并未实现以及政府的撤资，又一次将人工智能拉入低谷。随后，在2006年深度学习神经网络取得突破性进展，一直到2015年深度学习算法在语音和视觉识别上取得的成功，再次引领了以深度学习为主流的人工智能时代第三个黄金期。

图1-人工智能发展趋势
人工智能起起落落，但人工智能进步的步伐从未停歇。从人工智能的发展阶段来看，人工智能先后经历了从计算智能到感知智能再到认知智能的三个发展阶段。在计算智能时代，以神经网络、遗传算法为代表的学习算法，让机器能够帮助人类存储和快速处理海量数据，使得机器开始像人类一样“能说会算”。感知智能时代，机器能够开始看懂和听懂，并采取一些行动和听懂语音的音箱，帮助人类高效地完成看和听的相关工作。认知智能时代，是人工智能的终极目标，即机器能够像人一样思考，并采取行动，如完全独立驾驶的无人驾驶汽车、自主行动的机器人等，完成全面辅助或替代人类的工作。随着数据、模型、计算能力的全面提升，计算智能和感知智能已经初步实现，而真正实现机器的认知智能依然面临着诸多挑战。

二、认知智能与知识图谱
认知智能的核心在于机器的辨识、思考以及主动学习。其中，辨识指能够基于掌握的知识进行识别、判断、感知，思考强调机器能够运用知识进行推理和决策，主动学习突出机器进行知识运用和学习的自动化和自主化。这三个方面概括起来，就是强大的知识库、强大的知识计算能力以及计算资源。
知识存在于我们的大脑当中，我们在从事社会活动的过程中，实际上是对知识的获取和使用过程。就知识库言，大致两类知识，一类是常识知识库(commonsense knowledgebase)，另一类是百科类知识库(cyclopedia knowledgebase)。常识知识库包括人类认知系统中的概念、语言规则知识库，如现在的wordnet,mindnet,Framenet,Probase等，另一类百科知识库，则描述了现实生活中的事实知识(fact)。如Freebase,YAGO,DBpedia等。
以描述实体与实体、实体与属性值为形式化表示的知识图谱目前已是大家耳熟能详的一个概念，而何谓知识图谱？我们可以从几个方面来看，从AI的视角来看，知识图谱是一种理解人类语言的知识库，从数据库视角来看，知识图谱是一种新型的知识存储结构；从知识表示视角来看，知识图谱是计算机理解知识的一种方法；从web视角来看，知识图谱是知识数据之间的一种语义互联。从最初的逻辑语义网(semantic-net)、到语义网络(semantic-web)再到Linked-data，在到现在的大规模应用的知识图谱，已经前前后后经历了将近50年的时间。而知识图谱真正作为一个突出热点走进大家眼球的，还是在2012年以收购freebase作为后台知识图谱的google，以简洁答案、知识卡片的方式颠覆传统文档搜索形式的横空出世，从这个时间算起，也就7年的时间，所以知识图谱既是年老又是年轻的。
知识图谱，是实现认知智能的知识库，是武装认知智能机器人的大脑，这是知识图谱与认知智能的最本质联系，知识图谱，与以深度神经网络为代表的连接主义不同，作为符号主义，从一开始提出就注定了要从知识表示、知识描述、知识计算与推理上不断前行。目前知识图谱在诸如问答、金融、教育、银行、旅游、司法等领域中取得了大规模的运用。基于知识图谱的智能问答、在抓捕本拉登时斩获战功的Palantir、战胜人类的IBM深蓝机器人、颠覆传统网页搜索模式的谷歌知识图谱等等，都显示出了知识图谱的强大生命力。目前，我们以金融领域和全行业领域为试点，开展了相关对研发工作，构建起了全行业11个主流产业链知识图谱，主要包括246个行业、上万个商品品种的行业知识图谱和涵盖A股的上市公司金融知识图谱。
1、全行业产业链知识图谱
产业链知识图谱，目标是构建起全行的上下行业图谱，行业之间的上下游关系，行业中个大元素之间的关系，例如行业下产品、公司之间的关联等等。为了保证产业链中数据的准确性，我们通过行业研究员人工定义本体，耗时半年时间，构建起了全行业11个主流产业链知识图谱，主要包括246个行业、上万个商品品种，几千家上市公司，共计几百万条关系边的产业链知识图谱，如下图2所示：

图2-产业链知识图谱（部分）
2、上市公司金融知识图谱
公司金融领域研究的核心对象，公司作为金融中的重要角色，构建起公司知识全景图谱对于进一步知识整合、公司监测、公司运营等具有显著作用。我们以A股上市公司为基本数据来源和研究对象，构建起涵盖公司、行业、板块、人物、原料、产品等共17类实体，并购、竞争、供应、投资等共16类实体关系，规模达百万级的A股上市公司知识图谱，如下图3所示：

图3-金融领域知识图谱（部分）

三、从知识图谱到事理图谱
从知识图谱的本质上来说，是以传统本体概念为基础进行知识组织的，