![f93a13d1ec8d33c10c1ef839232ae24a.png](https://i-blog.csdnimg.cn/blog_migrate/98915e4f9808e0006f0ddf9390ba89e6.jpeg)
[说点废话]
今年以来知识图谱逐渐烧起来。这种现象这些年见怪不怪。比如,之前的“BI”、“H5”、更不要说“大数据”。看着本来是(或者似乎是)技术词,但实际上都是在营销推广咨询场合被提及得更多。
[目的]
知识图谱的严谨定义可以参考各类大牛们的文章。这里尝试用通俗的方式帮助大家理解,为什么需要知识图谱,它解决什么问题,有什么特性,有什么优势,大致的应用行业。
[为什么需要知识图谱]
人工智能有三个阶段:机器智能、感知智能和认知智能。机器智能在特定的领域,采用明确的规则,通过算力,达到“智能”。感知智能,图像视频识别、语音/意识别,甚至IoT等,可以让机器感知到外界变化,识别这些变化,达到“智能”。认知智能,要理解、推理和解释意图。这需要人与机器共同参与,深度协作,发挥双方的优势:机器的广度联想和人类的深度思考相结合。
这时候遇到一些挑战,随着数据红利的消失(在很多领域,缺乏收集数据的手段、或成本高昂、或难易从公开的渠道获取),以“机器学习-->深度学习-->强化学习”遇到瓶颈。特别在专业知识领域、跨行业领域更是很难突破。这些知识的符号化难易通过机器学习的手段,自动让机器达到与人类一致的认知。难点有以下这些: