805
【百度副總裁王海峰】AI基石知識圖譜與百度AI布局（28PPT）
以下是王海峰在新智元AI WORLD2017世界人工智能大會現場演講實錄
各位熱愛AI以及關心AI的朋友們，各位從事AI的同仁們，大家上午好，非常感謝楊靜女士給我這個機會，和大家交流人工智能相關的話題。我的主題聚焦在AI具體領域—即知識圖譜。
我們認為，知識是AI非常重要的基石，所以，今天我專門和大家交流一下我們在知識圖譜方麵的工作。
人工智能是新的生產力
“科學技術是第一生產力”， 這句話相信所有朋友都知道。從18世紀第一次工業革命開始，科學技術就把巨大的自然力和自然科學注入到生產過程中，從而大大提升了生產力，生產力又影響生產關係的變化，進而為整個社會方方麵麵都帶來改變。19世紀的第二次工業革命使我們進入電氣時代，20世紀第三次工業革命使我們進入了信息時代。隨著這些工業革命的發生，科技對我們越來越重要。而今天，我們非常幸運地處在第四次工業革命之中，這其中最核心的科技就是人工智能。
我們看到，人工智能已經在影響我們生活的方方麵麵，滲透到各行各業。無論是我們想搜索信息還是瀏覽信息，還是根據地圖導航出行，或者翻譯……各行各業都在大量地應用人工智能。
我們可以清晰地看到，不管世界範圍內還是在中國，人工智能的投資、產業規模等都在迅速增長，而且可以預計未來還會高速增長。人工智能在各個領域、各個方向上都非常活躍。
總結以上所說的，我們認為，人工智能是新的生產力，是未來很長一段時間裏，人類生產力提升最重要的基礎。
百度AI技術布局與人工智能應用的基石——知識圖譜
眾所周知，百度是從做搜索引擎開始的。差不多18年前，我們開始做搜索引擎。從做的那天開始，一些人工智能技術就在其中得到應用，比如自然語言處理技術。七八年前，我們更全麵地布局人工智能，從自然語言處理開始，到語音、圖像、深度學習、機器學習、數據挖掘等等，今天，我們形成了相對完整的人工智能布局。
基礎層，是人工智能很重要的組成部分，要有大數據，強大的計算能力，還要有非常強大的算法。
而真正可以模擬人的能力，我們把它們分成兩層：感知層和認知層。我們知道，每個人通過眼睛、耳朵等來感知這個世界，所以，我們要做計算機視覺相關的圖像、視頻技術，也要做AR、VR技術，還要做和人的聽覺相關的語音技術，如語音識別等等。應該說，感知能力不僅人有，很多動物也有，甚至有的動物聽覺比人強，有的動物視覺比人強。而認知是人特有的，語言是人區別於其他動物的能力。同時，知識也是人不斷進步的重要基礎。我們除了要有認識客觀世界的知識，人和人之間還要交互，以及對人的理解，這就是認知層的技術要解決的。
在此基礎上，我們提供AI開放平台。在百度內部，我們用平台化的方式支持了公司大量的應用，同時也把我們的平台對外開放，打造AI生態，最終通過產品應用為每個用戶、企業等提供服務。
假如我們要搜索一張圖片，用圖像處理技術很容易在網上找到一張相似的圖，這個圖像處理技術就能完成了。如果我們想問的問題是，白葡萄酒的營養價值，僅僅圖像處理技術就不夠了，這需要知識。百度在回答這樣一個問題時就會用到背後的知識圖譜。下麵這個例子也是一樣：語音技術可以把曲子識別出來是什麼，相應地在曲庫裏找到歌曲，甚至專輯的封皮也能調出來，但是如果想知道這個曲子誰演奏過，僅僅語音技術就不夠了，這就需要知識以及知識圖譜的支撐。
因此，大家看到，感知層、認知層技術看似是相對獨立的，而且每個技術也有非常多的問題要繼續研究解決，但是，把它們組合在一起，尤其是賦予知識以後，我們就可以做更多的事情。
百度知識圖譜架構：構建數據到信息、到知識、到智能的“金字塔”
所以我想說，知識是AI進步的階梯。我們每個人都知道高爾基這句話——“書籍是人類進步的階梯”，這裏麵包含兩方麵的意思，一方麵人通過讀書可以不斷地學習更多的知識，不斷地進步；同時，有了更多知識，更多能力的人也可以不斷地產生新的知識，有更多的知識可以沉澱下來、傳承下去，這個階梯也會隨之越大越高，人也可以越走越高。對人工智能來講，知識也是一樣的，有了知識的人工智能會變得更強大，可以做更多的事情，反過來，因為強大的人工智能，也可以幫我們更好地從客觀世界中去挖掘、獲取和沉澱知識，而這些知識和人工智能係統形成正循環，兩者共同進步。
我們有很多方法可以把現實的知識富集起來，通過各種算法，讓它變成一個網狀的知識圖譜，這裏麵的知識非常多，比個人腦子裏存儲的知識都要多，同時可以有強大的網絡，成為人工智能應用的基石。
先舉個例子，這是從數據到信息、到知識、到智能的“金字塔”。比如我們看到95這個數字，我們都知道這是數字，但它意味著什麼呢？如果我不給你更多的信息，你隻知道它是一個數字，如果我告訴你，這是今天的PM2.5指數，那95這個數字就變成了一條有用的信息。但是如果我沒有背景知識，不知道PM2.5是95意味著什麼，這個信息對我的價值也不大，95是好還是不好呢，不知道。如果這時候有知識，我知道95意味著空氣質量大概是良，這就已經是有知識了。進一步，我可以知道這個指數可以正常戶外活動，但敏感人群應該減少外出，這就是從信息到知識到智能的過程。
這是百度知識圖譜。最下麵一層，我們要有基礎的存儲、運算和服務能力。百度的知識圖譜從非常多的海量數據裏挖掘出來，包括互聯網上的數據、行業數據，也包括日誌數據等等，再進行挖掘、歸一、融合。同時，圖中一個個節點要建邊，最終形成通用知識圖譜、行業知識圖譜。在這些基礎之上的巨大圖譜，會有基本的算子去查詢、標注、計算、推理、預測等，每一個產品會調用這些算子訪問圖譜，從而完成特定的能力。
這樣講還比較抽象，給大家看一個圖。這是百度龐大的知識圖譜裏一個很小的局部。我們隨便從中間看一個節點，比如《中國有嘻哈》，會發現很多事實可以連接到這個節點上，比如它相關的演員、音樂的類型，辦這個節目的愛奇藝等等。經過幾次大家發現會關聯到很遠，右邊是關聯到中國諾貝爾獎得主屠呦呦，左邊也關聯到其他很多人。知識圖譜包含大量的知識，在不同的應用中會起作用。當然，這裏麵每個節點，遠遠大於我此刻所展現出來的，如果這個屏更大，能給大家展現更多。
回到抽象的部分，看看我們這個知識圖譜到底有多大。這裏麵的每個節點可以理解為一個實體，不管是人、物還是實體，大概有幾億個，實體和實體之間會有很多邊，一個實體可能會有幾十個、幾百個、幾千個邊，這是組合關係，非常多。每個邊構成一個事實，比如《中國有嘻哈》誰參加了這個演出就是一個事實，誰舉辦了它又是一個事實。現在百度知識圖譜裏這個事實的量已經有千億個。同時，我們支持基於圖譜的動態計算，包括幾十個應用場景，每天有幾百個數據流同時在工作，都支持秒級更新，可以多層次地查詢。
下麵舉一個通用知識圖譜的例子。這裏有一段百度百科裏的文字，通過自然語言分析理解，可以把這段文字抽取成一個圖譜。比如銀河係會和太陽、地球等連接，會有很多邊，這是抽取出來的一個通用圖譜。而右邊相當於從另一篇文章裏抽取的又一個圖譜。這兩個圖譜有些相似但又不同，他們有不同的數據來源，尤其一些常見的實體，網上有成千上萬的網頁和它有關，能抽取非常多的知識，這時候要做知識的融合，甚至有一些數據可能帶來錯誤，不管是原始數據的錯誤還是分析過程中的錯誤，都要校驗，最後保證知識圖譜的質量。
再舉一個行業知識圖譜的例子，這是電信行業某一個運營商的手機流量套餐。和流量套餐相關的會有很多聯接，比如日流量、月流量、流量包等等，可以建這樣的圖譜。同時，對於一個行業來講，除了它靜態的實體、屬性、關係以外，還有業務邏輯。比如你打一個運營商的客服電話，想辦流量包，他會問你是什麼包，全國包還是本地包等等。你選擇了其中一個以後，要查流量或者其他服務，又是一個完整的流程。這個流程實際上組成行業知識圖譜的一部分。結合左邊的圖和右邊的流程，我們就完成了一個運營商自動的客服。現在大家打到運營商某個客服電話，有一定比例其實是在和百度的智能客服機器人對話。
剛才講的是一些基本的圖譜應用，再講一個帶有一定推理色彩的。比如我們問今天離聖誕節還有幾天。這樣的問題對人來講不是很難，對知識圖譜而言，這就不是一個靜態的知識，我們無法把這個問題的答案直接存在圖譜裏，而是需要先把今天是幾號搞清楚，聖誕節是哪一天搞清楚，然後做個簡單的計算得到一個正確的答案。
而右邊的更複雜一點，用戶的問題是，“Zippo能不能帶上飛機”。我們需要先在知識圖譜裏知道Zippo是打火機，而民航規定打火機是不允許帶的，這時候再推理一步就得到最終的答案，坐飛機是禁止帶Zippo的。
百度知識圖譜服務規模：三年長了大概160倍
百度很早就在做知識圖譜了，真正大規模上線是2014年，到今年三年時間，這個曲線一直在飛速地增長，長了大概160倍，說明百度搜索這樣的應用越來越依賴知識圖譜。
傳統的搜索是搜索一個內容，主流搜索引擎一頁給10個結果。有了知識圖譜的支撐，我們可以給用戶更直接的答案，並以一種更友好的方式呈現。比如第一個例子是搜索“胡歌”，大家看到圖文並茂的結果，需要的常用信息放在這兒。第二個問“太陽的重量”，雖然網頁也能找到，但不如直接把重量給出來。最右邊的例子是用戶搜索“孫儷”，除了給一些孫儷的信息出來，還會有相關的人、作品等等。我們把相關的影視作品推薦出來，用戶可能感興趣，比如《那年花開月正圓》，在界麵一點就可以進入《那年花開月正圓》的頁麵。
漢語語言本身非常博大精深，有專門針對漢語語言的知識圖譜，比如問“凹凸的凹，筆順。”這個字我相信每個人都會寫，但是不是每個人都能寫對筆順呢？知識圖譜可以直接把筆順告訴大家。我們現在大多用拚音輸入法和語音輸入，一些字不會念，也沒法拚音輸入。針對中文，我們會把漢字拆解，用語言描述它。比如，如果不知道“懟”字怎麼念，我們就可以這樣提問，“上麵是對下麵是心怎麼念。”家裏有學生的朋友可能會比較關心這個問題，比如要查美好的“好”字的多音字詞組，或者成語等等，知識圖譜可以直接列出來。
屏幕上是我們根據新智元曾經發表的一篇文章，分析這篇文章裏麵提到的關鍵詞語和關鍵實體，組成的一個圖譜。文章由此被打上標簽。比如主題標簽是“人工智能”，話題標簽是“深度學習”等等，還有加上其他標簽。我們對用戶也有自己的模型，知道他關心什麼領域，關心什麼話題，有了兩者的標簽，我們就可以把合適的文章推薦給合適的用戶。比如這個用戶的畫像是“IT精英”、“互聯網”等等，新智元這篇文章可能正好是這個用戶所喜歡的。
再舉一個NBA的例子。NBA很著名的球員，比如詹姆斯、庫裏等等，他們之間有各種關係，不隻是和現在球隊之間的關係，比如他的基本信息，身高、體重、成就等等。很多人把詹姆斯和科比做對比，這個對比在圖裏也能看到。用戶有時會在一些產品裏提問，比如問詹姆斯取得了什麼成就，和科比對比等等。機器之所以能回答這些問題，是因為背後有這些知識。所以，一輪一輪，機器和人之間就交流下去了。
我上中學的時候在看1983版的《射雕》，現在有了最新的2017版《射雕》。我們現在知道這個視頻是新《射雕》，它的主題曲是《鐵血丹心》。當我們問類似的視頻是什麼，就能找到1983版的《射雕》。知識圖譜會縱橫交錯把各種信息關聯起來，不管現在還是曆史的。1983版的郭靖是黃日華演的，如果問黃日華其他作品，就能看到《天龍八部》；如果問這部書的作者是誰，就會找到金庸先生。一步步延伸下去，相當於在這樣巨大的圖裏暢遊，每個用戶關心的方向不一樣，往任何方向都可以不斷地延展下去。
剛才講了一些應用的例子，從搜索到對話，到推薦等等。雖然這次人工智能的爆發很大程度上和互聯網關係很大，但人工智能影響的遠遠不止是互聯網行業，它會影響到各行各業，深入到我們工作和生活中的方方麵麵。這次十九大報告也指出，將互聯網、大數據、人工智能這些技術與實體經濟深度融合，包括工業、農業、金融等領域。融合的過程中，人工智能要想為這些行業有更好的服務，需要對這些行業進行定製化，要有行業的知識，這時候在通用知識的圖譜上也就進而要有行業的知識圖譜，幫助這些行業提升生產力，幫助這些行業和產業去升級。
最後，我想總結一下。我們通過AI技術和大量的數據、以及與用戶的互動不斷地學習，匯集越來越多的知識，這些知識不僅包括通用的知識，也包括行業的知識，進而更好地理解世界，從而讓我們用人工智能來提升我們的產品，提升每一個行業，讓我們的生活變得更加美好。
謝謝大家！
原文發布時間為：2017-11-10
本文作者：AI WORLD2017
本文來自雲棲社區合作夥伴新智元，了解相關信息可以關注“AI_era”微信公眾號
原文鏈接：【百度副總裁王海峰】AI基石知識圖譜與百度AI布局（28PPT）
最後更新：2017-11-10 16:04:14