7月9日，2021年世界人工智能大會(huì )，竹間智能成功舉辦了“AI智簡(jiǎn)|認知智能創(chuàng )科技未來(lái)”分論壇。論壇上，竹間智能創(chuàng )始人兼CEO簡(jiǎn)仁賢先生發(fā)表了題為《認知智能賦能企業(yè)轉型》的演講。他重點(diǎn)探討了認知智能的基石——知識圖譜，環(huán)環(huán)相扣地闡述了知識圖譜的定義、優(yōu)勢、獨特能力與構建原理，接著(zhù)圍繞產(chǎn)業(yè)界極重視的大規模落地問(wèn)題，結合具體例證及經(jīng)驗心得，描繪了跨越眾多行業(yè)的不同應用，最后針對企業(yè)在創(chuàng )新進(jìn)程中易陷入的兩難境地，為“Buy or Build”這個(gè)經(jīng)典難題給出了一個(gè)耐人尋味的答案。事不宜遲，立刻來(lái)品讀一下本次演講中最精華的部分。

　　1.認知智能的重要性

　　2.知識圖譜是認知智能的基石

　　3.知識圖譜的突出優(yōu)勢

　　4.知識圖譜的四大能力

　　5.知識圖譜的構建原理

　　6.認知智能的實(shí)際應用

　　7.洞悉未知，收獲意外之喜

　　8.企業(yè)科技創(chuàng )新的兩難之境

　　人工智能簡(jiǎn)單來(lái)講分三個(gè)領(lǐng)域：一是機器視覺(jué)；二是ASR跟TTS，也就是語(yǔ)音識別；第三個(gè)部分是NLP相關(guān)領(lǐng)域，包括自然語(yǔ)言處理、意圖理解、情緒識別、對話(huà)交互和知識推理，還有自動(dòng)閱讀理解，這部分是今天我要講的重點(diǎn)。

　　竹間智能一直以來(lái)關(guān)注的便是NLP自然語(yǔ)言處理。人跟人之間的對話(huà)基本都要靠語(yǔ)言，讓機器理解人類(lèi)的自然語(yǔ)言表達，就叫做自然語(yǔ)言處理技術(shù)。前面說(shuō)的機器視覺(jué)跟語(yǔ)音辨識更多是屬于感知，而自然語(yǔ)言處理偏向于認知。

　　大家為什么要學(xué)認知智能？其實(shí)它在全世界各個(gè)高校的研究里面都是非常艱深的一個(gè)課題。我們這個(gè)世界現有的信息非常復雜，人們生活的方式也非常復雜，如果把整個(gè)世界當做一個(gè)模型，會(huì )是什么樣的模型？假如沒(méi)有認知智能與情感智能，你無(wú)法了解這個(gè)模型的運作，無(wú)法理清人跟人之間的關(guān)系，無(wú)法把握人跟人之間共通的以及相互連接的部分。

　　對企業(yè)來(lái)說(shuō)，隨著(zhù)時(shí)代的發(fā)展，互聯(lián)網(wǎng)已經(jīng)變成了一個(gè)很常見(jiàn)的模型，是大家所生活的這個(gè)世界的一種表現方式。未來(lái)，個(gè)人的知識資產(chǎn)會(huì )決定個(gè)人的價(jià)值，企業(yè)的知識資產(chǎn)也將決定企業(yè)的價(jià)值。認知智能可以幫助企業(yè)在未來(lái)的數字化變革潮流當中加速業(yè)務(wù)發(fā)展，如果現在就開(kāi)始積極采用認知智能，那企業(yè)在三五年之后獲得的紅利，將遠遠超過(guò)那些沒(méi)有采用認知智能的企業(yè)。如果你今天不行動(dòng)，企業(yè)未來(lái)的盈利和運營(yíng)能力很可能會(huì )大大降低。

　　在認知智能領(lǐng)域，知識圖譜是非常關(guān)鍵的技術(shù)。知識圖譜，顧名思義，就是用圖譜的形式對知識進(jìn)行表達和表示。能夠把知識圖譜技術(shù)開(kāi)發(fā)好、應用好，就可以產(chǎn)生更高的價(jià)值。

　　我用一個(gè)簡(jiǎn)單的例子來(lái)解釋知識圖譜。先問(wèn)大家一個(gè)問(wèn)題：大熊貓有沒(méi)有尾巴？對這個(gè)問(wèn)題，人會(huì )怎么回答？第一種，可能會(huì )回答：我去四川見(jiàn)過(guò)大熊貓，看到它有尾巴——這是感性記憶；另外一種回答可能是：由于大熊貓是哺乳動(dòng)物，所以它有尾巴，這是理性推導；還有一種是說(shuō)，我以前回答過(guò)這個(gè)問(wèn)題，所以答案應該是怎樣的——這是斷言式的。以上這些是我們人類(lèi)的回答，有多種邏輯，有不同的思考方式。

　　那如果是機器人，它會(huì )怎么回答？機器人沒(méi)見(jiàn)過(guò)大熊貓，除非你給他植入機器視覺(jué)。描述大熊貓有很多信息，這些信息都是非結構化數據，你寫(xiě)出來(lái)的文字、你讀過(guò)的文檔都是非結構化數據，若沒(méi)有經(jīng)過(guò)處理和整理，你要花很多時(shí)間去讀、去看、去理解才行，但我們用知識圖譜將其轉變?yōu)楦拍罨�的表示方式，就�?huì )變成下面這個(gè)樣子：

　　然后，機器人就可以根據這個(gè)圖譜來(lái)回答你：很簡(jiǎn)單，大熊貓有尾巴。如果各位用搜索引擎去解答這個(gè)問(wèn)題，你可能找到很多文章，但你要自己去看內容，才會(huì )知道大熊貓有沒(méi)有尾巴。有時(shí)候搜索引擎給你的還是不正確的信息。經(jīng)過(guò)語(yǔ)義理解和知識圖譜，你可以確認大熊貓有尾巴，這是可追溯而且是可解釋的，是基于事實(shí)來(lái)回答的。這是知識圖譜可以做到的很簡(jiǎn)單但很重要的事情。

　　知識圖譜能協(xié)助企業(yè)迎接形形色色的業(yè)務(wù)挑戰。第一，它可以幫助采集知識，包括業(yè)務(wù)知識、商業(yè)知識在內的任何知識。IT行業(yè)發(fā)展了幾十年，我們囤積了巨量的非結構化數據，以PDF、Word、PPT等多種形式存在。這里面蘊藏著(zhù)豐富的知識，如果不挖掘出來(lái)，就毫無(wú)價(jià)值；如果能挖掘出來(lái)，就可以產(chǎn)生極大的作用——知識圖譜可實(shí)現這一點(diǎn)。

　　第二，知識圖譜有助于發(fā)現、整合和使用數據。它將結構化和非結構化數據進(jìn)行連接，整體利用起來(lái)，能夠找出一些以前不為人知的知識。而且知識圖譜會(huì )持續性地發(fā)生改變，隨著(zhù)知識的變化而變化。不同的時(shí)間段，有些知識會(huì )不一樣，我們稱(chēng)之為“時(shí)序知識圖譜”。建立起這種時(shí)序性，才能更準確地描述事實(shí)及使用知識。

　　另外一個(gè)是，知識圖譜能簡(jiǎn)潔快速地回答復雜的業(yè)務(wù)問(wèn)題。過(guò)去，企業(yè)積累了很多知識，知識跟知識之間存在直接或間接的關(guān)聯(lián)，你可能要翻查多個(gè)系統或大量文檔才能解決問(wèn)題，或者根本無(wú)法查到，如今，通過(guò)統一的知識圖譜的推理能力加上自然語(yǔ)言理解能力，可以更快地找到答案。

　　第四，知識圖譜技術(shù)可以讓AI更加高效。因為它可以把實(shí)體和實(shí)體之間的關(guān)系特征都梳理好，在機器學(xué)習和深度學(xué)習方面減少很多不必要的數據標注以及訓練，讓深度學(xué)習模型具備可解釋性，也可以輔助多任務(wù)的機器學(xué)習，從而提升整體效率。這是知識圖譜的一大主要優(yōu)勢。

　　知識圖譜有四項重要能力，第一個(gè)是可推論，第二個(gè)是可關(guān)聯(lián)，此外還有可解釋和可交付這兩大能力。

　　什么叫可推論呢？首先，知識圖譜可以從大量的數據中發(fā)掘出新的insights和patterns，發(fā)現信息之間的關(guān)聯(lián)性，這靠人力是做不到的。過(guò)去沒(méi)法形成大規模商業(yè)應用，正是因為很多企業(yè)都是借助人工來(lái)構建知識圖譜，沒(méi)辦法自動(dòng)去發(fā)現和挖掘知識，導致它們處于冷封狀態(tài)。其次，知識圖譜可以用最自然的方式來(lái)挖掘珍貴數據，而無(wú)需憑借關(guān)系型數據庫，這在是以前也是做不到的。你不用去總結一個(gè)關(guān)鍵詞來(lái)搜索，只要自然而然地發(fā)問(wèn)就行了。此外，可推論能力有利于加速相關(guān)的調查研究流程，讓搜索范圍更大。

　　第二是可關(guān)聯(lián)，這非常關(guān)鍵。知識圖譜用數據和概念的方式去呈現實(shí)體及實(shí)體間的關(guān)系，相當于我們用自然語(yǔ)言的方式，將整個(gè)世界變成一個(gè)超大的模型。所有的圖譜里的所有實(shí)體，上下文中的內容和內涵，都是可關(guān)聯(lián)的，因而能夠找到一些平常難以發(fā)現的隱藏信息或連接。

　　第三是可解釋。知識圖譜的很多特征可以用到深度學(xué)習上面，使其變得可解釋。大家知道深度學(xué)習中的非監督機器學(xué)習，要一層一層抽絲剝繭地去訓練，是不可解釋的，但是知識圖譜可以讓它變成可解釋的。而且圖譜具有豐富的特征數據，能夠聯(lián)結各種數據，從而將整個(gè)流程變得更大。

　　最后，知識圖譜是可交付的。它不像傳統數據庫，數據如孤島般分散，它可以將零散的數據連接起來(lái)，用簡(jiǎn)單的方式，在中臺完成元數據的交付，我們稱(chēng)之為Knowledge Fabric。

　　2005年，我第一次接觸到RDF（Resource Description Framework，資源描述框架），深深受到了Tim Berners-Lee的影響。從那個(gè)時(shí)候起，我就認為世界可以變成一張宏大的知識圖譜。一直到現在，我們有了機器學(xué)習和深度學(xué)習，能夠處理大量的非結構化數據，才有辦法讓新一代的認知技術(shù)適應各種文檔和數據，可以進(jìn)行交互。沒(méi)有自然語(yǔ)言處理與理解NLP與NLU，就沒(méi)有辦法做交互，那你縱使有知識也是無(wú)法利用的。

　　我們所說(shuō)的多源異構數據，涵蓋PDF、PPT、Word、紙質(zhì)文檔，還有網(wǎng)絡(luò )上的信息。知識抽取主要是指抽取關(guān)系、抽取屬性、抽取事件，抽取完了以后進(jìn)行知識融合。知識融合方面，一個(gè)是做實(shí)體消岐，一個(gè)是做實(shí)體鏈接，另外還要做實(shí)體融合。先看是不是有一樣的實(shí)體可以對齊，如果有，那就將它們融合起來(lái)，繼而進(jìn)行消岐，再創(chuàng )建鏈接，然后去補全、校正這些知識，這就形成了知識圖譜。這是一個(gè)循環(huán)的過(guò)程，整個(gè)知識圖譜會(huì )一直演進(jìn)，越來(lái)越大，不斷更新。加上時(shí)間維度，它就變成了時(shí)序知識圖譜。

　　自監督的實(shí)體消岐技術(shù)非常重要，我們通過(guò)已知的知識圖譜去學(xué)習不同實(shí)體之間的特征，可以自動(dòng)構建訓練集、測試集，讓訓練更快，如此一來(lái)人工標注量會(huì )大大減少，甚至于不需要。另外一個(gè)焦點(diǎn)是推理的生成，我們通過(guò)NLP技術(shù)能夠抽取信息，從文本中構建實(shí)體間的關(guān)系。

　　就自動(dòng)構建方面而言，NLP可以把任何的句子和詞都拆解成很小的元素，以此去構建各種實(shí)體與屬性，從語(yǔ)義方面進(jìn)行解析，去發(fā)現他們之間的關(guān)系，解析完以后也可以建立一幅知識圖譜。

　　認知技術(shù)該怎么落地？如果把它應用到企業(yè)中？首先是看在當前的業(yè)務(wù)流程里，可不可以找出一個(gè)清晰的四元組模型，囊括人、實(shí)體、地點(diǎn)、事件這四大元素。如果有，那這就是你落地的一個(gè)選擇。其次，要關(guān)注復雜有難度的業(yè)務(wù)，不要考慮太簡(jiǎn)單的業(yè)務(wù)，挑選那些需要花很長(cháng)時(shí)間、人力難以企及的場(chǎng)景，知識圖譜可以立竿見(jiàn)影取得極佳的效果。比如我們曾幫很多企業(yè)去實(shí)現文檔的查重、比對和抽取，靠人力是無(wú)法完成的。接著(zhù)，找到合適的業(yè)務(wù)場(chǎng)景之后，就可以開(kāi)始構建MVP，分多個(gè)步驟，逐漸迭代，不要一次性把業(yè)務(wù)系統全部換掉。知識圖譜用不著(zhù)推翻企業(yè)內部結構，它是以企業(yè)知識為中心，將數據孤島統統連接起來(lái)。

　　未來(lái)，企業(yè)的實(shí)力取決于科技。競爭力強的企業(yè)，經(jīng)過(guò)業(yè)務(wù)重構之后會(huì )成為一家認知智能企業(yè)，享受認知技術(shù)的便捷，而ERP、OA之類(lèi)的平臺都只是工具罷了。竹間智能鉆研了6年，取得了一系列突破，如今，從原始文檔自動(dòng)構建知識圖譜，到對話(huà)機器人自動(dòng)回答，只需要一個(gè)小時(shí)，就可以達到過(guò)去花6個(gè)月也無(wú)法達到的預期效果。

　　比如，在我們的產(chǎn)品界面上，先輸入一篇類(lèi)風(fēng)濕免疫疾病的文檔，里面講了風(fēng)濕病的特征、癥狀、治療方式，然后經(jīng)過(guò)我們的平臺，自動(dòng)生成標簽，把關(guān)系、屬性、事件都抽取出來(lái)，建立三元組，隨后便可形成可視化的知識圖譜。如果有一萬(wàn)篇文檔，那這幅圖譜就會(huì )變得相當大。通過(guò)圖譜，你可以查詢(xún)、問(wèn)答，找到自己想要的答案。它就如同一個(gè)大腦，不光是能開(kāi)展簡(jiǎn)單的Q&A。機器人馬上就可以調用這幅圖譜，直接回答你的提問(wèn)。你查搜索引擎是沒(méi)法找到這樣的答案的，因為機器人是用自然語(yǔ)言理解的技術(shù)加上整個(gè)知識圖譜來(lái)進(jìn)行解答。

　　竹間已經(jīng)將自動(dòng)構建知識圖譜的技術(shù)產(chǎn)品化了，這個(gè)產(chǎn)品叫做Gemini，并可以大規模應用。上面這個(gè)例子是落地在醫藥醫療行業(yè)的，你可以想象，制造、金融、保險、公共安全、城市管理等領(lǐng)域，亟待解決的問(wèn)題有多少？而且，知識圖譜給出的答案都是正確的，不存在模棱兩可的現象，所以知識圖譜+語(yǔ)義理解，機器人把短文本NLP和長(cháng)文本NLP結合起來(lái)，實(shí)現自動(dòng)化應用，即將顛覆常規的搜索引擎，來(lái)賦能于企業(yè)。將來(lái)，企業(yè)和人都不需要搜索引擎了，我們只需要一個(gè)載體——將知識圖譜跟對話(huà)輸出融合為一的載體就夠了。

　　剛才秀的只是一個(gè)小應用，認知智能的用途極其廣泛。比方說(shuō)產(chǎn)品導購，可以讓你精確搜到自己想要的產(chǎn)品，而不是廣告。假設分析，就是“如果怎么樣，會(huì )怎么樣？”的問(wèn)題，也能根據圖譜來(lái)回答。再是追蹤預警，采集人和事件之間的關(guān)系，看看能不能找出一些異常之處，然后提前預警。反欺詐也是一樣的，去監測交易中是否存在欺詐行為，以降低損失。還有提供個(gè)性化的商品推薦，如今主流的邏輯是——你買(mǎi)過(guò)或者瀏覽過(guò)什么產(chǎn)品，商家就一天到晚給你推相似的東西，但在購物時(shí)最開(kāi)心的其實(shí)是遇到驚喜，不遠的未來(lái)，知識圖譜技術(shù)完全可以做到這一點(diǎn)。

　　360度繪制客戶(hù)畫(huà)像更是一個(gè)強大的應用，可以全方位分析客戶(hù)的愛(ài)好、行為和反饋等。最近我們?yōu)橐患曳浅４蟮臒o(wú)人機公司定制了360度客戶(hù)畫(huà)像應用，收集全網(wǎng)、全世界對于產(chǎn)品的反饋和使用情況，打造一個(gè)全方位的Voice Of Customer分析和洞察模型，據此找出產(chǎn)品的瑕疵和優(yōu)點(diǎn)，揚長(cháng)避短，以便改進(jìn)產(chǎn)品與服務(wù)。

　　接下來(lái)，我們談一談各行各業(yè)的大規模落地情況。在保險業(yè)，圍繞保單和保險人，有很多場(chǎng)景，全部可以用到知識圖譜。在房地產(chǎn)行業(yè)，從地產(chǎn)開(kāi)發(fā)到銷(xiāo)售到運營(yíng)，各環(huán)節日漸繁復，知識圖譜能夠大顯身手。在醫療行業(yè)，前面已經(jīng)展示過(guò)，患者即用戶(hù)，從治療方案到疾病診斷，知識圖譜都有用武之地。在物流業(yè)，通過(guò)圖譜的計算能夠找到最短路徑、最低成本和最有效的方案。至于制造業(yè)，是人工智能產(chǎn)值最高的行業(yè)，所有的制造企業(yè)都在尋求智能化轉型，知識圖譜可以幫助解決生產(chǎn)、銷(xiāo)售、人員、流程、產(chǎn)品反饋等方方面面的問(wèn)題，整合產(chǎn)業(yè)鏈的上中下游，填補斷層，直到觸達終端用戶(hù)。

　　知識圖譜可以清晰顯示數據之間的關(guān)系，它的最大價(jià)值是幫助人類(lèi)發(fā)現未知，從大量的數據中發(fā)掘出你不知道的關(guān)聯(lián)——這就是驚喜，這就是我們目前所需要的。我們有太多重復性的信息，還有很多不知道的信息，都被鎖起來(lái)了，當你把知識圖譜構建起來(lái)后，就可以解鎖前所未見(jiàn)的景象。

　　我們探討這些技術(shù)，也非常希望把這些技術(shù)落地，唯有落地以后，才能看到它們產(chǎn)生的價(jià)值，看到它們可以創(chuàng )造收入、降低成本、提高營(yíng)業(yè)效率，這樣才會(huì )吸引更多人把資金投入到學(xué)術(shù)研究中，然后開(kāi)發(fā)出更多的技術(shù)。我覺(jué)得，竹間智能和其他一些人工智能公司所肩負的責任就是把所有技術(shù)都落地，營(yíng)造一個(gè)認知科學(xué)和NLP的產(chǎn)業(yè)生態(tài)圈，去刺激更多的投資。

　　然而在落地過(guò)程中，所有企業(yè)都會(huì )碰到創(chuàng )新的兩難困境。什么兩難困境呢？首先，我必須說(shuō)，我對未來(lái)是滿(mǎn)懷希望的。竹間在過(guò)去幾年接觸了很多客戶(hù)，大約有300家大型標桿客戶(hù)，我們發(fā)現絕大多數客戶(hù)項目負責人都是90后和85后，他們都非常有理想，渴望用科技創(chuàng )造真正的改變。不過(guò)他們往往會(huì )碰到一些古老的選擇難題——是該買(mǎi)（Buy）還是該自研（Build）？該用這家還是那家的產(chǎn)品？實(shí)施時(shí)是基于標準化軟件還是從零代碼起步打造？該用云服務(wù)還是用低代碼開(kāi)發(fā)平臺？

　　碰到這些不同維度的問(wèn)題，我總結了三個(gè)要素來(lái)幫大家做出判斷：第一個(gè)是AI平臺——什么樣的AI平臺才能讓你快速享受到技術(shù)帶來(lái)的紅利？此外，數據運營(yíng)也非常重要，好的技術(shù)、產(chǎn)品和平臺，只需要很少的人力來(lái)進(jìn)行運營(yíng)，達到低運營(yíng)的水準，讓人工不再是人工智能的絆腳石。第二個(gè)是場(chǎng)景定制。找到對的場(chǎng)景，才會(huì )看到效果，看到價(jià)值。你以前做不到的事，借助認知技術(shù)，馬上就能做到。人工智能是要顛覆過(guò)往，而非取代，是站在傳統的技術(shù)和系統上去創(chuàng )造新事物。還有就是價(jià)格。人工智能平臺不是越便宜就越好，對于成本和收益，企業(yè)要做一個(gè)評估，弄清楚自己的投入能不能得到充足的回報。

　　我們竹間智能的技術(shù)，聽(tīng)上去似乎很簡(jiǎn)單，但實(shí)際上是很艱深的。有些企業(yè)覺(jué)得自己能獨立研發(fā)，于是花大筆經(jīng)費，召集了一大群人，做了一兩年，最后卻發(fā)現沒(méi)辦法做出好的效果來(lái)，錯失了創(chuàng )新的契機。如果你只想用傳統的系統，那部署RPA就夠了，我們也能幫企業(yè)提供RPA解決方案；然而，如果面對的是需要復雜信息、專(zhuān)業(yè)知識、快速決策的業(yè)務(wù)，或者非常耗時(shí)耗力難以實(shí)現的，那就必須求助于認知技術(shù)和NLP技術(shù)了。比如，你的數據分散在很多系統里，沒(méi)有辦法整合，只有靠知識圖譜才能解決。知識圖譜就像是一個(gè)企業(yè)的超級大腦，加上NLP就是一個(gè)企業(yè)級的操作系統。

　　所以，買(mǎi)還是自研？最后的答案就在這里。對于復雜且多樣的AI能力，特別是NLP這樣艱深、高門(mén)檻的技術(shù)領(lǐng)域，企業(yè)是沒(méi)有辦法從零開(kāi)發(fā)的，難度非常高，何況底層平臺、能力平臺和場(chǎng)景解決方案現在都有人提供，有人幫著(zhù)做了。那什么地方是需要企業(yè)自研的呢？我認為是用戶(hù)體驗。這不能假手于人，企業(yè)應該花最多的時(shí)間，至少80%的時(shí)間在用戶(hù)體驗上，去重構業(yè)務(wù)，實(shí)現定制化。發(fā)展新業(yè)務(wù)，需要新技術(shù)支撐。有很多企業(yè)，從上到下都要別人做，這是錯的，還有很多企業(yè)，從上到下都想自己做，這也多是以失敗告終。

　　歸根結底，所有的技術(shù)和產(chǎn)品最終都是要落地經(jīng)受檢驗的，不斷地驗證積累才能大規模商用。以后，我們會(huì )將認知科學(xué)和技術(shù)做進(jìn)一步的推廣，希望結合中外學(xué)術(shù)界及產(chǎn)業(yè)界，一起完善NLP行業(yè)和認知智能行業(yè)！