知識(shí)圖譜是人工智能三大分支之一——符號(hào)主義——在新時(shí)期主要的落地技術(shù)方式。該技術(shù)雖然在 2012 年才得名，但它的歷史淵源，卻可以追溯到更早的語(yǔ)義網(wǎng)、描述邏輯、和專家系統(tǒng)。在該技術(shù)的的歷史演變中，多次出現(xiàn)發(fā)展瓶頸，也多次以工程的方式突破了這些瓶頸。

AI科技大本營(yíng)此次邀請(qǐng)到文因互聯(lián) CEO 鮑捷，作為知識(shí)圖譜領(lǐng)域形成過程的親歷者之一，他對(duì)知識(shí)圖譜的歷史淵源進(jìn)行了梳理，深度解析了該領(lǐng)域幾次發(fā)展的主要技術(shù)突破，并分析了其工業(yè)落地的幾個(gè)關(guān)鍵點(diǎn)。

鮑捷，文因互聯(lián) CEO，聯(lián)合創(chuàng)始人。他曾是三星美國(guó)研發(fā)中心研究員，倫斯勒理工學(xué)院（RPI）博士后。他是中國(guó)中文信息學(xué)會(huì)語(yǔ)言與知識(shí)計(jì)算專委會(huì)委員，W3C 顧問委員會(huì)委員，中國(guó)計(jì)算機(jī)協(xié)會(huì)會(huì)刊編委，中文開放知識(shí)圖譜聯(lián)盟（OpenKG）發(fā)起人之一。他的研究領(lǐng)域涉及人工智能諸多方向，如自然語(yǔ)言處理、語(yǔ)義網(wǎng)、機(jī)器學(xué)習(xí)、描述邏輯、信息論、神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別等，已發(fā)表 70 多篇論文。

▌什么是知識(shí)圖譜？

知識(shí)圖譜到底是什么？坦白說我也沒有特別好的答案，知識(shí)圖譜從某種程度來(lái)說是一個(gè)營(yíng)銷名詞，是 2012 年谷歌提出了這樣一個(gè)項(xiàng)目叫“Knowledge Graph”。

一個(gè)有意思的定義是王昊奮老師提出來(lái)的：知識(shí)圖譜旨在描述真實(shí)世界中存在的各種實(shí)體或概念。其中，每個(gè)實(shí)體或概念用一個(gè)全局唯一確定的ID來(lái)標(biāo)識(shí)，稱為它們的標(biāo)識(shí)符。每個(gè)屬性-值對(duì)用來(lái)刻畫實(shí)體的內(nèi)在特性，而關(guān)系用來(lái)連接兩個(gè)實(shí)體，刻畫它們之間的關(guān)聯(lián)。

但是在實(shí)踐中我們并不需要太過糾結(jié)什么叫知識(shí)圖譜，什么不是知識(shí)圖譜。有人問我說是否必須要用RDF（資源描述框架）才是知識(shí)圖譜？或者說是不是必須用Neo4j圖數(shù)據(jù)庫(kù)才是知識(shí)圖譜？其實(shí)不是。不在于你具體用了哪一種Syntax，哪一種數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫(kù)。關(guān)鍵是它的本質(zhì)是什么。

理解本質(zhì)從了解知識(shí)圖譜的演化過程入手。

▌知識(shí)圖譜的演化

知識(shí)圖譜這個(gè)概念是最近四、五年才為大家所知的，但是這個(gè)技術(shù)本身有非常深厚的發(fā)展基礎(chǔ)，我把這個(gè)過程分成六個(gè)階段，合并一下之后大概分成兩個(gè)比較重要的階段。

往前溯可以追溯到五六十年代前，因?yàn)樵谌斯ぶ悄苓@個(gè)領(lǐng)域里，知識(shí)工程作為一個(gè)分支很早就有了。人工智能在大體上有三個(gè)比較大的分支，一個(gè)是神經(jīng)網(wǎng)絡(luò)，叫連接主義學(xué)派，另外一個(gè)叫統(tǒng)計(jì)或者經(jīng)驗(yàn)主義學(xué)派，后來(lái)就衍生出了機(jī)器學(xué)習(xí)，最后一個(gè)知識(shí)工程這個(gè)方向，我們叫它理性主義或者符號(hào)主義，是從 1956 年這個(gè)學(xué)科形成時(shí)就有的分支。

在六十年代、七十年代的時(shí)候，知識(shí)工程這個(gè)領(lǐng)域往前發(fā)展，不斷的產(chǎn)生出新的邏輯語(yǔ)言和新的實(shí)用方法，像描述邏輯是七十年代就興起了的。在六十年代時(shí)就有一個(gè)叫“Frame Network”（aka “Semantic Network”），語(yǔ)義網(wǎng)絡(luò)。注意，不是“語(yǔ)義網(wǎng)”而是“語(yǔ)義網(wǎng)絡(luò)”，那個(gè)時(shí)候的語(yǔ)義網(wǎng)絡(luò)跟現(xiàn)在的知識(shí)圖譜非常像。所以這個(gè)是不斷循環(huán)的，如果我們把六十年的學(xué)科發(fā)展抽象來(lái)看，實(shí)際上就是一個(gè)從簡(jiǎn)單到復(fù)雜、再?gòu)膹?fù)雜回歸簡(jiǎn)單的過程。

從最終得到的結(jié)果來(lái)看，好像我們現(xiàn)在得到的知識(shí)圖譜跟六十年代就已經(jīng)有的語(yǔ)義網(wǎng)絡(luò)非常像，但這種像只是表面上的。因?yàn)樵诎l(fā)展過程中，我們構(gòu)造了一個(gè)龐大的工業(yè)體系，以及如何從各種各樣的文檔、各種各樣的數(shù)據(jù)里集中編輯、生成知識(shí)圖譜的一整套工業(yè)鏈。所以一個(gè)技術(shù)不能只看它的定義，而是要看它相關(guān)所有實(shí)踐過程中工業(yè)體系的總和。今天知識(shí)圖譜的技術(shù)無(wú)論從深度還是廣度上，都遠(yuǎn)遠(yuǎn)超越六十年代的語(yǔ)義網(wǎng)絡(luò)技術(shù)。

八十年代、九十年代、到兩千年，這中間還有非常多中間技術(shù)，我們從中選些重要的事情說一下。

▌?wù)Z義網(wǎng)絡(luò)

這張圖是對(duì)前面那張圖的抽象，我們選其中發(fā)展過程中最重要的節(jié)點(diǎn)。六十年代有一種東西叫“語(yǔ)義網(wǎng)絡(luò)”，語(yǔ)義網(wǎng)絡(luò)在七十年代、八十年代時(shí)演化成了描述邏輯。為什么會(huì)有這種變化？因?yàn)檎Z(yǔ)義網(wǎng)絡(luò)本身只是一種表征，并不具備推理能力。語(yǔ)義網(wǎng)絡(luò)+推理變成了新的邏輯系統(tǒng)，叫“描述邏輯”，描述邏輯到兩千年前后跟 Web 技術(shù)結(jié)合在一起，形成了新的語(yǔ)言，比如 OIL 、DAML。

另外一個(gè)分支是 1995 年前后有了元數(shù)據(jù)，從元數(shù)據(jù)學(xué)科衍生出一個(gè)分支叫 RDF，后來(lái) RDF 和 DAML 合并起來(lái)就變成了 OWL。下面還有一些更工程的內(nèi)容，包括 schema.org、RDFa、JOSN-LD、GraphpDB，這都是最近 5、6 年興起的新技術(shù)。這些技術(shù)的總和就構(gòu)成了我們所稱的“知識(shí)圖譜”技術(shù)，但只是其中一部分。

給大家看一個(gè)語(yǔ)義網(wǎng)絡(luò)，語(yǔ)義網(wǎng)絡(luò)其實(shí)就是一個(gè)網(wǎng)絡(luò)。這張圖上有各種不同的概念，比如中間的 Mammal 是哺乳動(dòng)物，貓（cat） 是一種哺乳動(dòng)物，貓有毛；熊是哺乳動(dòng)物，熊也有毛；鯨是一種哺乳動(dòng)物，鯨在水里面生活；魚也在水里面生活，也是一種動(dòng)物；哺乳動(dòng)物是一種脊椎動(dòng)物，也是動(dòng)物的一種。

所有這些節(jié)點(diǎn)和邊的總和就構(gòu)成了一個(gè)網(wǎng)絡(luò)，每一條邊上都有一些標(biāo)志的，用術(shù)語(yǔ)來(lái)說就是“有類型的邊”，這種“有類型的邊”連在一起的節(jié)點(diǎn)叫“語(yǔ)義網(wǎng)絡(luò)”，概念是非常簡(jiǎn)單的。

六十年代時(shí)自然語(yǔ)言處理和知識(shí)表現(xiàn)的大拿批評(píng)這種語(yǔ)義網(wǎng)絡(luò)，說這個(gè)東西沒辦法用于推理，用術(shù)語(yǔ)來(lái)說是最后沒有“semantics”。這里涉及很多關(guān)系，什么叫 semantics？有的學(xué)者認(rèn)為 semantics 必須是有一套嚴(yán)格的語(yǔ)義定義，這通常是用模型論來(lái)定義，或者過程方法來(lái)定義。其實(shí)也有更淺的對(duì)語(yǔ)義的理解，萬(wàn)事萬(wàn)物之間的關(guān)系就是語(yǔ)義。比如我們打開字典，字典是用一些詞定義另外一些詞，這就是語(yǔ)義。

我們?cè)谶@樣的語(yǔ)義網(wǎng)絡(luò)里，如何定義一個(gè)詞的意義？其實(shí)我們是做不到的。比如在這個(gè)語(yǔ)義網(wǎng)絡(luò)里，居于中間位置的詞是“哺乳動(dòng)物”，它到底是什么？我們很難讓計(jì)算機(jī)理解什么是真正的哺乳動(dòng)物，很難通過它的內(nèi)涵含義來(lái)理解。對(duì)于計(jì)算機(jī)而言，它只能知道萬(wàn)事萬(wàn)物之間的聯(lián)系，也許這對(duì)于機(jī)器自動(dòng)處理來(lái)說就夠了。所以語(yǔ)義網(wǎng)絡(luò)盡管沒有所謂的語(yǔ)義，我們還是把它稱為語(yǔ)義網(wǎng)絡(luò)的原因，因?yàn)檎Z(yǔ)義就是關(guān)系。

▌描述邏輯

到了八十年代時(shí)，描述邏輯就已經(jīng)比較成熟了。描述邏輯是邏輯的一種，我在這里面列了一張表，這是描述邏輯和一階邏輯 （FOL 邏輯）之間的對(duì)應(yīng)。如果大家沒有邏輯基礎(chǔ)也不用害怕，因?yàn)檫@個(gè)圖本質(zhì)上是講很基礎(chǔ)的邏輯定義。

我們有了一個(gè)描述邏輯之后，就可以用計(jì)算機(jī)來(lái)做一些自動(dòng)推理的工作。八十年代到九十年代，描述邏輯學(xué)者們一直都在尋找如何讓計(jì)算機(jī)更好的進(jìn)行邏輯推理，一些比較可判定的所謂計(jì)算機(jī)不會(huì)死機(jī)的那些問題的總和，這種語(yǔ)言稱為“描述邏輯”。

▌OWL

到九十年代時(shí)描述邏輯成為知識(shí)表現(xiàn)領(lǐng)域的一種非常顯學(xué)、非常重要的分支，正好這時(shí)互聯(lián)網(wǎng)興起了。到了 1995 年前后開始了真正知識(shí)圖譜化的第一步，開始把描述邏輯用互聯(lián)網(wǎng)的語(yǔ)言來(lái)重新來(lái)表征，有人用 HTML，也有人用 XML。1999 年馬里蘭大學(xué)開始發(fā)布了第一個(gè)這樣的語(yǔ)言，叫“SHOE”。后來(lái)這個(gè)語(yǔ)言被美國(guó)的國(guó)防部高等研究所資助了一個(gè)項(xiàng)目叫“DAML”，這就是第一個(gè)在美國(guó)這邊把知識(shí)表現(xiàn)語(yǔ)言放在網(wǎng)上一種官方的努力。

與此同時(shí)，在歐洲也有一個(gè)非常相似的努力叫“OIL”，大西洋兩岸的同行們一看，大家做的事情非常相似，于是在 2001 年時(shí) W3C 開始把兩邊的努力匯總在一起，出現(xiàn)了一個(gè)語(yǔ)言叫“DAML+OIL”。到了 2004 年時(shí) W3C 進(jìn)一步協(xié)調(diào)大家的努力，合并了一個(gè)新的語(yǔ)言叫“OWL”，2009年發(fā)布了第二版，叫“OWL2”。

從九十年代到 2009 年這十幾年期間，這個(gè)領(lǐng)域不斷向上、向好積極發(fā)展，在那個(gè)時(shí)候我們?cè)?jīng)認(rèn)為 OWL 是描述這個(gè)世界非常好的一種工具，因?yàn)樗鼘?duì)于機(jī)器處理是非常友好的，所以我們就希望把它放到互聯(lián)網(wǎng)上去，讓更多人用到，但是這個(gè)設(shè)想后來(lái)并沒有實(shí)現(xiàn)。

▌W3C OWL 工作組的瓶頸

這里多說幾句 OWL，因?yàn)槲沂?OWL 工作組的一員，所以知道一些早期的事情。OWL有兩個(gè)工作組，最早的一個(gè)工作組是在 2000-2004 年之間，我趕上的是 2007-2010 年的第二個(gè)工作組，這個(gè)工作組的使命是把現(xiàn)有的 OWL 語(yǔ)言進(jìn)一步完善，提供所謂更強(qiáng)的表達(dá)力，或者在機(jī)器處理上比如要進(jìn)行語(yǔ)義數(shù)據(jù)的查詢，我們應(yīng)該用什么樣的，什么可以用、什么不能用、什么能說、什么不能說、什么對(duì)機(jī)器是友好的，OWL 工作組就是做這個(gè)事情。

我們寫了 10 來(lái)個(gè)文檔，加在一起 600 多頁(yè)紙，花了兩年時(shí)間做這個(gè)事情。OWL 工作組除了大學(xué)里來(lái)的人，還有一些企業(yè)的成員，包括 IBM、Oracle、惠普等等，還有一些小的創(chuàng)業(yè)公司。

那個(gè)時(shí)候我們這個(gè)領(lǐng)域遇到了一些瓶頸的，就是 OWL 這個(gè)語(yǔ)言或者語(yǔ)義網(wǎng)整個(gè)領(lǐng)域，在 2000 年前后是大家非常寄予厚望的，就好像現(xiàn)在大家對(duì)于深度學(xué)習(xí)寄予厚望一樣。但是往前走到 2006 年前后遇到了瓶頸，就是沒有人真的去產(chǎn)生這樣的數(shù)據(jù)，大多數(shù)日常場(chǎng)景用不到語(yǔ)義。于是這時(shí)候就產(chǎn)生了內(nèi)部的路線斗爭(zhēng)，叫“SEMANTIC Web or semantic WEB”，就是到底我們是加強(qiáng)語(yǔ)義呢？還是加強(qiáng)互聯(lián)網(wǎng)屬性呢？有兩組不同的人不斷進(jìn)行爭(zhēng)執(zhí)。

當(dāng)然，還有很多其他的分歧，包括我們到底該怎么去定義什么叫“簡(jiǎn)單”，大家沒有一致的意見。所以我們最終生成的文檔從學(xué)術(shù)角度來(lái)說是非常有價(jià)值，但是對(duì)于工業(yè)應(yīng)用特別是 C 端的互聯(lián)網(wǎng)應(yīng)用沒有達(dá)到預(yù)期。

小結(jié) ：從弱語(yǔ)義到強(qiáng)語(yǔ)義的嘗試（邏輯）

前面這一段大體總結(jié)了知識(shí)圖譜技術(shù)發(fā)展的前兩個(gè)大的階段歷史，一個(gè)是從六十年代到九十年代，早期知識(shí)圖譜的原型，包括語(yǔ)義網(wǎng)絡(luò)等等，后面一系列的技術(shù)。

從 2001-2006 年或者 2007 年這段時(shí)間，是不斷加強(qiáng)語(yǔ)義網(wǎng)所謂的語(yǔ)義的過程，就是從弱語(yǔ)義到強(qiáng)語(yǔ)義，從語(yǔ)義網(wǎng)絡(luò)到描述邏輯，一直發(fā)展到 OWL，并行還有另外其他一些，比如基于框架邏輯還有另外一個(gè)語(yǔ)言叫“RIF”。這十幾年時(shí)間都一直不斷在加強(qiáng)語(yǔ)義表現(xiàn)的表達(dá)力，但最后證明這個(gè)做法是不太妥當(dāng)?shù)摹?/p>

▌元數(shù)據(jù)框架到 RDF

我們講過，除了學(xué)術(shù)性非常強(qiáng)的描述邏輯 OWL 分支之外，知識(shí)圖譜還有另外一個(gè)分支是來(lái)自于元數(shù)據(jù)框架的。這個(gè)工作最早是 Guha 在 Apple 做的，Guha 這個(gè)人是非常值得關(guān)注的，因?yàn)槟撤N程度上他是“知識(shí)圖譜之父”，在 1995 年時(shí)他在 Apple 發(fā)明了一個(gè)語(yǔ)言叫“MCF”，因?yàn)樗菚r(shí)候面臨一些問題，就是怎么去表征多媒體的數(shù)據(jù)，特別是圖像的數(shù)據(jù)，所以他就發(fā)明了一整套的元數(shù)據(jù)表征方法。

到了 1997 年時(shí) Guha 跟Tim Bray 做了 RDF/XML。1999 年網(wǎng)景公司發(fā)明了 RSS 語(yǔ)言，這個(gè)東西現(xiàn)在新一代的朋友們不一定知道了，回到 10 年前時(shí)看新聞都是用 RSS 訂閱的，其實(shí) RSS 的第一個(gè) R 就是 RDF。后來(lái)他們改了其他的名字，從本源上來(lái)講，技術(shù)剛剛開始的時(shí)候這個(gè)技術(shù)是 RDF 的應(yīng)用。1999 年 RDF 被 W3C 收編了，變成了國(guó)際標(biāo)準(zhǔn)。

▌RDF

什么是 RDF？這里給一個(gè)例子，它是非常簡(jiǎn)單的語(yǔ)言，本質(zhì)上是三元組，主語(yǔ)、謂語(yǔ)、賓語(yǔ)就是個(gè)三元組。比如“我叫鮑婕”，“我”是主語(yǔ)，“是”是謂語(yǔ)，“鮑捷”是賓語(yǔ)。在 RDF 這個(gè)框架下，萬(wàn)事萬(wàn)物各種復(fù)雜的關(guān)系最后都被拆分成三元組，如果從圖形來(lái)表示，三元組就是一個(gè)主語(yǔ)、一個(gè)謂語(yǔ)，中間有一條線一個(gè)箭頭是賓語(yǔ)，可以把各種各樣的模型都分解成這樣的三元組。

從 1997 年有了 RDF，1998 年有了 RDFS，2004 年邏輯學(xué)家給 RDF 加了一個(gè)語(yǔ)義，因?yàn)樗麄冋J(rèn)為 RDF 必須要能夠推理，所以 2014 年進(jìn)一步加強(qiáng)，最后有了 RDF1.1，這是 RDF 大概 20 多年的發(fā)展史。

小結(jié)：從弱語(yǔ)義到強(qiáng)語(yǔ)義的嘗試（元數(shù)據(jù)）

RDF 和一開始提到描述邏輯方法是不一樣的，因?yàn)槊枋鲞壿嫹椒ㄊ菑膶?shí)驗(yàn)室里來(lái)的，它想構(gòu)造一個(gè)龐大的體系，構(gòu)建一個(gè)完美的知識(shí)表現(xiàn)語(yǔ)言，然后再尋找它的落地。

而 RDF 從一開始就是一個(gè)從實(shí)踐出發(fā)的、自底向上的一個(gè)語(yǔ)言。RDF 相對(duì)于 OWL 而言，是一個(gè)更加偏工程的、應(yīng)用更多的語(yǔ)言，現(xiàn)在有很多人在用 RDF。我們?nèi)粘Ｉ钪兴龅降慕^大多數(shù)網(wǎng)站，現(xiàn)在都有某種類型的元數(shù)據(jù)，其中相當(dāng)一部分就是用 RDF 不同的變種來(lái)實(shí)現(xiàn)的，所以 RDF 總的來(lái)說是一個(gè)比較成功的技術(shù)，因?yàn)樗莵?lái)自于現(xiàn)實(shí)的技術(shù)。

▌關(guān)聯(lián)數(shù)據(jù) Linked Data

從 2001 年這個(gè)領(lǐng)域正式形成，到 2006 年時(shí)語(yǔ)義網(wǎng)的技術(shù)堆棧已經(jīng)變得非常復(fù)雜了。1999 年時(shí)有一個(gè)所謂的“語(yǔ)義網(wǎng)蛋糕模型”，對(duì)語(yǔ)義網(wǎng)不同的技術(shù)做了羅列。2006 年時(shí)語(yǔ)義網(wǎng)技術(shù)已經(jīng)復(fù)雜到?jīng)]有人看得懂，沒有辦法用二維表達(dá)，必須用一個(gè)三維的圖才能夠把語(yǔ)義網(wǎng)所有的技術(shù)放在里面。這就帶來(lái)了一個(gè)嚴(yán)重的問題，就是絕大多數(shù)的企業(yè)、開發(fā)者很難理解，無(wú)從下手。

到了 2006 年時(shí)我們的“神”Tim Berners-Lee 出來(lái)思考這個(gè)問題，他想與其要求大家現(xiàn)在把數(shù)據(jù)搞得很漂亮，不如讓大家把數(shù)據(jù)公開出來(lái)。只要數(shù)據(jù)能夠公開出來(lái)，數(shù)據(jù)能夠連在一起，我們就會(huì)建立一個(gè)生態(tài)，這套想法他稱為“關(guān)聯(lián)數(shù)據(jù)”。

他提出了數(shù)據(jù)發(fā)布的基本原則，上圖是我從他的博客上面提取出來(lái)的，我也非常推薦大家好好看他的博客“Design Issues”，Tim Berners-Lee 會(huì)提前 20 年時(shí)間去想人類的未來(lái)是什么樣的，我們的 Web 到底應(yīng)該遵循什么樣的原則。

在關(guān)聯(lián)數(shù)據(jù)的定義上，他定義了幾層什么是好的關(guān)聯(lián)數(shù)據(jù)：第一是在網(wǎng)上，一顆星；二是機(jī)器能夠自動(dòng)讀，這就有兩顆星；三是盡可能用一個(gè)公有的格式，不要是某個(gè)公司私有的，這樣能夠促進(jìn)公開交換，做到這點(diǎn)就有三顆星；因?yàn)槭?W3C 提出來(lái)的，必須用 RDF，用 RDF 就有四顆星；如果 RDF 有 ID 把它連在一起就是五顆星。這就是 Tim Berners-Lee 提出的關(guān)聯(lián)數(shù)據(jù)的五星標(biāo)準(zhǔn)。

小結(jié)：從強(qiáng)語(yǔ)義到弱語(yǔ)義的嘗試（關(guān)聯(lián)數(shù)據(jù)）

2006 年之所以 Tim Berners-Lee 要推進(jìn)這個(gè)轉(zhuǎn)變，就是因?yàn)樗?dāng)時(shí)看到了有些風(fēng)險(xiǎn)。語(yǔ)義網(wǎng)的頭 5 年時(shí)間并不是特別成功，因?yàn)闆]有人愿意發(fā)布數(shù)據(jù)，這時(shí)候 Tim Berners-Lee 出來(lái)帶領(lǐng)大家調(diào)整方向，不要再去強(qiáng)調(diào)很強(qiáng)的語(yǔ)義和推理了，可能一個(gè)比較弱的語(yǔ)義或者一個(gè)結(jié)構(gòu)化本身就已經(jīng)足夠了，這就是 Tim Berners-Lee 用“關(guān)聯(lián)數(shù)據(jù)”概念再次盤活了這個(gè)領(lǐng)域。

▌新的綜合：交換語(yǔ)言

這張圖上總結(jié)了知識(shí)交換語(yǔ)言一系列的發(fā)展，剛才提到 RDF，RDF+HTML，變成了 RDFa，還有另外一種叫 Microformat，這都是非常多網(wǎng)站上已經(jīng)用到的元數(shù)據(jù)語(yǔ)言。RDF+HTML5 就變成了 Microdata，RDF+JSON 就變成了 JSON-LD。所以傳統(tǒng)的 RDF semantics 就是基于 XML 的 semantics，現(xiàn)在不太多見了，因?yàn)槟莻€(gè)東西非常復(fù)雜，學(xué)習(xí)成本非常高。

現(xiàn)在我們看到的大部分 RDF 從概念上是 RDF 的變種，但是語(yǔ)法形式在網(wǎng)站上打開元代碼看都有元數(shù)據(jù)。大概 3 年前統(tǒng)計(jì)，有 30% 的網(wǎng)頁(yè)已經(jīng)有語(yǔ)義數(shù)據(jù)了，現(xiàn)在應(yīng)該至少超過一半的網(wǎng)站都有語(yǔ)義數(shù)據(jù)，所以 RDF 是很成功的一個(gè)東西。

▌新的綜合：存儲(chǔ)語(yǔ)言（圖數(shù)據(jù)庫(kù)）

當(dāng)數(shù)據(jù)多了以后面臨另外一個(gè)問題，就是如何去存儲(chǔ)和操作知識(shí)圖譜的應(yīng)用數(shù)據(jù)。大公司和小公司各自有自己不同的解決方案，統(tǒng)稱為“圖數(shù)據(jù)庫(kù)”。為什么語(yǔ)義網(wǎng)的數(shù)據(jù)庫(kù)稱它為“圖數(shù)據(jù)庫(kù)”？前面幾張 PPT 講到 RDF 時(shí)，其實(shí) RDF 就是各種事情之間的關(guān)聯(lián)，我們把這種關(guān)聯(lián)畫出來(lái)，變成很大的一個(gè)圖，很自然的就用圖數(shù)據(jù)庫(kù)進(jìn)行知識(shí)圖譜的存儲(chǔ)。所以谷歌、微軟各個(gè)大廠都有自己的圖數(shù)據(jù)庫(kù)，至少是定制化的數(shù)據(jù)庫(kù)。

圖數(shù)據(jù)庫(kù)這件事情上后來(lái)產(chǎn)生了兩個(gè)新的流派，一個(gè)流派叫“RDF 數(shù)據(jù)庫(kù)”，另外一個(gè)叫“屬性圖數(shù)據(jù)庫(kù)”，雖然同樣是圖，但兩種數(shù)據(jù)庫(kù)關(guān)聯(lián)系統(tǒng)的定義是完全不一樣的。因?yàn)?RDF 這種圖本質(zhì)上強(qiáng)調(diào)推理邏輯；而屬性圖要放開很多，而且屬性圖發(fā)展過程中工程化做得非常好。

小結(jié)：從強(qiáng)語(yǔ)義到弱語(yǔ)義的嘗試（圖數(shù)據(jù)庫(kù)）

在圖數(shù)據(jù)庫(kù)的嘗試當(dāng)中，我們?cè)俅伟颜Z(yǔ)義給弱化了，從強(qiáng)語(yǔ)義到弱語(yǔ)義，因?yàn)槿绻覀冇脧?qiáng)語(yǔ)義就用 RDF 數(shù)據(jù)庫(kù)，如果我們?cè)试S有弱語(yǔ)義就可以用圖數(shù)據(jù)庫(kù)。最后證明，圖數(shù)據(jù)庫(kù)的發(fā)展速度遠(yuǎn)遠(yuǎn)快于 RDF 數(shù)據(jù)庫(kù)。所以從實(shí)踐當(dāng)中總結(jié)出來(lái)的東西總是有生命力的，如果只是基于純理論的思考設(shè)計(jì)出來(lái)的東西通常是沒有生命力的。

Lean semantic Web

在整個(gè)領(lǐng)域發(fā)展過程中，我慢慢也有一些思考。后來(lái)我有一個(gè)博客叫“語(yǔ)義噪聲”，這里記錄了很多我對(duì)語(yǔ)義網(wǎng)大大小小事情的想法。那天統(tǒng)計(jì)了一下，加在一起大概有 300 多頁(yè)紙的內(nèi)容，如果有空了會(huì)整理出來(lái)給大家看。

這里我列舉了一些跟今天講課內(nèi)容關(guān)系比較緊密的東西，包括為什么語(yǔ)義網(wǎng)會(huì)不斷的去簡(jiǎn)化，為什么鏈接數(shù)據(jù)最后要演化成所謂的知識(shí)圖譜。我之前的博客里都寫過，歡迎大家去看一看。

還有 github 上，大連理工大學(xué)的耿新鵬博士把我博客文章整理到 github 上了，大家不用翻墻就可以看得到了。

▌總結(jié)

其實(shí)知識(shí)圖譜從 2012 年谷歌提出之后，它進(jìn)入了新的綜合的過程。知識(shí)圖譜在理論上并沒有特別大的進(jìn)步，因?yàn)檫@些工程包括邏輯推理幾十年來(lái)一直都是這樣。進(jìn)步的地方在哪里？通過實(shí)踐發(fā)現(xiàn)，我們要想實(shí)現(xiàn)一個(gè)人工智能非常復(fù)雜的分支，其實(shí)是沒有辦法用那種學(xué)院派辦法來(lái)做的。我們只有理論結(jié)合實(shí)際，甚至從實(shí)踐中出發(fā)總結(jié)出產(chǎn)品來(lái)、總結(jié)出語(yǔ)言來(lái)，這樣?xùn)|西的生命力遠(yuǎn)遠(yuǎn)大于一群專家坐在屋子里討論出來(lái)的。

知識(shí)圖譜的領(lǐng)域從 2006 年往前一直不斷從弱語(yǔ)義到強(qiáng)語(yǔ)義的發(fā)展過程中，這個(gè)階段最后被證明是不太成功的。2006 年之后這個(gè)領(lǐng)域不斷的強(qiáng)調(diào)工程、強(qiáng)調(diào)應(yīng)用、強(qiáng)調(diào)數(shù)據(jù)、強(qiáng)調(diào)跟實(shí)踐最相關(guān)的東西，語(yǔ)義也進(jìn)一步弱化，又從強(qiáng)語(yǔ)義再次回歸到弱語(yǔ)義。2012 年谷歌的知識(shí)圖譜是完全拋棄掉語(yǔ)義的。

從二十年來(lái)的歷史表明，從實(shí)踐中總結(jié)的方法要優(yōu)于從頂向下設(shè)計(jì)的方法。如果你有一個(gè)很好的想法或者一個(gè)很好的語(yǔ)言，并不能保證別人就能夠用起來(lái)，除了要貼合用戶的需求之外，還有大量工具工作和生產(chǎn)工具的工作，這就形成了產(chǎn)業(yè)鏈。

所以在知識(shí)圖譜領(lǐng)域，我們不能狹隘看它的某一種語(yǔ)言或者某一種技術(shù)，它是一個(gè)體系的，就是一大堆結(jié)構(gòu)化數(shù)據(jù)從生產(chǎn)到存儲(chǔ)到檢索的全流程工具豐富程度，才決定這個(gè)技術(shù)能不能落地。簡(jiǎn)單的優(yōu)于強(qiáng)大的，太過復(fù)雜的比如 OWL 最終用不起來(lái)，反而比較簡(jiǎn)單的的像 RDF、最近比較火的 JSON-LD 用得越來(lái)越多。越簡(jiǎn)單越好，這就是 20 年來(lái)最核心學(xué)習(xí)到的東西。

▌?wù)雇?/p>

知識(shí)圖譜從 2015 年之后，就在實(shí)踐中應(yīng)用越來(lái)越廣泛。經(jīng)過這幾年培育，在不同的領(lǐng)域里，像醫(yī)療、法律、金融都已經(jīng)有比較好的公司建立起市場(chǎng)口碑了。相信知識(shí)圖譜還會(huì)向更多其他的垂直領(lǐng)域進(jìn)行滲透。

我們這幾年時(shí)間最主要的工作，不管在中國(guó)，還是在美國(guó)，都是促進(jìn)了知識(shí)圖譜工具的建設(shè)。這是我今天晚上第三次強(qiáng)調(diào)工具了，如果你離開一整套的工具鏈條的話，比如校驗(yàn)工具、編輯工具、檢索工具、推理工具，開發(fā)是非常難做的。

知識(shí)圖譜本質(zhì)上來(lái)說是一種程序，它是為了機(jī)器理解世界是什么時(shí)寫的一種程序。知識(shí)工程和軟件工程一樣，需要很多人在一起協(xié)作才能夠做好。我們經(jīng)過這幾十年軟件工程總結(jié)出一整套的打法來(lái)，可以讓比較笨的人或者專業(yè)度不那么強(qiáng)的人，也可以去做開發(fā)工作。對(duì)于知識(shí)工程而言，目前沒有達(dá)到那個(gè)點(diǎn)，這就是為什么知識(shí)工程那么貴的原因。但是我相信今后一段時(shí)間內(nèi)工具的建設(shè)會(huì)不斷改善，我們自己也在做一些工具，將來(lái)會(huì)提供給大家用。

▌相關(guān)資料

下面是是跟語(yǔ)義網(wǎng)有關(guān)的參考資料，我刻意沒有去列近期的東西，因?yàn)榻^大多數(shù)重要的東西在 2012 年前就有了，2012 年之后的東西沒有那么太必要搞明白，我們優(yōu)先把這個(gè)領(lǐng)域本源的東西看一下，相信對(duì)大家是有價(jià)值的。如果大家對(duì)英文還 OK，我建議大家讀讀 W3C 一系列標(biāo)準(zhǔn)，包括 RDF 有一個(gè)入門指南寫得非常好，OWL 也有一個(gè)入門指南是我參與寫作的。

總的來(lái)說，到目前為止知識(shí)圖譜在中國(guó)沒有特別好的書來(lái)講，王昊奮、漆桂林、陳華鈞老師他們正在寫。其他的包括知識(shí)抽取、知識(shí)檢索工具的總結(jié)在W3C上也有，歡迎大家去看一看，可以解惑。