江苏龙网

  1. 首页 > 人文 > >

「AI科技评论」S. Yu 团队发布权威综述，六大开放问题函待解决，Philip


「AI科技评论」S. Yu 团队发布权威综述，六大开放问题函待解决，Philip
文章图片
2019年年底 ， 图灵奖获得者Bengio曾指出 ， 我们正处于从以感知智能为代表的深度学习“系统一” ， 向以认知智能为代表的深度学习“系统二”过渡的时期 。
在这个过程中 ， 知识图谱技术起到了关键性的作用 。 近年来 ， 图网络的蓬勃发展也印证了这一趋势 。
本文是数据科学权威PhilipS.Yu团队对知识图谱领域的最新综述 ， 从发展历史、理论基础、实际应用、未来的研究方向等方面为该领域勾画出了一幅宏伟而全面的图景 。
文|MrBear
编|丛末
引入人类的知识是人工智能的重要研究方向之一 。 知识表征和推理受到了人类解决问题方法的启发 ， 旨在为智能系统表征知识 ， 从而获得解决复杂问题的能力 。 最近 ， 知识图谱作为一种结构化的人类知识 ， 同时受到了学术界和工业界人士的极大关注 。
知识图谱是一种对于事实的结构化表征 ， 它由实体、关系和语义描述组成 。 实体可以是真实世界中存在的对象 ， 也可以是抽象的概念；关系则表示实体之间的关联；实体及其关系的语义描述包含定义良好的类型和属性 。 如今 ， 属性图已经被广泛使用 ， 其中节点和关系都具有属性 。
术语「知识图谱」和「知识库」几乎是同义词 ， 只有很微小的差别 。 当我们考虑知识图谱的图结构时 ， 可以将其视为一个图 。 当涉及形式语义问题时 ， 它又可以作为对事实进行解释和推理的知识库 。 知识库和知识图谱的具体形式如图1所示 。
知识可以通过资源描述框架（RDF）被表示为一种事实三元组的形式 ， 如（头实体 ， 关系 ， 尾实体）或（主语 ， 谓语 ， 宾语） ， 例如（爱因斯坦 ， 是...获奖者 ， 诺贝尔奖） 。 知识也可以被表征为一种有向图 ， 其节点代表实体 ， 边代表关系 。
为了简便起见 ， 并顺应研究社区的发展趋势 ， 本文中互换使用知识图谱和知识库这两个术语 。
「AI科技评论」S. Yu 团队发布权威综述，六大开放问题函待解决，Philip
文章图片
图1：知识库和知识图谱示意图
近年来 ， 基于知识图谱的研究主要关注的是 ， 通过将实体和关系映射到低维向量中 ， 获取它们的语义信息 ， 从而实现知识表征学习（KRL）或知识图谱嵌入（KGE） 。 具体的知识获取任务包括知识图谱补全（KGC）、三元组分类、实体识别 ， 以及关系抽取 。
基于知识的模型得益于异构信息、丰富的知识表征本体和语义 ， 以及多种语言知识的集成 。 因此 ， 在常识理解能力和推理能力取得进步的同时 ， 诸如推荐系统和问答系统等许多真实世界中的应用也走向了繁荣 。 微软的Satori和谷歌的知识图谱等现实世界中的产品 ， 已经展现出了提供更多高效服务的强大能力 。
「AI科技评论」S. Yu 团队发布权威综述，六大开放问题函待解决，Philip
文章图片
论文链接：http://arxiv.org/abs/2002.00388
一、知识库简史
在逻辑学和人工智能领域 ， 知识表征经历了漫长的发展历史 。 用图进行知识表征的思想最早可以追溯到Richens在1956年提出的「语义网」（SemanticNet） ， 而符号逻辑知识则可以追溯到1959年的通用问题求解器 。
起初 ， 知识库被用于基于知识的推理的问题求解系统 。 MYCIN是被用于医学诊断的、最著名的基于规则的专家系统之一 ， 它拥有一个包含约600条规则的知识库 。
在这之后 ， 人类知识表征研究社区在基于框架的语言、基于规则的表征以及混合表征方面都取得了一定的研究进展 。 大约在这一时期的末期 ， 旨在集成人类知识的Cyc计划 ， 开始了 。
资源描述框架（RDF）和网络本体语言（OWL）相继发布 ， 成为了语义网的重要标准 。 接着 ， 人们也发布了诸如WordNet、DBpedia、YAGO和Freebase这样的开放的知识库或本体 。
Stokman和Vries于1988年提出了现代意义上的以图的形式组织知识的思想 。 然而 ， 知识图谱的概念开始盛行还要等到2012年谷歌首次在其搜索引擎中引入知识图谱 ， 此时它们提出了被称为「KnowledgeVault」的知识融合框架 ， 从而构建大规模知识图谱 。 知识库的发展历史简图请参阅本文附录A 。


推荐阅读


上一篇：博鳌亚洲论坛推迟举行2020年年会

下一篇：苹果手机2月份在中国市场的销售量不到50万部