人工智能“新基建”與知識圖譜

新型基礎設施建設是為加快國家規劃建設推出的重大工程和基礎設施建設項目，面向新產業、新業態和新模式，同時助力傳統基礎設施的智能化改造。當前人工智能的發展仍然處于弱人工智能的狀態，研究重心由感知智能過渡到認知智能。知識圖譜是一種用圖模型來描述知識和建模世界萬物之間關聯關系的大規模語義網絡，幫助機器實現理解、解釋和推理的能力，是認知智能的底層支撐。2019年知識圖譜相關的融資金額較2018年增長超過200%，逐漸成為人工智能又一熱點產業，產業鏈初具規模，2019年知識圖譜核心產品市場規模約65億元，知識圖譜技術帶動經濟增長規模約391.8億元。

新基建與知識圖譜

新基建

2020年4月，國家發展和改革委員會將新型基礎設施初步定義為：以新發展理念為引領，以技術創新為驅動，以信息網絡為基礎，面向高質量發展需要，提供數字轉型、智能升級、融合創新等服務的基礎設施體系。

與傳統的基礎設施建設相比，新基建體現出“重創新、補短板”的特征：主要面向新產業、新業態和新模式，促進經濟結構優化；但同時也對傳統基礎設施建設形成補充，助力傳統基礎設施的智能化改造，提高傳統基礎設施的運行效率。伴隨著技術革命和產業變革，新型基礎設施的內涵和外延還將不斷豐富和延展。

人工智能是新基建的重點領域

人工智能是新一輪科技革命和產業變革的核心驅動力，在新基建的三大領域中，兩大領域都直接提及人工智能。在信息基礎設施領域，人工智能與云計算、區塊鏈一起被視為新技術基礎設施；而在融合基礎設施領域中，人工智能則被視為支撐傳統基礎設施轉型升級的重要工具。人工智能新基建的本質不僅僅指向其自身的產業化發展，更是在實體經濟中尋找應用場景，賦能生產力升級，即作為重大應用基礎設施，推動各行業完成智能化轉型，實現新舊動能的轉換。

人工智能進入認知智能探索階段

當前呈現弱人工智能狀態，在認知智能領域還處于初級階段。人工智能的本質是進行生產力升級，因此評判人工智能技術是否有價值，要看其應用是否貼近生產核心。一般認為，人工智能分計算智能、感知智能和認知智能三個層次。計算智能即快速計算、記憶和儲存的能力；感知智能即對自然界具象事物的識別與判斷能力；認知智能則為理解、分析等能力。當前，數據標準化趨于成熟，以快速計算和存儲為目標的計算智能基本實現；在機器學習和深度學習技術的推動下，以視聽覺等識別技術為目標的感知智能突破了工業化紅線，實現了機器對自然界具象事物的判斷與識別。

感知智能呈現的終究是一種弱人工智能狀態，還只能在某一方面的人類工作上協助或替代人類。當人們能使用機器識別更多事物，自然引發了對事物的理解和分析等深層次的自動化知識服務的需求，而需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。

知識圖譜

知識圖譜最常見的表示形式是RDF（三元組），即“實體x關系x實體”或“實體x屬性x屬性值”集合，其結點代表實體（entity）或者概念（con?cept），邊代表實體/概念之間的各種語義關系。由于知識圖譜富含實體、概念、屬性和關系等信息，使機器理解與解釋現實世界成為可能。

上世紀七八十年代，傳統的知識工程與專家系統解決了很多的問題，但都是在規則明確、邊界清晰、應用封閉的限定場景取得成功，嚴重依賴專家干預，一旦涉及到開放的問題就不太可能實現，因此難以適應大數據時代開放應用到規?；男枨蟮葐栴}。相對于傳統的知識表示，知識圖譜具有規模巨大、語義豐富、質量精良與結構友好等特點，宣告知識工程進入了一個新的時代。

知識圖譜是認知智能的底層支撐

讓機器具備認知智能，具體體現在讓機器掌握知識，擁有理解數據、理解語言，進而理解現實世界的能力，擁有解釋數據、解釋過程，進而解釋現象的能力，擁有推理、規劃等一系列人類所獨有的思考認知能力，而這些能力的實現與大規模、結構化、關聯密度高的背景知識是密不可分的。

知識圖譜通過對海量結構化和非結構化數據進行知識萃取并關聯形成網狀知識結構，對概念間的關系屬性進行聯結和轉換，支持非線性的、高階關系的分析，為描繪物理世界生產生活行為提供有效的方法與工具，是認知智能的底層支撐。知識圖譜幫助機器實現認知智能的“理解”和“解釋”能力：通過建立從數據到知識圖譜中實體、概念、關系的映射，使機器能理解數據，從數據中提煉出行業或領域內高精度的知識；通過利用知識圖譜中實體、概念和關系來解釋現實世界中的事物和現象，使機器能解釋現象?；谥R圖譜和邏輯規則或統計規律，機器能推理出實體或概念間深層的、隱含的關系，實現認知智能的“推理”能力。

知識圖譜是人工智能應用鏈條的第一步，是人工智能的底層技術。知識圖譜在高效數據處理和知識加工推理方面的能力，推動人工智能既有產品的升級或提供更有效的解決方案，同時也可轉化為新的商業產品形式。

知識圖譜的產品形式可以分為原圖應用和算法支撐兩類。原圖應用是指基于知識圖譜的圖結構和豐富的語義關系，直接通過圖譜產生價值的服務形式，例如圖挖掘、關聯分析等。其中，通用知識圖譜被視為下一代搜索引擎的核心技術。算法支撐是指通過知識圖譜對信息源的數據進行處理，將產出的結構化關聯數據用于其他人工智能任務的算法模型訓練和應用，進而得到能解決具體場景問題的研判建議，形成產生價值的服務形式。

知識圖譜為其他人工智能任務提供算法支撐的典型應用主要包括智能問答、智能搜索和智能推薦、決策分析系統等?；谥R圖譜的智能搜索能對文本、圖片、視頻等復雜多元對象進行跨媒體搜索，實現篇章級、段落級、語句級的多粒度搜索。

智能搜索使計算機能更準確地識別和理解用戶深層的搜索意圖和需求，在知識圖譜中查找出目標實體及其相關內容，對結果內容進行實體排序和分類，并以符合人類習慣的自然語言的形式展示，從而提高搜索體驗。

智能問答分為直接回答、統計回答和推理回答?；谥R圖譜的智能問答能從實體和短句兩個維度進行挖掘，能理解多樣問法和有噪音問法，具有較高的準確率、召回率。在對話結構和流程設計上，能實現實體間上下文會話的識別與推理，最終實現更自然的人機交互。基于知識圖譜的智能推薦則通過獲得用戶和物品的精確畫像，從而實現準確的匹配和有針對性的推薦，實現場景化、任務型的推薦。

知識圖譜典型應用場景

城市治理

中國城市存在巨大的存量治理和精細化發展需求。隨著城市公共管理的數據來源由政務數據不斷拓展至交通、視頻、環境等其他城市運行感知數據以及企業數據，城市大數據平臺也從政務共享交換平臺，發展成為多方共建共用共享的大數據平臺?；谥R圖譜技術，將分散在政府各個部門、生產生活各個領域的相互孤立的數據資源聯通共享，實現多源數據集成交換，從而對政務數據和社會數據進行深度挖掘。通過數據融合分析與管控，最大化發揮數據要素的效能，發現不同群體、不同行業的服務需求，實現政務服務的精準化供給、政府科學決策和高效社會治理。

公安大數據是全面助推公安工作質量、效率、動力變革的重要力量。隨著跨部門、警種、業務的協同和整合大趨勢的到來，知識圖譜能通過數據分析、文本語義分析等手段，抽取出人、物、地、機構、虛擬身份等實體，并根據其中的屬性、時空、語義、特征、位置聯系等建立相互關聯，構建多維多層的，實體與實體、實體與事件的關系網絡。在解決公安大數據發展中面臨的數據缺乏關聯性、缺乏全警種智能應用等問題時發揮重要作用，真正激發大數據的價值。

建設公安知識圖譜遵循知識圖譜搭建邏輯。知識抽取、本體層建設和實戰應用開發等環節需要運用分布式儲存、關聯算法、語義推理等技術，將公安部門多年業務中積累的技戰法進行總結和可視化處理，與技術算法相互轉換，以集成犯罪和預測模型，實現重點人員場所關聯分析、物品關聯分析、團伙關系分析、異常事件挖掘、相似案件推理等功能，提升公安信息化的智能化水平，促進公安情報研判的演進，高效服務公安的打防管控工作，做到精準的犯罪預測預警。

醫療健康

醫療健康是典型的數據海量且多源異構的行業，數據專業性強、結構復雜，數據融合在醫療健康行業應用場景中更加困難。利用知識圖譜的能力，聚合核心醫學概念和醫療生態圈知識，從海量的臨床案例中對經驗和知識進行提煉整理、錄入標注、體系構建，在解決優質醫療資源供給不足和醫療服務需求持續增加的矛盾中產生重要的作用。

教育知識

當前人工智能技術更多應用在如拍照搜題、口語評測、課堂監控等外圍需求的工具上，并未能有效深入到教學場景中。搭建貫穿教材知識體系、教學資源管理和受教育者學習軌跡的知識圖譜，將教與學的全過程進行可視化展現，使靜態知識點數據與動態教學活動數據產生關聯，為算法利用提供支撐環境。

知識圖譜在教育領域主要應用場景有：一是將學科教材知識進行本體建模，形成可關聯性查詢的知識網絡；二是以圖結構將教學資源以及關系進行語義化組織，以便合理調用；三是在知識圖譜的基礎上，應用大數據、AI等技術形成面向學習目標的個性化學習路徑，實現千人千面的教學方案；四是面對受教育者搭建個人知識圖譜，通過對其知識點學習進度和考試反饋數據的實時關聯，形成知識掌握狀態的可視化個人畫像，實現習題推送和老師一對一教學有的放矢；五是將教育領域碎片化、多源異構數據進行處理，形成標準化的關聯數據集，為機器學習算法訓練提供必要條件。

通用制造業

制造業體系龐大、場景豐富、產品類型多、定制化程度高，具有數據龐大且知識結構復雜的特性，存在著如工序流程和工藝制造等事理知識，同時也存在大量的定量知識。事件之間存在著大量的事理邏輯關系，而不同角色本體構造提出的需求也不盡相同。引入知識圖譜技術，將工廠車間、人工資源、物料組件、設備制具、工藝流程、故障等制造業的基礎數據進行知識分類和建模，通過對知識的抽取，對定量知識與事理知識的融合以及對實體之間復雜關系的挖掘，構建制造業知識服務平臺，建立產品規劃、設計、生產、試制、量產、使用、服務、營銷和企業管理等全生命周期的互聯，還能融合環境、焚燒、水務、模具、能源管理等多個相關行業的知識內容，通過快速搜索和推理關系中的趨勢、異常和共性更好地組織、管理和理解制造業體系的內部聯系，將知識轉化為決策依據，破除產品封閉式的重復研發實現創新，進行全流程多方面的協調管控，提高制造流程中問題的預見和解決能力，提升資源管理能力、生產效率和產品質量。

智慧建筑

當前建筑行業仍是勞動力密集型行業，擁有動態且復雜的行業結構。根據不同項目類型、項目階段和項目目標，將項目過程中不斷重復的知識、使用知識本體的方式進行組織化的設計和管理，以實現從圖紙設計、審圖、施工、驗收到樓宇運維全流程內知識的重復使用和組織化管理，是建筑行業實現智能化的目標。當前建筑信息模型（BIM,Build?ing Information Modelling）從工程實踐到管理理念上都在給建筑業與施工業帶來不同程度的變革。作為含有豐富語義信息的三維模型載體，BIM的屬性與信息體系包含了建筑的空間幾何信息、屬性信息等，是實體建筑的數字化表達，具有真實性和全面性的特點，都可以有效分類和聚集成為若干知識本體。結合知識圖譜的知識抽取、知識融合及知識加工等構建技術，集合成以BIM數據與規范為主的建筑工程行業知識圖譜，從而提升設計階段BIM審圖規范與效率、輔助施工階段質量管理與決策、改善運維階段數據流轉，進而提高分析能力。

人工智能新基建下城市創新場景

城市是基礎設施建設的核心載體，城市智慧化建設是新基建價值實現的重要需求領域。數據是城市治理最重要的資源之一，新基建的各個領域中，5G使數據傳輸實現跳躍式發展，滿足更多應用場景；物聯網采集海量數據，并根據反饋提供命令執行支持；云計算提供計算存儲等基礎服務，為大規模軟硬件、數據的操作和管理提供平臺。例如，“蘇州交警5A計劃”依托人工智能、大數據、物聯網、視頻識別、移動互聯網等現代信息技術，使交警自有數據、互聯網數據及其他部門數據實現匯聚共享，解決了城市外場設備多、應用效率低、數據獨立分散、信控手段單一落后等問題。“蘇州交警5A計劃”在全市信號控制路口達5887個，聯網率達81.1%，實現交通狀態精準感知、交通擁堵成因深度挖掘、交通事件預測、交通信號實時優化等功能，2019年全市交通死亡事故起數和死亡人數同比下降13.67%、13.21%。

由此可見，人工智能技術尤其是通過對知識圖譜的應用，能對城市生活中的衣、食、住、行，城市管理中的行政管理、公共事業管理、勞動與社會保障、土地資源管理等數據進行分析和挖掘，建成易于組織、管理和利用的動態知識庫，提升城市治理效率。