博文

【Bots 的愿景】

已有 3641 次阅读 2016-6-30 00:05 |个人分类:立委科普|系统分类:科普集锦| 人机接口, bots

其实所谓 bots 只是一个用户端的入口，不久未来的世界中的人机接口。

从长远来看，它不仅仅是连接音响或其他apps的启动装置，也不满足于做一个聊天的玩具。加入知识图谱以后，它就变成了知识问答。IBM沃森的问答超越人类，作为AI的里程碑，其背后的原理也不过如此。沃森系统更多是工程的成就，而不是研究的突破，是大数据大架构大运算的成果。从系统本身看，并没有超出我们当年做问答系统的基本原理和算法。在第一届 TREC-8 问答系统大赛中，我在Cymofny做的QA系统赢得第一名，66 分，比 IBM 系统（沃森系统的前身）超出了 20 多分。他们后来的成就是因为 IBM 有实力把这个工作进行到底，而整个业界在 NASDAQ 2001 年坍台以后，全部抛弃了 QA 的应用开发，投资人撤资或冻结这方面的任何尝试。我们当年是转向去专做企业情报挖掘了。

广义的图谱包括 parse trees 可以对付无法预见的语义搜索的长尾问题。本义的图谱专指针对领域和应用的 predefined 的知识挖掘，可以精准回答可以预见的问题。由于大数据的信息冗余，使得 imperfect NLP 技术也一样在问答应用上闪闪发光，打败人类。IBM 系统底层的 NLP 和 IE 内核，据了解并非一流的水平，但这不妨碍它在大数据大运算大存贮大架构的工程运作下，一鸣惊人。

图谱是动态的，这一点有几个应用方面的视角：

首先，图谱的知识来源是动态的，因此图谱需要定时和不断地更新
我们做社会媒体挖掘，挖出来的 sentiment 图谱大约是一个季度更新一次，有特别需要的时候更新更快。在并行云计算的架构里，每次更新前后需要约三周时间近200台servers。

其次，图谱里面的关系和事件是动态连接的
它有无数种进一步组合的可能性，也有进一步挖掘其隐含关系或 trends 的潜力。这些潜力需要一个触发机制去调动它根据应用的需要和接口。

浅谈一下使用动态图谱的几个场景：

1 semantic search：包括 SVO search

这是对关键词搜索的直接延伸，保留了关键词搜索的应对长尾的能力，可以应对无法事先预见的问题和信息索求，同时大幅度提高搜索的精准度借助（广义）图谱或 parse tree 的结构 leverage。

2 问答系统

这是对可以事先预见的问题，或一个领域的 FAQ 等设计的是知识图谱的拿手好戏。根据需要回答的问题，制定图谱抽取挖掘的目标，针对性强，有备而来，焉得不成？

3. 智能浏览

这也是图谱的拿手好戏，因为图谱本身就是互相连接的实体的关系与事件的巨大的网络。只要有一个起点，顺藤摸瓜似的动态智能浏览可以设计得随心所欲，让信息随着人的关注点动态 real time 转移，满足人类没有特定目标或只有模糊目标时的信息需求对于研究者是特别有力的工具。

【相关】

【立委科普：实体关系到知识图谱，从“同学”谈起】