这是一个数字化的时代, 数据正成为这个时代最核心的资源. 但各行业的数据虽然有大量积累, 却犹如笼中巨兽, 能量无法释放, 究其原因, 一方面是数据本身的复杂性造成, 如数据存储在不同的平台, 结构不统一, 基于知识的表达形式各异等等问题, 造成了很难将不同的数据融合, 表达为有效的业务知识, 供行业应用; 另一方面是缺少智能化的手段, 挖掘数据价值的每个环节都需要大量专业的人力, 专业的工具才能进行, 没有机器可以像人一样的去理解行业数据, 替代行业从业人员挖掘数据中的价值.
如何释放这笼中巨兽, 发挥数据资源的真正能量, 知识图谱提出了一个 AI 时代的解决方案.
为机器赋能 -- 人工智能之知识图谱
数据的价值在于数据中包含的知识, 知识的力量在于如何有效应用知识.
大数据背景下, 为了让知识得到最大化利用, 产生了 "知识融合" 和 "知识图谱" 的概念. 知识融合是将多源异构的分布式知识进行组织提取, 以知识需求作为最终目的进行转化融合, 并将结果用于相关问题的解决. 而知识图谱以结构化的形式描述客观世界中概念, 实体及其关系, 将互联网的信息表达成更接近人类认知世界的形式, 提供了一种更好地组织, 管理和理解互联网海量信息的能力. 作为符号主义发展的最新成果, 知识图谱被视为人工智能的重要基石, 知识图谱也因其强大的语义处理能力和开放组织能力
回顾知识图谱的发展历程, 需要追溯到上世纪 50 年代的图灵测试开始, 一直到 2012 年由谷歌提出 Knowledge Graph, 并成功应用于搜索引擎, 是利用知识工程建立大规模知识资源的一个杀手锏应用."将知识集成到计算机系统从而完成只有特定领域专家才能完成的复杂任务." 确如图灵奖获得者费根鲍姆所说, 大数据对智能服务的需求, 已经从单纯的搜集获取信息, 转变为自动化的知识服务. 而从通用领域逐渐走向行业领域则是费根鲍姆所说的特定领域专家的必经之路.
知识图谱的构建架构
知识图谱技术与行业智能化升级紧密结合, 很多行业经过数十年的信息化建设, 基本上完成数据的采集与管理的使命, 为各行业智能化升级与转型奠定了良好的基础. 在行业智能化的实现过程中, 迫切需要将行业知识赋予机器, 让机器具备一定程度的行业认知能力, 代替人从事简单知识工作, 而人则可以应用知识, 进行更高一级的分析决策工作. 建设基于知识图谱技术的分析系统, 沉淀行业知识, 实现简单知识工作自动化, 能够有效促进行业的智能化升级.
为分析减负 -- 构建人工智能分析平台
在将知识图谱应用于具体行业中, 已经有一批公司开始了尝试. 作为认知智能应用先锋的一览群智, 在知识图谱上的应用就很具有代表. 一站式分析研判通用平台 "智策" 结合 NLP,OCR, 知识图谱等人工智能技术, 贯通数据融合, 知识可视化表达, 知识图谱构建等全流程, 让机器获取知识, 自动完成大量脑力工作, 减轻人力分析负担, 让困难的分析研判工作简单化.
智策平台产品架构图
智策平台的核心目标是针对行业数据, 快速构建知识图谱, 并基于构建的知识图谱进行业务分析研判, 在平台上完成数据输入, 数据到知识的转化, 知识应用及应用结果输出这样的一个完整流程. 智策平台包括平台层和应用层两大部分, 平台层是由大数据平台, 人工智能平台 (ML,NLP,OCR 平台组成), 知识图谱平台组成的基础平台, 应用层则是对数据的构建应用, 通过调用不同的基础平台实现对数据的处理.
智策平台数据接入部分
接受外部数据为输入, 设置了结构化, 半结构化, 非结构化不同类型数据的接入接口, 接入的结构化和半结构化数据可调用大数据平台进行清洗治理, 而非结构化数据则可调用人工智能平台进行处理. 数据到知识的转化包括两种不同的方式实现, 结构化和半结构化部分通过数据模型完成数据到知识的转化, 而非结构化数据则通过人工智能平台的一系列抽取消歧等自然语言处理手段加人工协助完成数据到知识的转化, 不同类型的数据可以完全融合, 最终体现为知识图谱.
智策平台的模型体系
知识的最终应用为分析研判, 智策平台首先支持对数据模型进行业务封装, 将业务过程和专家经验提炼转换为结合人工智能的具体业务模型, 实现同类型数据的快速分析, 结果生成. 同时公司自研了可视化的分析组件, 能够很好的支持关系查询, 关联对象查询, 自定义网络查询, 关联分析, 可疑路径钻取等多种分析应用. 智策平台也提供了地图和时间轴相结合的时空分析功能, 可将图谱中具有地址属性和时间属性的节实体在地图和时间轴上定位, 进行轨迹分析或热图分析等, 如重点人物轨迹跟踪, 投资区域热度分析等应用. 智策平台也提供了流向分析的功能, 可将需要分析流向的数据集整个导入流向分析模块中, 系统自动汇总数据走向, 生成流向分析图, 有助于快速定位核心节点, 在资金, 流量等流向分析中效果显著.
智策平台的应用功能
知识图谱协助实现行业智能化
为了满足不同行业的数据价值挖掘需求, 在应用上提供从分析工具到智能决策的系列功能, 智策平台在数据整合方面做到了从小数据导入到大数据融合的全面支持, 而从分析模式上做到了从零散数据到情报构建的快速提炼. 针对情报融合后的分析工具应用, 支持数据融合, 知识图谱构建, 可视化的关联分析, 满足在部分精准目标数据上, 保密性高的业务分析场景; 在分析的基础上, 还提供丰富的团队协作方式, 满足团队共同构建知识图谱. 在智能决策上, 基于精准情报的智能决策能为情报价值清晰, 行业特征明显的机构提供深度定制通道, 依据用户行业特点, 形成行业专用业务模型, 实现智能分析, 深度跟踪; 大数据智能监测分析则是实现行业数据监控, 对业务数据进行检测跟踪, 智能研判.
智策平台的定位
AI 与行业结合, 智能而有温度
当前, 自动构建的知识库已成为语义搜索, 大数据分析, 智能推荐和数据集成的强大资产, 在大型行业和领域中正在得到广泛使用. 比如, 在公安等领域的实际应用, 带来的不仅是智能, 还有温度.
在频发的社会案件中, 有一类是由精神病和躁狂症引发的, 过去只能事后处置, 但是社会危害却已然造成. 对大量案例分析发现, 大多数是由大概 40 岁左右的精神病和躁郁症病人引起的, 这一类人自我控制能力弱, 往往因为到达某个年龄阶段后, 缺乏亲人和配偶的照顾和支持, 又在生活和工作上受到刺激, 容易对自身或社会造成危害. 2010 年某幼儿园事件, 2018 年上海恶意砍伤事件等等, 造成这些悲剧的凶手往往都有共同点. 通过在一览群智 "智策" 平台, 可以对以往当地案情, 警情的分析抽取, 建立相应的模型, 在接收到警情和案情时快速匹配映射, 快速处置出警; 同时, 通过对以往警情, 案情的分析, 对区域, 年龄段, 高发案件类型做分析分类, 结合深入归因, 提供预防手段推动社区民警提前关怀, 预防不良事件发生.
另外一种典型应用, 是在经济犯罪侦查中. 传统上追讨资金的方法, 都是采用人工审计的方式核查, 这种做法工作量大, 人工效率低, 易出现错漏; 更是无法在有效的时间里溯源, 达到追赃挽损的效果. 人工智能 + 知识图谱的方式, 则为这一工作带来了改变. 某市公安局采用 "智策" 平台, 通过融合多个来源的有效情报, 迅速建立案件档案, 在一个看板中即将关键人物, 机构, 行为等有效信息掌握, 从中得到研判结论; 同时, 通过大数据 + 人工智能的方式, 把交易主体导入知识图谱中, 可以清洗出有效的线索, 形成完成的资金流向图谱, 对资金追逃提供有效的信息; 把交易主体放到知识图谱, 很快构建人和交易之间的关系, 清洗交易脉络, 并快速追溯资金流向, 便于追回. 知识图谱的方式, 将传统 3 个月的人工审计工作降低为 1-2 周就可以得到初步结论, 为追赃挽损提供了有效的黄金时间.
当前, 知识图谱正在成为众多行业的底层知识力量, 与谷歌收购 Freebase 后推出的知识图谱 (Knowledge Graph),Facebook 的图谱搜索, Microsoft Satori 不同, 越来越多的面向商业, 金融, 生命科学等特定领域场景的知识库, 以及构建平台正在迅速进化, 为人民的安居乐业提供新的保障.
关于一览群智:
一览群智以自然语言处理和知识图谱等认知智能技术为基础, 定位一站式 AI 产品和行业解决方案提供商, 公司自主研发出智语, 智慧, 智图, 智策四大产品, 打通感知, 理解, 分析, 决策全过程, 凭借深厚的技术实力积累以及场景挖掘能力, 快速将 AI 落地金融, 政府等行业.
来源: http://www.bubuko.com/infodetail-3446369.html