先談一下知識圖譜（Knowledge Graph）。
通俗來說，知識圖譜是一個巨大的知識庫，一種結(jié)構(gòu)化的語義知識庫，描繪出了巨大的物理世界中的實體概念及其相互關(guān)系。
類似于面向?qū)ο缶幊讨械膶ο?、屬性和方法，知識圖譜同樣也依據(jù)物理世界中各種對象實體的屬性、關(guān)系，通過各個實體之間的關(guān)聯(lián)關(guān)系，構(gòu)建了一個巨大的網(wǎng)狀知識結(jié)構(gòu)。
典型的知識圖譜，表示的是物理世界中各個實體的屬性及相互關(guān)系
關(guān)于物理世界的一切知識，是人工智能的基石，只有構(gòu)建一個充分的網(wǎng)狀知識圖譜，儲備足夠的結(jié)構(gòu)化知識庫，機器才有可能像人類一樣，充分認識和理解這個物理世界。
認識和理解這個世界，是人工智能的前提。
目前，知識圖譜已經(jīng)日趨成熟，并且廣泛應(yīng)用于搜索引擎中，可以很好地區(qū)分“南京市長江大橋”，到底是大橋，還是市長姓江的問題。但也不可否認，單單依賴聚焦于實體和實體之間的關(guān)系的知識圖譜，人工智能還有很多問題不能解決。
也就是說，僅僅認識和理解這個世界是不夠的，這只停留在知識層面上。人類世界除了知識，還有邏輯。
就像一字不差的同樣兩句話，“你這個傻瓜”，在不同的語境中，可以是辱罵，可以是疼愛，也可以是調(diào)情……知識結(jié)構(gòu)再豐富的機器人，也會懵逼。
這就需要機器掌握“邏輯”，也是事理圖譜（Event Logic Graph）需要解決的問題。
我們看一下知識圖譜和事理圖譜在整個人工智能產(chǎn)業(yè)鏈中所處的位置：
事理圖譜也是知識庫，不過是一個關(guān)于“事理邏輯”的知識庫，描述的是事件之間的邏輯關(guān)系。
事理圖譜的出現(xiàn)，是為了彌補現(xiàn)有的知識圖譜的不足，在實體及其屬性和關(guān)系的基礎(chǔ)之上，增加了對事件邏輯的描述。
在表現(xiàn)形式上，事理圖譜跟知識圖譜類似，也是一個有向有環(huán)圖，其中節(jié)點表示事件，有向邊表示事件之間的邏輯關(guān)系。
關(guān)于金融事件的事理圖譜——數(shù)據(jù)地平線公司
在事理圖譜中，有向邊表示的是事件之間的邏輯關(guān)系，而通常的邏輯包括因果關(guān)系、順承關(guān)系、條件關(guān)系和上下位等關(guān)系，知識圖譜的作用就是積累足夠多的邏輯知識庫，以供機器行為進行學(xué)習(xí)和參考。
因果關(guān)系，是指事件之間存在因果關(guān)系，前一個事件是原因，后一個事件是結(jié)果，而且兩個事件存在時間上的先后關(guān)系。
順承關(guān)系，類似于時間序列上的事件，兩個或者幾個相繼發(fā)生的的事件之間的關(guān)系。雖然順承關(guān)系也像因果關(guān)系事件一樣，存在時間上的先后關(guān)系，但順承關(guān)系的事件之間，并無因果關(guān)系。
條件關(guān)系，是指前一個事件是后一個事件發(fā)生的條件。同樣的，條件關(guān)系不等于因果關(guān)系，條件關(guān)系是某種假設(shè)性命題，它可以分析未發(fā)生的事；而因果關(guān)系更多的是針對已經(jīng)發(fā)生的事實而言?！耙驗樘鞖馇缋?，所以我去爬山了?！边@是因果關(guān)系，一定是天氣晴朗已經(jīng)晴朗，才去爬山。而“如果天氣晴朗,就去爬山?！保瑒t是假設(shè)下的條件關(guān)系。
上下位關(guān)系，簡單理解就是事件的包含關(guān)系，比如“疫情嚴重”與“新冠病毒疫情嚴重”之間就存在上下位關(guān)系。
因果關(guān)系、順承關(guān)系、條件關(guān)系和上下位關(guān)系，構(gòu)成了事理圖譜的四大核心邏輯關(guān)系，也是機器認知邏輯世界的基礎(chǔ)。
如果把知識圖譜看成一個廣義上的知識庫，用以存儲各種對象實體的屬性、關(guān)系，那么事理圖譜就是一種存儲邏輯關(guān)系的升級版的“知識圖譜”。
機器有了邏輯，才能更好地理解物理世界。
在知識圖譜基礎(chǔ)上升級版的事理圖譜，將大大增強機器的的理解和推理能力，更好地實現(xiàn)理解、分析、預(yù)測、應(yīng)對等行為。
聯(lián)系客服
