知識圖譜：知別人所不知（車品覺）
一位大學校長曾經問我：「你認為大數據到現在為止，對人類最大的貢獻是什麼？」我毫不猶豫地回答：「在醫學上。」毫無疑問，大數據對醫學的貢獻是最偉大的、最無私的。因為通過大數據在醫學上的應用，可以減輕無數人的病痛，挽回很多人的生命，對人類的價值無限。
去年我們曾邀請IBM Watson實驗室的高層給團隊做分享，他提起IBM做過一個非常有意思的項目，就是如何快速決定是否對某種有助於治療癌症的蛋白質投入研究。
大家可能知道，有些蛋白質有助治療癌症，但每研究一種這樣的蛋白質，耗費的人力、物力都非常巨大，10年時間可能也只能研究10多種。但IBM用了一個方法，就是用機器「讀」完近30年來所有有關蛋白質的論文，從中認知蛋白質間的關係，進而決定哪一種更值得研究，大大節省了研究資源及提升了效率。其實，IBM所用的方法就是認知科學，多年前他們已開始使用，而美國亦有愈來愈多企業開始利用認知科學來解決更多問題。
說起認知科學，最近認知計算公司Digital Reasoning的行政總裁Tim Estes提出了一些有趣的觀點。他於大學期間創辦這家公司，14年來一直擔任行政總裁，他笑謂文本分析已經死亡，取而代之的是知識圖譜。其實文本分析從來沒有像現在這樣廣為需要，且可通過大量的開源工具完成。但對於技術公司來說，文本分析已不再有趣，下一步的關鍵是知識圖譜──如何從數據中提取知識。
知識圖譜的認知過程大致分為三個步驟──Read：讀入所有的數據文件，如郵件、文檔、社交文本等並將其結構化。Resolve：從中提取重要的訊息，並和其他訊息相連接。Reason：通過這些相連的知識圖譜，利用機器學習的方法找出最後的圖畫。
網上留痕 無所遁形
舉個典型的例子，某上市公司A公告任命一名董事，Digital Reasoning就可通過「Read」轉化分解為人、公司、動作、職位等結構化數據；再通過「Resolve」聯接該人物的歷史工作記錄、朋友、同事等；最後通過「Resolve」發現該董事以往同事的朋友在賣A公司的股票。
通過這些技術及產品，Digital Reasoning在金融犯罪、網絡安全等領域做出了很多成功的案例。
在知識圖譜領域，Google是當之無愧的領先者，Facebook是最快的追隨者，微軟也正在快速行動。近年來美國政府花費不菲，在多個領域、無數項目中嘗試了知識圖譜方法，而Digital Reasoning正是從這些政府IT項目產生的稀有成果，目前該公司正為政府和金融業提供知識圖譜相關服務。
企業高層最怕見到一大堆數據報表而非觀點，更怕那些帶着觀點然後找數據來證明自己的分析師。知識圖譜的探究，讓我們開始見到從大量數據及其關聯之中獲得新知識的曙光。以前我們帶着問題去找答案，如今在認知科學的帶領下，人類可以真正地讓數據去探索「未知」。
IBM展示大數據的進程（IBM圖片）
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
