知識鏈:可能是人工智能最好的變現方式，可以干到王思聰沒幣可撒_人工智能考研考哪些科目

曾記得十幾天之前否？那時我們躊躇滿志的跨進了2018，滿懷著對未來的渴望和珍重……然后我們驚奇的發現，2018第一個火起來的詞叫“撒幣”。

不是我說啥，這可真出戲啊。

似乎一夜之間，直播答題和這個叫做”撒幣”的關鍵詞就火了。王思聰的沖頂大會、映客的芝士超人、花椒的百萬贏家，一時之間大佬們瘋狂爭當“大撒幣”，人民群眾則紛紛出頭相當被幣砸到的那個幸運兒。

當然了，不管這些平臺們如何“撒”，最終“幣”還是要回到他們自己口袋里的，畢竟做生意是為了賺錢，搞出來這么大場面當然是為了放后招，沒聽說過哪位出題讓人答是為了做慈善的。除非...除非AI化妝成選手，也來答個題，說不定能干到王思聰們沒幣可撒...

畢竟，答題也是講科學的對不對？

AI答題這件事其實也不新鮮，不信你百度輸入一個“長城有多長”之類的，馬上就會給你跳出來答案。這里就是用了AI的專業答題姿勢：知識圖譜。

馬克·庫班：以太坊的合并可能是“推銷新聞”事件:金色財經報道，美國億萬富翁投資者兼達拉斯小牛隊老板馬克·庫班認為，以太坊從工作量證明共識機制到股權證明機制的轉變可能是一把雙刃劍。在他看來，投資者對這一舉動的興奮可能會超過“合并”的實際用例，并創造“出售新聞”事件。

Cuban 還認為，在加密領域應用法規是全球監管機構需要執行的重要步驟。投資者正在尋求最大程度的保護，如果獲得批準，許多人將進入數字資產生態系統并推動該行業向前發展。（cryptopotato）[2022/8/9 12:11:09]

借著直播答題的春風，今天講講知識圖譜的故事吧。雖然在機器視覺、語音交互等“網紅技術”面前，作為AI重要分支之一的知識圖譜似乎不那么出位。但是以應用度和腦洞指數來說，這個技術絕對當仁不讓。更重要的是，在“AI感知”通向“AI理解”的大路上，知識圖譜近乎是無法繞開的一道關卡。

更更重要的是——他能幫你答題啊。

BitMEX Research：此前0.0006 BTC雙花可能是RBF的一個實例:BitMEX Research推特更新表示，經過仔細檢查，此前0.0006 BTC雙花很可能是RBF的一個實例，在該實例中，較低費用的交易獲勝了。

據悉，RBF方案是由加拿大比特幣核心開發者Peter Todd提出的費用替代法（RBF）工具：如果同一個地址發起兩筆交易，則手續費更高的交易勝出，采納RBF費用替代法本來是為了提供給比特幣用戶一個快速交易的選擇，但它其中一個不好的影響是讓零確認的交易變得容易被雙花。[2021/1/20 16:37:25]

知識圖譜是什么鬼？

知識圖譜這個概念被提出并不算太久，但是要追根溯源理解這個技術到底是玩什么的，那可能真要往上倒騰幾十年才行。

上世紀40年代，人工智能被提出之后，無數科學家們就開始琢磨，到底用什么方式能讓機器模擬出人的智慧呢？琢磨來琢磨去，人對于信息能夠進行關聯理解似乎是個路子。所謂信息關聯，就是人類在接受一個信息后，會把它放在記憶中進行歸納和調用。比如說你打小認識了你三舅，絕不可能過幾年管他叫二哥。

ARK Invest報告：比特幣可能是繼黃金之后最具吸引力的貨幣資產:投資管理公司ARK Invest發布報告表示，盡管許多投資者質疑比特幣的價值，但其相信比特幣可能是繼黃金之后最具吸引力的貨幣資產。比特幣的快速增長使其能夠在多樣化的投資組合中獲得配置。比特幣是最具吸引力的風險回報資產之一，ARK Invest分析表明，在未來五到十年，比特幣的網絡資本化規模將從目前的約2000億美元擴大到1-5萬億美元。在ARK Invest看來，資本配置者必須考慮忽視比特幣作為一種新的資產類別所帶來的機會成本。[2020/9/27]

利用這個思路，上世紀50年代末，學術界提出了語義網絡的設想，打算把數據進行結構化的處理，讓單個信息組合成有聯系、能共鳴的“知識”。今天我們用到的很多技術都來源于語義網絡，比如機器翻譯、自然語言處理等等，知識圖譜也是其中之一。

上世紀80年代，受到多方面刺激的地球人開始了一次AI復興運動，而這次運動的主角，就是各國開始打造專家系統和知識庫。那時候科學家們相信，如果把人類大量知識進行邏輯化關聯和語義網絡存儲，最終人類就能打造出全知全能，啥啥都懂的人工智能。可惜好景不長，最終AI沒等來呢PC先來了，專家系統紛紛被棄置。但是海量知識構成的知識庫卻成為了寶物流傳了下來。

聲音 | Tom Lee：Visa可能是數字資產領域的“長期贏家”:Fundstrat Global Advisor執行合伙人兼研究主管Tom Lee在接受采訪時表示Visa可能是數字資產領域的“長期贏家”。Lee認為，Visa、MasterCard和Facebook等公司可能會成為市場領導者，但這并不是Fundstrat投資理念的核心。

Lee還提到：“如今，任何傳統股本的加密部分實際上都是一種看漲期權，因為它不會成為任何一家此類公司內在價值的來源或核心。”（The Block）[2019/10/8]

2002年，基于語義web技術和Freebase等優質知識庫，谷歌宣布推出了知識圖譜概念，并在2013年投入使用。所謂知識圖譜，實際上是建立在網頁百科知識庫基礎上，利用語義網絡進行知識關聯的技術。它可以用來幫助學術人員快速搜集和理解信息，也可以用來分析情報，辨別信息真偽。在產業端則為搜索、內容推薦和智能問答提供了基礎，成為今天AI領域不是十分熱門，卻也足夠強勢的一個技術類別。

知名財經專欄作家肖磊：“石油幣”背后可能是一個重大的“陷阱”:昨天，地球上誕生了第一個以主權國家為主體而推出的加密數字貨幣。南美洲的委內瑞拉開始預售該國發行的“石油幣”，發行總量為1億個，發行價格為60美元/個，對應50億桶石油，基于以太坊ER20代幣技術。

然而，知名財經專欄作家肖磊認為，“石油幣”背后可能是一個重大的“陷阱”。因為我們根本不知道這次“石油幣”的發行，背后真正的操刀者是誰，或者說是誰給馬杜羅總統提的整個策劃案。委內瑞拉還處在美國的制裁之下，但“石油幣”的預售，已經吸引了來自卡塔爾、土耳其和其他中東國家的投資，更重要的是，也吸引力了來自歐盟和美國的投資。[2018/2/22]

如果說了這么多還沒明白，那就舉個直白的例子吧：

假如你這幾天很好奇一個叫PGone的詞為啥火了。然后你去搜索一下，結果給你推薦的詞是PGtwo、PGthree...那你就跟沒搜一樣。假如蹦出來兩個詞，一個是賈乃亮一個是地溝油，那么你就了然了嘛...

所謂的知識圖譜，就是讓智能體去理解知識之間網絡關系，并能主動以此提供服務的技術。

今天的知識圖譜專治各種“撒幣”

假如你以為本文到此就該結束了，那么你又錯了。

上文說了知識圖譜專治各種“大撒幣”行為，并不是隨便講講的。我們要知道，2002年知識圖譜技術假如跟王思聰剛一波正面，那是基本沒有勝算的。

這里有幾種可能：首先是假如你的知識庫是更新到前年的，人家問你PGone的嫂子是誰你怎么辦？或者人家不問你長城有多長，問你最長的墻有多長怎么辦？

在考教真人的直播答題過程中，可能面臨各種語言上的調整、提問方式的改變，以及加入最新信息。這都是幾年前基于單一結構知識庫的知識圖譜技術難以勝任的。

這就把知識圖譜難住了嗎？不能夠，畢竟為答題而生，必須要搞點新高度出來才行。

這項技術在近幾年間發生了重要變化，比如：

1、大數據+機器學習帶來了史無前例的效率契機。

今天的AI復興，是建立在機器學習驅動大數據的基礎上的，知識圖譜也是如此。舉例來說，搜索引擎知識圖譜技術，是建立在搜索數據和百科、問答等數據庫之上的。數據本身的優質化是知識圖譜運行的基礎。而在機器學習、深度學習領域的積累，則讓圖譜技術實現了及時化、逐步完善圖譜關聯強度和理解力提升。換句話說，知識圖譜技術正在變得愈發即時性與可成長。

2、語音交互成為啟動知識圖譜的新形式。

知識圖譜想要真的為人類所用，那么就不能是人類用固定方式去出發知識圖譜的模板。而應該是知識圖譜主動理解人類的語言和思維習慣，做到主動輸出服務。這就需要知識圖譜與語音交互緊密結合。

3、強語義理解能力成為關鍵。

能聽懂“長城有多長”，卻聽不懂“長城從東到西一共多少距離”的知識圖譜，顯然是知識沒譜。深度學習各種語意、語義、語序和方言的知識圖譜能力，也成為了目前知識圖譜技術的喚醒核心。

這幾種能力加持下，把知識圖譜偽裝成選手去搞點“撒幣”，顯然已經不算什么了...但是如果只干這點事，其實也蠻虧的。

撒出一個明天

無論是語音交互還是機器視覺，我們今天正在努力教會AI一件事，就是識別。可是，在識別之后呢？AI下一步要干什么？

識別的下一步當然是理解和處理，但如果想讓AI開啟這些能力，很多人都認為，知識圖譜的爆發將是AI下一步的必經之路。

今天知識圖譜的核心，在于通過數據生成可視化的知識鏈條，用鏈條形成網絡，利用網絡來進行預測、生成自動化，最終生成機器主動提供的智能化服務。

要知道，人類理解世界并不是基于一個個散亂的信息，而是基于信息背后的“知識”。

我們期待的知識圖譜技術，是通過這種技術的完善，把AI調整到主動輸出服務模式。經典計算階段是你想到的，電腦幫你做出來。而知識圖譜時代，是你想不到的，AI可以想到。

能做到這一步的AI技術，當然不會只滿足去答答題，做個直播。人家的使命是改變世界好不好？

其實，知識圖譜作為一種隱藏的后端技術，今天已經悄然布局在了我們的生活。比如我們今天在百度搜“李白寫過哪些飲酒詩？”，已經不是跳出來有這些關鍵詞的網站，而是直接跳出來你的答案，這背后就是知識圖譜即使已經解答了你的問題。

更重要的是，知識圖譜技術作為AI交互手段的必要觸達點，正在為其他AI產業提供幫助，比如智能處理、無人駕駛。

更遠的未來，或許是利用知識圖譜技術達成物聯網間的協作、人機交互的全新升級，那么最終所能抵達的，遠遠不是答題這一件小事而已。

所以呢，直播平臺上誰給誰撒幣，誰是大撒幣，其實也不是很重要了。真正重要的是，技術正在努力把未來的幣，撒到現在的土壤里。

更多精彩內容，關注鈦媒體微信號，或者下載鈦媒體App

Tags：人工智能知識鏈幸運兒人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目知識鏈幣是什么幣幸運兒幣是什么幣

FIL幣