作者：鮑捷  來源：文因學堂 授權 產業智慧官 轉載。 

以前寫過幾個進階指南，可能都太難，不接地氣。這裡重新寫一個更實事求是、更便於工程落地的版本

0級：掌握正則表示式、SQL、JSON和一門支援if-then-else的高階語言  —— 是的，這些不是知識圖譜技術，但是這些可以解決問題。我們要的是解決問題，不是嗎？

1級：學會ER建模（對，就是資料庫裡的ER建模），理解實體（Entity）和關係（Relation）的概念。這個可能比你想象得難很多。學會更復雜的SQL，能熟練掌握至少一種主流的關係資料庫，至少學會一種語言的資料庫操作。

2級：學會兩種給實體命名的方法：資料庫裡的主鍵，Web上的URI。理解分類樹。這時候可以學下RDF了，掌握Turtle和JSON-LD兩種語法。會用Java或者Python操作RDF。（小白一般到這裡就開始大批陣亡）

3級：如果還未陣亡，可能發現RDF資料庫不是太好用，需要學會一個圖資料庫（如Neo4j或OrientDB）或者支援JSON的關係資料庫（如PostgreSQL）。學會用這些資料庫表達關係-實體，和表達分類樹。這可以保證以後可以活得再久一點。

4級：這時候作為一名老兵，你可能已經學會了查詢語言SPARQL、Cypher或Gremlin。然後你發現查詢語言可以用來寫！規！則！天啊，天堂的大門已經打開了。

5級：你會發現把智慧放在資料裡要遠遠好於放在程式碼裡。你會開始鄙視在程式碼裡寫大量if-then-else的偽知識圖譜愛好者。而且你開始不滿足用查詢語言客串規則（如用SPIN）。你需要一些真正的推理規則。你開始對OWL感興趣……然後徹底被搞暈了。

6級：你發現OWL很強大但是也很難理解，它背後的描述邏輯如同三體人一樣充滿敵意。然後你發現其實if-then-else也蠻不錯的，而且有一個更容易理解的規則語言：logic program。然後你突然發現SQL其實就是一種LP啊（Datalog）！突然一下世界豁然開朗，喜悅充滿全身，聖潔的陽光從天上映下。

7級：在各種奇怪的規則語言中游弋：RIF-BLD，RIF-PRD，SWRL，RuleML，JESS，DLV，XSB，Prolog。發現世界的各種東西都可以按此建模。理解各種推理機的效能。諳熟各種知識建模套路。

8級：從頭到尾設計過一個完整的語義或知識應用，經歷落地過程種種工程的巨大陷阱，入坑、爬出來，再入坑、再爬出來，再再入坑……直到爬不出來。

9級：開始思考人性問題。從認知的角度、社會的角度、組織的角度、經濟的角度思考什麼是知識，怎麼才能真正實施知識系統。

10級：綜合運用正則表示式、SQL、JSON和一門支援if-then-else的高階語言 ，舉重若輕解決以上1-9級中遇到的的各種問題。其實你設計出了自己的知識表現語言。

知識圖譜的一些基本功

作者：鮑捷  來源：文因學堂 授權 產業智慧官 轉載。 

（好像說的不只是入門了。算是個成長打怪小提綱吧）

任何一個學科，重要的不是靜態的知識本身，而是建立知其然（Framework），知其所以然（Rationale），最後到知未然（Insights）。最重要的便是產生insights，因擁有洞察而知關鍵所在，所以能預測未來的走向，不人云亦云。

知識圖譜作為一門學問，絕不是用個圖資料庫寫幾條查詢，或者用規則寫一個表格的提取，就可以稱為成功的運用的。和所有的學科一樣，都需要長期的艱苦的努力，在充分了解前人成果的基礎上，才有可能做出一點點成績。

知識圖譜作為人工智慧（AI）的一個分支，和AI的其他分支一樣，它的成功運用，都是需要知道它的所長，更需要知道它的所短的。特別是AI各個學派林立，經驗主義（機器學習）、連線主義（神經網路）、理性主義（知識工程）、行為主義（機器人）各個方法的優劣，倘若不能有縱覽的理解，也難以做正確的技術選型，往往盲目相信或者排斥一種技術。AI是一個極端需要廣闊視野的學科。

知識圖譜涉及知識提取、表達、儲存、檢索一系列技術，即使想有小成，也需要幾年的功夫探索。如下所列，應該是每個知識圖譜從業者都應該瞭解的一些基本功：

知道Web的發展史，瞭解為什麼互聯和開放是知識結構形成最關鍵的一件事。（我把這個列第一條，是我的偏見——但我認為這是最重要的一個insights）

知道RDF，OWL，SPARQL這些W3C技術堆疊，知道它們的長處和侷限。會使用RDF資料庫和推理機。

瞭解一點描述邏輯基礎，知道描述邏輯和一階邏輯的關係。知道模型論，不然完全沒法理解RDF和OWL。

瞭解圖靈機和基本的演算法複雜性。知道什麼是決策問題、可判定性、完備性和一致性、P、NP、NExpTime。

最好再知道一點邏輯程式（Logic Programming），涉獵一點答集程式（Answer Set Programming），知道LP和ASP的一些小工具。這些東西是規則引擎的核心。如果不滿足於正則表示式和if-then-else，最好學一點這些。

哦，當然要精通正則表示式。熟悉regex的各種工具。

從正則文法到自動機。不理解自動機很多高效的模式提取演算法都理解不了。

熟悉常見的知識庫，不必事事重新造輪子，如Freebase, Wikidata, Yago, DBPedia。

熟悉結構化資料建模的基本方法，如ER，面向物件，UML，腦圖。

學會使用一些本體編輯器，如Protege。（Palantir就是個價值120億美元的本體編輯器）

熟悉任何一種關係資料庫。會使用儲存過程寫遞迴查詢。明白什麼叫物化檢視、傳遞閉包、推理閉包。

熟悉任何一種圖資料庫。明白圖的區域性索引和關係的全域性索引的理論和實踐效能差異。

熟悉詞法分析的基本工具，如分詞、詞性標註

熟悉句法分析的基本工具，如成分分析、依存文法分析、深層文法分析

熟悉TFIDF、主題模型和分散式表示的基本概念和工具。知道怎麼計算兩個詞的相似度、詞和句子的關聯度。

知道怎麼做命名實體識別。知道一些常用的詞表。知道怎麼用規則做關係提取。

為了上述的深化，要掌握一些機器學習的基本概念，識別、分類、聚類、預測、迴歸。掌握一些機器學習工具包的使用。

謹慎地使用一些深度學習方法，最好在是瞭解了神經網路的侷限之後，先玩玩BP。主要是用用LSTM。

瞭解前人已經建好的各種Lexical資料庫，如Wordnet, framenet, BabelNet, PropBank。熟悉一些常用的Corpus。

知道資訊檢索的基本原理。知道各種結構的索引的代價。

掌握Lucene或者Solr/Elasticsearch的使用。

學會混合使用多種資料庫，把結構化資料和非結構化資料放在一起使用。體會資料建模和查詢的成本。

學會一些概念原型工具，如Axure和Semantic Mediawiki。快速做MVP。

以上是掛一漏萬的一些羅列。知識圖譜是交叉性的、實踐性的學問，當然不必先矇頭學幾年才能來做事。How to get to Carnegie Hall? Practice, Practice, Practice.

所以Just practice。

最後推銷一下我在中國中文資訊學會《前沿技術講習班》第三期做的講座：精益知識圖譜方法論 – 文因互聯

原發於知乎 https://www.zhihu.com/question/52368821/answer/138745422

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，拓展的是人類的物理空間。那麼這一次地理大發現，拓展的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧農業”、“智慧金融”、“智慧零售”、“智慧城市”、“智慧駕駛”；新模式：“財富空間”、“特色小鎮”、“賽博物理”、“供應鏈金融”。

點選“閱讀原文”，訪問AI-CPS OS官網

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vi[email protected]