知识计算：华为云要给AI时代开一扇门在企业、行业应用AI时

在企业、行业应用AI时，我们一般都会说需要具备三大条件：算力、算法、数据。而企业在获取这三大要素过程中的难题，也被称为AI的“三座大山” 。
但可能很多人不知道，除了“三座大山”之外，还有一个困扰企业应用AI的难题，叫做——知识。我们总是说， AI需要与行业Know-How结合，需要与行业特性相融，需要掌握帮助企业降本增效的具体方法。这些提法最终都指向AI需要与行业知识结合，才能在商业世界中产生真正的价值。
或许可以说，知识是企业与AI之间的轴承和连接器，是整个产业智能化系统中必不可少的一部分。
但也正由于“知识”这个概念的特殊性和差异化， AI与行业知识结合是AI产业化命题中最抽象，也最难标准化的一项。可以说，摆在企业应用AI面前的除了“三座大山” ，还有一道“知识之墙” 。

文章图片

文章图片
近两年， AI产业的一大变化就是越来越多的研究力量、产品力量，开始向“知识”这个神秘且复杂的领域进发，尝试在这道AI之墙上打开一扇门。
而如果你对AI感兴趣，应该会知道其中一个代表性方案：2020年9月，在华为全联接2020上，华为云发布了知识计算解决方案，这被称为业界首个全生命周期知识计算解决方案，填补了一片非常重要的产业空白。
时至如今，知识计算的落地案例不断丰富，这个产业方向背后的故事也被更多披露出来。我们希望跟大家一起探索这样一个故事：面对抽象莫测的知识，繁杂多元的行业，知识计算究竟是如何聚沙成塔，完成这个特殊领域的产业落地与标准化方案推出的。
有这么一群人，当他们面向AI产业的“知识之墙”时，没有选择叹息或者回头，而是要打开一扇门。
知识墙：AI落地的巨大挑战
从上世纪70年代专家系统兴起以来， AI的商业化需求始终与行业知识、专业知识紧密相连。但直到今天，行业知识智能化这个根本需求也没有得到很好满足。这也直接导致了AI在传统行业、实体经济中的渗透率始终难以提升。
事实上， AI与行业知识的结合经历了漫长的产业化探索。从逻辑机到专家系统，再到目前依旧盛行的行业知识图谱，种种方案都存在根本性的问题。比如说，传统的企业知识图谱方案缺乏标准化、统一的构建流程。每个方案差异化巨大，耗时漫长，并且缺乏可验证的应用价值检测。企业既缺乏动力去推动，也很难在长期使用中获得持续价值。
另一方面，行业知识图谱主要还是以一个数据集的方式呈现，价值在于查找答案，但缺乏自动化、智能化的能力去解决问题。企业真正需要的往往不是去查询知识，而是让知识系统给出进一步的运算结果。这就需要AI+知识系统拥有“可运行”“可计算”的能力。

文章图片

文章图片
因此，真正想要让行业知识与AI结合，成为各行业、企业能够普遍应用的产业底座，就需要一套整体的方法、技术、工具，帮助解决企业从获取知识、转化知识、获得智能化价值的全流程问题。
而这里面就涉及几个方面的技术难点。
首先，行业知识的真正存在形式，是行业技巧、专家经验，以及大量口传耳授的心得。这些内容之间不一定有着紧密关联，也缺乏统一逻辑。但如果想要让AI拥有行业经验，就必须把这些碎片化、非结构化的内容转化为数学语言，变成AI可以听懂、能够践行的数据化路径。