别翻百科了，换个角度说知识图谱
要是把互联网上所有信息比作散在地上的一万块拼图，传统的搜索是啥？你输入关键词，它帮你把所有带这个关键词的拼图块捡出来堆你面前，对不对？找不找得到你要的，全靠你自己拼。
知识图谱不一样，它提前就把所有拼图块按连接处拼好了。你要找哪一块，它直接把和这块连在一起的一整组都递到你手上，不用你自己翻。
举个最常见的例子，你现在搜「周杰伦」，打开搜索引擎第一页，侧边直接就出来他的出生日期、妻子、代表作、最近开演唱会的城市，不用你点进网页一个个找。这些信息不是搜索引擎碰巧抓来的，是知识图谱早就把「周杰伦」和这些信息的关系理清楚了，直接调用就行。
很多人以为这是最近十年才出来的新东西，其实早在上世纪七十年代，就有人提出类似的思路了。那时候想做一个能整理人类所有知识关系的网络，可惜算力不够，存储也不够，存不下这么大一张网，只能停在论文里。
直到互联网爆发，移动互联网出来，算力成本降了，大家才发现，哦，原来这东西真能用了。
日常你摸得到的知识图谱，都在干哪些活
除了搜索结果侧边栏那点信息，知识图谱其实早就渗进你每天用的所有产品里了。
就说推荐。你既喜欢看布偶猫拆家的视频，又喜欢搜南京本地的鸭血粉丝汤探店，两个完全不搭的爱好，推荐算法怎么精准给你找内容？
放在以前，可能只给你推猫，或者只推美食，碰运气。现在知识图谱会给你打两个标签，再把有同样两个标签的用户拉出来，把这些用户喜欢的内容都推给你，准确率高了不止一点。
再说说金融反欺诈。你去申请贷款，填了自己的工作地址，填了老板名字，知识图谱一拉，就能发现这个地址同时还关联了五家你没提过的公司，那个老板还是三家失信企业的法人。不用人工去一条条查工商信息，几毫秒就出结果，直接就把风险标出来了。
还有你天天用的智能客服。你发一句「我的快递什么时候到」，不用你报订单号，它就能通过知识图谱，把你的账号、你最近三天的下单记录、对应快递的物流节点一下子串起来，直接给你说位置，省了多少来回拉扯的功夫。
知识图谱真正值钱的，不是它存了多少知识，是它存了知识之间的关系。这是它和普通数据库最不一样的地方。
比如说，知识图谱里存了「猫-属于-哺乳动物」，又存了「哺乳动物-属于-脊椎动物」，就算从来没有人直接说过「猫是脊椎动物」这句话，它也能顺着关系自己推出来，直接回答你的问题。
现在大模型老是胡编乱造，大家第一个想到的优化方向，就是把大模型和知识图谱结合，用知识图谱把事实关系卡死，大大降低胡说八道的概率。这个方向现在已经有不少落地的产品了。
吹得越多，坑越多，知识图谱没那么神
说实话，现在行业里吹知识图谱吹得太厉害了，什么全领域通用知识图谱，什么能替代人类知识库，听着挺玄乎，其实好多坑都没说。
第一个坑，更新成本太高了。人类每天都在产生新的知识，新的关系，今天某明星官宣离婚，明天某公司出了新品，后天某个领域出了新的研究成果，知识图谱得天天更，牵一发而动全身，改一个关系可能要动一整片，光是维护成本就够很多中小公司喝一壶的。
第二个坑，关系挖不对。现在很多关系是AI自动从文本里挖的，不是人手工标的，很容易错。比如说你挖「南京」相关的实体，AI会把「南京长江大桥」和「南京大桥饭店」直接挖成「南京-大桥-饭店」，错把大桥当成饭店的前缀，这种错误多到你改不完，用到核心业务里就是大问题。
我去年跟一个做企业服务的朋友吃饭，他说他们帮一家制造企业做内部知识图谱，就是把老师傅的工艺经验整理成网，方便新人查。结果同一个零件，三个老师傅三个叫法，光统一名称梳理关系，整个项目组耗了两个多月，差点逾期赔违约金。
坑归坑，方向确实是对的。不过话说回来，知识图谱不管发展到什么时候，都替代不了人找新的关系，对吧？它只是把已经有的知识整理好，相当于你家那个帮你把所有衣服按季节、场合整理好挂在衣柜里的管家，你要出门直接拿，省得你自己翻箱倒柜。但你要买新衣服，要搭配新穿法，还是得你自己来。
下次你再刷手机，突然惊叹怎么这个APP这么懂你，不妨停下来想一想。那张藏在后台看不见的知识网，早已经把你的喜好，把千万人的行为，把世界上零散的知识，悄悄连在了一起。
作者|科技
排版|科技
审核|小准