上周六去南京明瓦廊找吃的。刚点开点评输入两个字“鸭血”，搜索框下方直接弹出“鸭血粉丝汤（明瓦廊店） 人均28 营业中”。我都没输完，它怎么知道我要找什么？
别觉得这是大数据算命，这背后就是知识图谱在干活。很多人听这个名字觉得高大上，是实验室里的黑科技，其实你从早到晚，搜攻略、点外卖、导航、刷短视频，每一步都在蹭它的好处。
它不是堆出来的知识点，是一张连起来的网
很多人对知识图谱的第一印象，就是百科词条旁边那个“相关人物”“相关事件”的关联图。说实话，那只是做给人看的可视化，根本不是知识图谱的核心。
知识图谱的本质，说穿了就是两句话：把所有信息拆成实体和关系，再把这些实体像点一样，用关系当线连起来，织成一张网。
就拿刚才的例子说，你这个人，爱吃咸口，住在新街口，想找鸭血粉丝汤，这四个都是实体，关系是“用户-口味-咸口”“用户-位置-新街口”“用户-需求-鸭血粉丝汤”，知识图谱一拉，就直接把符合所有条件的那家店拽到你面前，根本不用瞎翻一堆不相关的内容。
放在十年前，搜索引擎根本做不到这个。那时候你输“南京秋天去哪玩”，它只会找网页里这几个关键词出现次数最多的页面，翻个三五页都是凑字数的攻略，根本找不到你要的内容。现在呢？输入完直接给你列出来栖霞山红叶、颐和路梧桐、中山陵桂花，连门票预约入口都给你摆好，这就是知识图谱的功劳——它早就把所有实体的关系理清楚了，不用临时瞎找。
那些你没注意到的地方，全是它的影子
除了搜索和推荐，知识图谱藏在太多地方了。你用导航找“附近带充电桩的加油站”，为啥三秒钟就能出结果？不是它一秒钟扫完了方圆十公里所有的加油站，是它的知识图谱里早就把“加油站”“充电桩”“位置”“距离”这些关系连好了，要做的只是拉出来匹配一下就行。
现在大火的大模型，其实也离不开它。你肯定见过大模型瞎编内容，说不存在的书、不存在的地址，甚至乱扯历史事件，这就是业内说的大模型幻觉。为啥会瞎编？因为大模型是靠统计概率猜下一个字，它根本不知道哪个实体和哪个关系是对的。如果接了知识图谱，就相当于给它拴上了缰绳，问它“南京有哪些古代皇宫”，它不会瞎扯说南京有现存故宫，因为知识图谱里明明白白写着“故宫-位置-北京”“明故宫遗址-位置-南京”，关系锁死了，它就错不了。
之前见过一个没对接知识图谱的大模型，跟我说南京大屠杀发生在武汉。太扯了。这种错误，只要有知识图谱打底，根本不可能出现。
说白了，大模型是会背书的考生，知识图谱就是给它兜底的标准答案本，不会让它胡言乱语。现在好多做通用大模型的团队，都在往回捡知识图谱，之前吹什么“大模型能搞定一切知识”，挨了骂才知道，没有知识图谱兜底，根本没法用在正经地方。
很多人对它的误解，其实挺好笑的
第一个误解，说知识图谱就是给大模型准备的训练数据。不对，完全两码事。训练数据是喂给大模型让它学的，知识图谱是给大模型查的，一个是课本，一个是开卷考试带的索引，根本不一样。
第二个误解，说知识图谱就是给机器看的百科全书。也不对，百科全书是写给人看的，要讲逻辑讲文笔，知识图谱才不管这个，它只要把关系理对就行。外卖平台的知识图谱里，甚至会写“南京用户的微辣=比中辣少放两勺辣椒”“成都用户的微辣=广州用户的特辣”这种细碎到离谱的关系，百科全书会登这个吗？根本不会，但对机器来说，这就是最有用的知识。
不过话说回来，现在行业里吹的牛也不少。动不动就说自己有上百亿实体，规模多大，其实里面一堆错误的垃圾关系，把“南京盐水鸭”和“北京烤鸭”归成同一个菜品，这种堆出来的规模，有啥用呢？还不如踏踏实理顺清楚一万个常用的正确关系，对用户来说有用多了。
还有人说，现在大模型这么火，知识图谱过时了，没人用了。真的是这样吗？我上个月跟一个做算法的朋友吃饭，他说现在所有能落地的大模型应用，多多少少都要搭知识图谱，毕竟用户要的是正确的答案，不是一本正经的胡说八道，光靠大模型的概率，真兜不住。
当然，知识图谱也不是完美的。它也有麻烦事，比如很容易把人类的偏见带进去，之前就有招聘网站的知识图谱，把“高管”这个实体默认和“男性”绑定，推荐的时候全给男性推高管岗位，这种偏见藏在网里，改起来特别麻烦。还有，知识图谱越大，错一个关系就要改一堆关联的地方，牵一发动全身，维护成本高得吓人。
那天吃完鸭血粉丝，沿着中山南路走，风刮得梧桐叶子掉下来，落在肩上。我掏出手机搜附近的咖啡店，一秒就出来了离我五十米的一家社区店，地址连门牌号都对。
我们从来不会特意想起知识图谱，甚至很多人用了好几年都没听过这个词，但它早就悄悄把我们生活里的各种信息，织成了一张细密的网。你要的不是一碗鸭血粉丝，也不是一杯咖啡，它早就帮你把所有符合你需求的选择，理得清清楚楚，递到你面前了。
作者|科技
排版|科技
审核|安然