本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在学习摘录和笔记专栏：

       学习摘录和笔记（24）---《从知识工程到知识图谱》

从知识工程到知识图谱

目录

1 知识工程    

2 知识图谱

3 专家系统

4 知识图谱的发展

---

1 知识工程    

        知识工程是符号主义人工智能的典型代表，近年来越来越火的知识图谱，就是新一代的知识工程技术。

        一般认为，人工智能分为计算智能、感知智能和认知智能三个层次。

        目前的智能研究旨在通过计算机模拟，让机器获得和人类相似的智慧，解决智能时代下的精准分析、智慧搜索、自然人机交互、深层关系推理等实际问题

        认知智能像人一样的思考能力具体体现在：机器对数据和语言的理解、推理、解释、归纳、演绎的能力，体现在一切人类所独有的认知能力上。

---

2 知识图谱

        知识图谱和以知识图谱为代表的知识工程系列技术是认知智能的核心。知识工程主要包括：知识获取、知识表示和知识应用。

        符号主义最核心的思想是什么呢？符号主义认为人工智能源于数理逻辑，认为智能的本质就是符号的操作和运算。

---

3 专家系统

        专家系统作为早期人工智能的重要分支，是一种在特定领域内具有专家水平解决问题能力的程序系统。

        专家系统一般由两部分组成：知识库与推理引擎。它根据一个或者多个专家提供的知识和经验，通过模拟专家的思维过程，进行主动推理和判断，解决问题。第一个成功的专家系统DENDRAL于1968年问世。1977年，费根鲍姆将其正式命名为知识工程。

        语义网，它的核心是：语义网可以直接向机器提供能用于程序处理的知识。

---

4 知识图谱的发展

        谷歌推出了自己的知识图谱，使用与语义检索，从多种来收集信息，以提高搜索质量。

       大数据技术使得大规模获取知识成为可能，而知识图谱即为一种大规模语义网络。这样的一个知识规模上的量变带来了知识效用的质变。

        和传统知识获取不同，以前是通过专家自上而下的获取知识，而现在是利用数据自下而上，从数据里面去挖掘知识、抽取知识。另外，众包与群智成为大规模知识获取的一条新路径，

        知识工程在知识图谱技术引领下进入了全新阶段，叫做大数据时代知识工程阶段。

        通过知识图谱等先验的知识去赋能机器学习，来降低机器学习对于样本的依赖，增强机器学习的能力，或许是连接主义和符号主义在新时代下的共生发展。

---

参考：曹羽 《 从知识工程到知识图谱全面回顾 | AI&Society 》

     文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。如有错误、疑问和侵权，欢迎评论留言联系作者，或者关注VX公众号：Rain21321，联系作者。