秋逛灵谷寺搜出来的精准攻略，藏在推荐流里的知识图谱-大讲堂

上周六去灵谷寺看桂花，出门前搜了下「南京桂花哪里看」，出来的结果直接把灵谷寺、美龄宫、玄武湖列在最前面，还标了目前开花率、最近的停车场位置，甚至连哪家糕团店的桂花糕刚出炉都推给我了。换十年前搜，你能出来一堆「南京桂花鸭怎么做」「桂花树种植技术」的垃圾结果。为什么现在搜东西越来越懂你？不是算法突然开了窍，是那张看不见的网，早就把所有信息串好了。

你拿到的精准推荐，不是乱凑的

很多人听过知识图谱这个词，却从来没搞懂它到底在干嘛。说实话，不用记那些拗口的学术定义。你就把它当成一张超级大的网，网上每个节点，都是一个实体。南京是实体，灵谷寺是实体，桂花是实体，桂花糕也是实体。每个实体身上都挂着自己的属性：灵谷寺的属性是「景点」「位于南京钟山」「秋季赏桂」，桂花糕的属性是「南京特产」「甜口」「保质期三天」。节点和节点之间，连著线，线上写着实体之间的关系：灵谷寺「在」南京，桂花「可以做」桂花糕，桂花糕「产自」南京，对不对？以前搜索引擎找内容，只看你输入的关键词有没有出现在网页里，管你要的是赏花还是做菜，只要带「南京桂花」四个字，全都给你堆出来。现在有了知识图谱，它一看到你输入的两个词，直接就把和这两个实体相关的、符合你需求的所有节点都拽出来，整理好了给你，根本不用你自己翻网页找。很多人说这就是推荐算法的功劳啊。其实推荐算法的底层，就是知识图谱帮它搭的架子。你刷短视频刷到一次南京桂花糕，它就知道你可能对南京特产、秋季美食感兴趣，而不是随便给你推同类型博主的其他内容，就靠这张网牵线。

别被骗，知识图谱不是万能的

刷到不少科普文说，知识图谱就是人工智能的大脑，未来能代替人存所有知识。真不是。它更像AI随身带的一个分类清晰的记事本，不是会思考的脑子。它能帮你把已经存在的信息捋顺了串起来，但是它不会自己产生新想法，也处理不了模糊的个性化问题。比如你问它「南京有哪些免费的秋景」，它能一秒把所有符合「南京、免费、秋景」三个条件的实体全找出来，列的清清楚楚。但你要是问它「我明天去灵谷寺看桂花，穿帆布鞋还是马丁靴舒服」，它就答不上来了。这个问题涉及到第二天的气温、你要走多少路、你平时穿鞋的习惯，这些都是可变的信息，不是固定的实体关系，它存不下，也理不清。

还有一个很多人踩的误区，觉得知识图谱越大越好，实体越多越厉害。我接触过几个做知识图谱的团队，说实话，不少创业公司吹自己知识图谱有上亿实体，扒开看一半都是重复的垃圾数据，要么就是关系连错，南京盐水鸭连到「产自苏州」，这种错误一堆，凑数罢了。知识图谱最麻烦的从来不是搭网，是洗数据。网上的信息本身就矛盾，有人说南京盐水鸭咸，有人说本地人吃的盐水鸭都是淡口的，哪个对？该怎么存？要人工或者靠规则一点点捋，成本高的吓人，很多团队根本耗不起这个功夫，只能拿大体量凑数。

大模型火了，知识图谱就没用了？

这两年大模型太火，到处都在说大模型能存所有知识，原来的知识图谱可以淘汰了。不过话说回来，你敢让大模型随便给你出专业领域的答案吗？大模型厉害在它能懂人话，能生成流畅的内容，但是它天生就会一本正经的瞎编，也就是大家说的幻觉。你问它南京有哪些百年老店，它能给你编出一个不存在的店，说的有鼻子有眼。知识图谱正好补了这个漏洞。知识图谱里的每一个实体、每一段关系，都是捋过的，可查，可溯源，不会瞎编。现在真正落地的AI应用，都是两个结合着用的。大模型负责听懂你说的人话，把你说的乱七八糟的问题，拆解成一个个明确的实体和需求，再去知识图谱里找对应的准确结果，最后再整理成通顺的话给你。比如医院的AI导诊，你说「我昨天吃了盐水鸭之后肚子痛还拉肚子」，大模型先听懂，把「腹痛」「腹泻」「不洁饮食」「南京盐水鸭」这些核心实体拆出来，再去知识图谱里对应找可能的病因、需要做的检查，出来的结果比纯大模型瞎猜准太多，也安全太多。现在的趋势反而是，垂直领域的小知识图谱越来越吃香。不需要包罗万象，就把一个领域的信息捋准就行。比如做本地生活，就把南京城所有的景点、餐馆、停车场的信息捋清楚，关系连对，用起来比那种什么都有却错漏百出的大网舒服一万倍。你看，很多改变你使用习惯的技术，从来都不站在聚光灯下。大模型上头条拿融资，知识图谱安安静静躲在推荐流、搜索引擎、导诊台这些地方，把所有零散的信息串成网，让你搜的快，找的准，不用自己在一堆垃圾信息里翻半天。九月底的南京满城桂花香，你打开手机就能拿到精准的赏桂攻略，不用谢算法，要谢这张默默干活的网。

作者|科技

排版|科技

审核|柚子

秋逛灵谷寺搜出来的精准攻略，藏在推荐流里的知识图谱

你拿到的精准推荐，不是乱凑的

别被骗，知识图谱不是万能的

大模型火了，知识图谱就没用了？

文章目录

最新文章

热门标签