用知识图谱统一数据、云和人工智能 - Tony

一个强大的想法已经慢慢建立了很多年，最初被称为语义网，后来又被称为关联数据。随着知识图谱的出现，这个想法终于迎来了它的时代。这些技术网络允许一个组织释放束缚在混乱的数据库中的 "自由能量"，并将这种能量直接导入人工智能。

正确构建的组织性知识图谱可以将数据、云和人工智能的力量结合在一个统一的结构中。
如果你的组织有超过一百个独立的数据库或应用程序，而你还没有开始建立你的知识图谱，那么我敦促你立即启动你的计划，不要再拖延了!

为了提醒你，这一系列文章有四个主要论点。

1. 网络化数据：网络型数据可以模拟复杂的结构，包括循环反馈回路和抽象模型，网络（或图）使事物之间的联系与事物本身一样重要。
2. 网络化的云：连接计算机的网络状云意味着一个组织中的所有重要数据都可以连接在一起，无论这些信息储存在哪里。此外，它指出，一个组织的知识图谱不仅仅是一个大的集中式数据库，而是一个分布式的、相互连接的生态系统。
3. 网络化的人工智能：联网型人工智能让我们对连接、循环和抽象进行预测，并将生成的见解直接嵌入到知识图谱中，成为知识图谱的一个组成部分。而且，这个非常活跃的机器学习分支开始在复杂的任务中胜过 "传统 "人工智能。
4. 统一网络：最后，它指出，这三个网络（数据、云和人工智能）可以连接成一个知识图谱，它具有每个组成部分的力量，但也不仅仅是这些部分的总和。

系列文章点击标题

为了使其立足于现实，该系列概述了三个实用工具：

1、图适配器
它位于你的组织中现有的数据库、API和文件之上，并将二维的表格数据转换为三维的数据图表。这里的关键直觉是，底层数据库、文件和API不需要改变--适配器只是在所有其他数据结构的基础上暴露出一个网络状的层。

2、数据服务
这是一种现有的、成熟的架构模式的专门化，称为微服务（但数据本身被视为一等公民）。一个单独的数据服务可以使用图适配器，使用HTTP服务器将图形片段发布到云中。每个数据项都以URL的形式被赋予一个独特的可解析的网络地址。数据服务（或数据产品）结合起来形成一个点对点的网络（或数据网）。

3、图神经网络
这允许每个数据服务用一个主动的图机器学习模型来反映被动的图数据，使每个节点也有可能学习和预测。数据服务将这些学习的节点嵌入作为纯数据发布到网络中。

这些工具结合起来形成一个知识图谱，该图谱中的每个节点都是一个数据项，而且是一个网络地址，它是神经网络中的一个人工神经元。

在一个正确构建的知识图谱中，每个节点都可以是数据、云和人工智能，同时都是。

把你的组织看成一个整体
通过映射所有组织数据的网络，知识图谱让我们看到我们的组织是一个复杂的系统。

目前的变革管理项目并不适合，因为它们没有能力理解大型组织的全部复杂性。有了 "知识图谱"，领导者终于有了驾驭船只的必要工具。变化可以被建模，以考虑到所有事物连接在一起的方式。系统中的反馈回路如何驱动和控制变化。有了 "知识图谱"，领导者就有了一个工具，能够对组织的整体运作提供一个整体的、系统性的看法。他们可以利用组织现有的动力流来工作。

"你可以利用一个系统的动力所带来的机会，引导它走向一个好的结果--就像柔道专家利用对手的动力来实现自己的目标一样。"- 多内拉-H-梅多斯

知识图谱使我们有能力将整个组织中的所有关键数据连接在一起。这使我们能够获得人工智能所需要的大量数据，而且，由于它是图表形状的，它还可以看到存在于这些数据中的更细微的曲线、圆圈和反馈回路。

此外，知识图谱可以向内转，用来模拟和利用其中一些反馈回路。围绕着数据集的发布和消费的反馈循环可以用来建立一个反熵的内部数据市场。这个市场将自我组织起来，清理和整合目前散落在组织防火墙后面的零散的知识产权。

知识图谱也可以用来创建一个统一的语义层，在这里，数据以商业术语表示（比如铁路运营商的轨道和火车，或者投资银行的交易和风险）。这使得所有的人都可以使用这些数据，而不仅仅是IT部门的 "高僧"。

最后，知识图谱可以用来训练专有的人工智能模型，这些模型通过贵组织的语义层的透镜，对数据进行折射。这个想法部分地体现在 "数字双胞胎 "的概念中，它是如何训练你的人工智能以影响你所关心的特定利基的底线。

看清大局
"系统思考是一门看到整体的学科。它是看到相互关系而不是事物的框架，是看到变化模式而不是静态快照的框架......今天，我们比以往任何时候都更需要系统思考，因为我们正在被复杂性所淹没。"- 彼得-圣吉

可以清楚地看到，世界正变得越来越复杂，联系越来越紧密；网络化的过程似乎有一种不可阻挡的必然性，而且这一过程正在迅速加快。

知识图谱使一个组织能够将这种网络形态内部化。作为回报，内部网络使该组织能够做出更明智、更明智的决策。知识图谱为组织提供了在日益数字化的环境中茁壮成长所需的速度和敏捷性。

没有银弹，知识图谱不是一个你可以从货架上购买的产品。它是在一个统一的网络中组织你的数据和算法的一种方式，每个组织都必须在这个过程中发挥其天才。没有神奇的 "快速解决方案"。为了成功，整个组织必须参与这项复杂的任务。它需要承诺、领导力、耐心、奉献精神和在组织范围内合作的能力。

此外，知识图谱是一个可以用来观察整体的工具，但拥抱复杂性是一种心态。在工业时代，我们向下看，非常详细地了解系统的要素，这种方法确实让我们走得很远。现在，在技术时代，我们开始用系统性思维来补充这种分析性思维。

系统性思维看到了我们组织内部各部分之间的联系，但它也承认，我们自己的组织只是一个分层在更大的经济系统中的子系统，而这个系统又存在于一个漂浮在太空中的美丽（但脆弱）的蓝色和绿色球体上。

作为一个物种，我们梦游般地经历了上一次重大的社会阶段性转变。在农业革命期间，我们走出森林，进入田野，承诺有牛奶和蜂蜜的土地，但这往往变成了瘟疫和农民的生活。工业时代提供了从我们背上卸下犁的重量，但取而代之的是充满装配工人的烟雾缭绕的工厂。

纵观历史，技术已经带来了惊人的进步，但当我们通过下一个阶段的过渡。当我们要么让我们的数据和人工智能坍塌在科技巨头和超级国家创造的引力井中，要么，当我们各自建立我们的知识图谱时。也许我们应该花点时间来暂停，并真正关注。睁大眼睛。

复杂性和变化率之间的强化反馈回路不断加速，但在什么方向？

我们最好问自己一些深刻的问题：

• 我们正朝着什么方向加速前进？我们要去哪里？
• 我们希望信息时代是什么样子的？
• 我们是想把我们的人工智能教成无情的高效，还是教成善良和有社会责任感的？也许我们想在这两者之间取得平衡？如果是这样，平衡点应该在哪里？