不懂知識圖譜的你，正在錯失人工智慧這個風口
一、AI來了，你被OUT了，有人卻已在快車道上了
給你講個恐怖的故事：我今年，32歲了！三十歲左右是一生中最焦慮的年紀。在大城市打拚的我們，每天在瞬息萬變的互聯網行業里累成翔；為了保住飯碗付每月的房貸或者房租，回家還要拚命學習成長，想怎麼和有想法且已經創業幾次的95後比更有市場競爭力；活在青春尾巴的我們，看著自己開始發福的身體不斷問自己：會像李世石那樣被阿爾法狗打敗那樣，被超人類的AI取代嗎？
看另一批已藉助AI先行出發、領跑時代的30歲產品經理們。85後的黃釗,既是較早的一批互聯網產品經理（08年開始），又是最早的AI
產品經理（12年開始）; 既受到過最正規的互聯網PM培訓熏陶（騰訊），又在AI PM的行業探索前行（圖靈機器人 ）;現在已經華麗轉身為AI第一梯隊、未來獨角獸——圖靈機器人的VP了。逆襲之路正在逐漸收窄，彎道超車的賽道開始閉合，只剩眼前這條路。那作為傳統信息流產品經理的你，又能從哪個切入點找到轉行AI產品經理的機會呢？二、這個時代的焦慮，終需要用這個時代的技術解決
人工智慧的底層是海量大數據碎片化散落在世界角落，通過藉助於雲計算極低的計算成本和極強的計算能力，進而輸出人工智慧所需的各種結構化數據。在這之上是AI人工智慧領域的範疇，包括：機器學習、深度學習、自然語言處理和知識圖譜。
看到上面的圖是不是感覺：知識圖譜不就是人工智慧的一個不起眼的小弟，同時還被機器學習、深度學習和自然語言處理各位更有名氣大哥的擠到角落裡的受氣包嗎？其實知識圖譜是人工智慧運籌帷幄之中的幕後英雄。
三、知識圖譜又是什麼鬼？
在一個快速迭代的行業裡面，如果你看的只有大家都在熱議的東西是做不了大事的。知識圖譜最能體現人工智慧的特色——像人類大腦一樣思考！人類最擅長的思考方式就是將點和線關聯起來並由點及面，然後抽絲剝繭，慢慢理清其中的邏輯推理關係。
福爾摩斯作者有一句名言:「一個邏輯學家，不需要親眼見過，或聽過大西洋和尼亞加拉大瀑布，他從一滴水中就能推測出它們。」
知識圖譜就像福爾摩斯破案一樣，首先需要採集散布在各個角落的碎片化信息和數據，然後把它按標準化思考方式整理，再將各個看似不相關但背後有著共同聯繫的信息關聯起來，並挖掘背後的規律，據此做深入的推理，最後激昂的背景音樂就此響起，智慧的福爾摩斯搬出最致命的證據，兇手的臉一陣抽搐…
知識圖譜又可以從數據角度和技術角度來看。以數據方面為例，它就是一個語義的知識庫，裡面的組成單位是「實體—屬性—關係」這樣的三元組，各個組聚合在一起就構成了複雜的網狀知識結構。比如「劉德華」周圍有很多關係：他的別名、身高、生日、妻子以及電影作品，他演的《無間道》又包含了相關的導演、演員以及製片地區香港等。所以知識圖譜能非常直觀的表達對象與對象之間的關係。世間萬物是一個錯綜複雜的關係網，但是無論形式上多麼複雜，其實本質上都是簡單的三元組。
以技術方面為例，知識圖譜是從數據、情報到知識，最後再到智慧的過程。首先是分散式數據採集，這裡面既會涉及到外部海量在線數據（像新聞，公司披露等信息），也會有內部業務數據。並且需要把採集來的數據像剛從果園採回的鮮果一樣做徹底的清洗，然後輸出乾淨的基礎數據。下一步需要對其做語義處理，因為新聞本身可能也含有廣告，所以需要通過自然語言處理識別新聞中到底談到哪個公司，或者哪位高管，又或者提到公司的什麼大事，比如中了什麼標，可能會對業績有較大的影響。做完語義處理之後，輸出結構化標準數據，然後將行業專家的知識融合進來去建模，從而構建出各個行業的知識庫。在這個基礎上，就可以做上層決策支持系統，通過更加簡易的人機交互來訪問這些底層的知識圖譜。比如你向同花順i問財
提問「同花順可以買嗎？」，它首先需要理解你要問的是什麼：意圖是同花順這個公司，實體是怎麼樣，要不要買；然後把它轉化到龐大的底層知識圖譜中去做搜索，最後返回給你想要的結果，比如同類型的事件當時同花順股票漲跌的概率等。
四、人工智慧的「神奇魔杖」
你現在對知識圖譜有了大致了解，那我們再以通聯數據蘿蔔投研揭秘豬肉價格上漲背後的產業鏈投資機會，來看看這個類似哈利波特手中的「神奇魔杖」到底已經如何運用到金融科技的前沿領域中了。 在2015年7月，蘿蔔投研的數據監控系統對豬肉價格發出異動提醒，這時我們注意到豬肉價格自4月以來，已連續上漲超過20% 。
進一步結合供需關係來分析豬肉價格上漲的原因，可以發現相比豬肉價格不斷上漲的同時，而生豬存欄量卻在持續走低，養殖行業並未進行補欄。
在系統推薦的關聯數據中， 仔豬價格仍舊錶現平穩，因此可以預測，如果豬肉價格繼續上漲，養殖者一定會跟風養豬，仔豬需求量就會上升，隨之而來的就是仔豬價格的上漲。
如預測的那樣，隨後仔豬價格大幅飆升。
此時是投資生豬繁育行業的大好機會，那麼仔豬價格的上漲是否也影響到了其上下游產業？更多潛在的投資機會也許就埋在這些關係鏈中。
於是利用蘿蔔投研的知識圖譜，首先挖掘出了仔豬的上游產業——從飼料、疫苗再到維生素，這些都存在著不錯的投資價值。
以維生素為例，在包括仔豬養殖量上漲等多種因素的疊加下，各類維生素價格出現了大幅度的飆升；這為主營維生素的企業提供了有力的業績支撐。
回到知識圖譜對產業下游進行觀察，可以預估，到了2016年底，當這批生豬出欄之後，豬肉的屠宰業將引來業績大爆發，這又利好相關上市公司。
可見，如果能擁藉助知識圖譜這個「神奇魔杖」，即使不是專業的農業分析師，也能試著從豬肉價格變化挖掘出整個生豬產業鏈里的投資機會。
不過，就算讓華爾街人人自危的智能投研Kensho也達不到其宣稱的那樣：你問的問題它都懂。但是，這也正是AI產品經理與信息類產品經理思路不同之處：比如智能問答，沒有太多UI界面設計，而是需要知道底層技術邊界是什麼，現在能做什麼，以後能做什麼，理解這套邏輯之後設計出來的產品才能不斷去自我演化。像kensho不能回答的問題，就會搜集起來，自己去演化，通過和人的交互逐步把人想了解的知識、問的問題，集成到系統裡面，讓底層的知識圖譜逐漸去匹配完善。這也就是為什麼AI系統與傳統信息系統不一樣，它可能更多是搜集人機交互、外部信息，形成閉環，從而使自己像奮進不停的學習者一樣不斷成長演化。
五、機會之門正為你打開
伴隨著AI這塊新的投資風口，新興企業對AI人才的需求也是激增。據LinkedIn的報告顯示：過去三年間，通過領英平台發布的AI職位數量從2014年的5萬飆升至2016年的44萬，增長近8倍。截至2017年一季度，基於領英平台的全球AI領域技術人才數量超過190萬，其中美國相關人才總數超過85萬，高居榜首，而中國的相關人總數也才5萬人，缺口極大。
很多人講沒機會進入AI領域，其實你有沒有想過，我們每一天都是做選擇，比如你開一個會，你在會上表現的沉默還是表現積極，方案給的是偏保守還是很激進，工作里的每一步，都是選擇。選擇會累積變成機會，機會最終會引發質變。機會來自量的積累，機會不是說來就來的。新崗位永遠有缺口，這就需要你爭分奪秒地去適應，去學習，去搶工作。
AI已來，未來不遠!作者：kyle，微信號號：kyle-fintech，機器學習初學者，曾入圍智慧中國杯大數據競賽融360用戶貸款風險預測演算法賽複賽，目前做量化策略產品。專註金融科技Fintech領域的前沿研究，如果你也AI感興趣，歡迎微信交流，推薦給你相關資料！
特別感謝北京知識圖譜科技有限公司吳剛老師的無條件支持才能完成此篇文章！
參考文章
《知識圖譜在智能金融的應用》吳剛老師
《人工智慧的鐘擺》鮑捷老師
《知識圖譜關鍵技術》王昊奮老師
《揭秘豬肉價格上漲背後的產業鏈投資機會》通聯數據微信公眾號
相關閱讀
同花順 i問財告訴我們，投顧機器人+量化策略到底有多強大
智能投顧小鮮肉—投米RA ，能否讓宜信彎道超車估值750億美元的螞蟻金服？
推薦閱讀：
※何為智能自行車？
※手機銷量暴跌36%，小米究竟在忙些什麼？
※視頻《畫皮方舟子》對方舟子的評價是否客觀？
※國內的逆向民族主義是如何產生的？