你可能或多或少已經在各種演講和文章中看到過知識圖譜（Knowledge Graph）的身影，這一名詞在2018年被Gartner第一次加入新興技術成熟度曲線。正如其名，它是一系列顯示知識發(fā)展進程與結構關系的不同的圖形，用可視化的技術，描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互關系。

與數(shù)據(jù)和表格有所不同，知識圖譜由節(jié)點和連接線段組成。很多企業(yè)正在其平臺和產品中運用這種技術，因此到了2019年，知識圖譜在Gartner成熟度曲線中的位置快速前進，這意味著其正在快速成熟。

由于知識圖譜非常適合分析從非結構化資源中提取的數(shù)據(jù)，包括隱式的提供結構和內容的元數(shù)據(jù)，常被用于描述客觀世界中，各種實體或者概念之間的彼此關系。

越來越多的企業(yè)將知識圖譜應用在物聯(lián)網和工業(yè)互聯(lián)網領域，他們運用知識圖譜充分挖掘事物背后客觀的隱性關系，將這種隱形關系轉化為可計算數(shù)據(jù)，并且以可視化的形式展示在人們面前。

知識圖譜讓我們將分析的重點放在了探索各種“關系”上，包括隱性關系。最近，當我邀請走向智能研究院執(zhí)行院長、工信部CPS發(fā)展論壇副秘書長、工業(yè)互聯(lián)網領域的專家趙敏參與物聯(lián)網智庫組織的直播活動時，知識圖譜引起了我們的共同關注。

●物聯(lián)網是不是只能把已知要素聯(lián)接起來，表達已知的物與物之間的關系？

●還是可以把未知關系的物與物也聯(lián)接起來？

●未知的關系要怎么聯(lián)接，聯(lián)起來以后做什么？

針對這些問題，趙敏以《新基建中的佼佼者：基于知識圖譜的工業(yè)互聯(lián)網》為題，進行了一次精彩的演講，本文將我在聆聽中的收獲與你分享。

一個未被提及的指標：聯(lián)接度

目前絕大多數(shù)的工業(yè)互聯(lián)網平臺，聯(lián)接了“看得見、摸得著、想得清”的已知工業(yè)要素，建立了這些要素之間的數(shù)據(jù)采集、互可操作、協(xié)作控制等關系，形成了全新的工業(yè)管理邏輯，創(chuàng)造了巨大的經濟效益。

但這還不夠，如果想要進一步發(fā)展，一個未被提及的公式躍然紙上，那就是聯(lián)接度。

聯(lián)接度=已經聯(lián)接的要素/未被聯(lián)接的要素

工業(yè)互聯(lián)網的“第一性原理”，就是要廣泛地聯(lián)接各種機器設備和工業(yè)系統(tǒng)，由此而實現(xiàn)“聯(lián)接-管控-優(yōu)化-效益”的基本邏輯。

因此，工業(yè)互聯(lián)網的聯(lián)接范圍，從一開始就不局限于企業(yè)邊界之內，而是以跨越企業(yè)的“價值鏈”，甚至是以聯(lián)接各種企業(yè)的“價值網”作為起點，聯(lián)接企業(yè)內外部要素，特別是在用工業(yè)品，向基于云的新價值體系探索。

這時，聯(lián)接度是評價工業(yè)互聯(lián)網發(fā)展的重要指標。

在聯(lián)接度的計算公式中，分子是指“可見要素”，包括看得見、摸得著、想得清的工業(yè)要素，它們大多數(shù)已經實現(xiàn)了聯(lián)接；分母是指“不可見要素”，包括看不見、摸不著、想不清的工業(yè)要素，以及這些要素之間的隱形關系。

為什么分析聯(lián)接度尤為重要？舉一個現(xiàn)實中的例子。今年2月，媒體報道了一則“山東省司法廳廳長因疫情防控不力被免職”的新聞。乍一看，你可能會好奇，山東司法廳廳長與武漢新冠肺炎的關系是什么？經過分析與挖掘之后，我們看到了一條清晰的關系路徑：

山東任城的獄警→有武漢親戚→到武漢探親→過程中感染了山東任城獄警→再感染其它干警→繼續(xù)感染在押犯人→造成任城重大疫情→導致省委追責→結果任城監(jiān)獄長、書記被免職→最終造成山東司法廳長被免職。

這些關系是常人無法全部獲知、并且立即能夠在非常抽象的場景下想得清楚的。就像我們在工業(yè)場景中，各種產品與系統(tǒng)越來越復雜，如果出現(xiàn)質量問題或者設備故障，如果關鍵要素及其關系沒有被清晰的記錄、分析和系統(tǒng)化呈現(xiàn)，很難鎖定真實源頭一樣。

“聯(lián)接度”是描述工業(yè)互聯(lián)網的“地基”是否真正牢固的一個評價指標。提高聯(lián)接度，可以通過兩種方式：第一是增大分子，聯(lián)接更多的工業(yè)要素，我們常說的“人、機、料、法、環(huán)”，都是可見要素；第二是減少分母，推斷出不可見的工業(yè)要素，找到規(guī)律并且將其實現(xiàn)聯(lián)接，包括各種隱形關系更要分析出來。

這個看似不可能完成的任務，可以借助知識圖譜來得以實現(xiàn)。

知識圖譜將“三不”變?yōu)椤叭伞?/strong>

知識圖譜是人工智能的一項重要分支技術，與工業(yè)互聯(lián)網的結合是一個新的技術發(fā)展方向，而人工智能和工業(yè)互聯(lián)網都被列入了新基建的重點范疇。從今年開始，知識圖譜可能會異軍突起的趨勢愈發(fā)明顯。

在工業(yè)互聯(lián)網領域，知識圖譜的價值在于將“三不”變?yōu)椤叭伞??！叭弧焙汀叭伞笔侵福?/p>

●過去不可見的要素可見；

●過去不可計算的要素可計算；

●過去不可聯(lián)接的要素可聯(lián)接。

這些不可見、不可計算、不可聯(lián)接的工業(yè)要素，可以分為多種情況，我們分別舉例來說。

1. 已經知曉其存在的要素，但是難以捕捉其關鍵信息，無法進行聯(lián)接。

我們知道復雜產品的缺陷一定存在，但是關鍵難題是找不到缺陷在哪里。例如，宇航器的發(fā)射，每次我們并不知道是不是會成功，失敗的概率還是挺高的。這種復雜產品，我們知道其中一定有缺陷，但是不知道是哪個大部件、哪個小零件上的缺陷，最終可能導致發(fā)射失敗。

最典型的例子是在1986年，挑戰(zhàn)者號航天飛機剛剛發(fā)射就爆炸了，這可以說是人類航天史上最慘痛的事故，里根總統(tǒng)專門下令組織了一個調查委員會，著名的物理學家費曼就是其中的成員。最后他發(fā)現(xiàn)事故的原因是一個小小的塑料密封圈，在低溫下這個密封圈變形了，由此釀成了事故。

費曼是怎么發(fā)現(xiàn)這個問題的呢？過程挺傳奇的。他的一位同事早上上班，車壞了，自己動手修車，那個車上也有個密封圈，這位同事靈機一動，趕緊給費曼打電話，費曼這才按照這個思路去調查。

不關鍵的缺陷，即使有了也問題不大，但是關鍵的缺陷，就會造成大問題。10,000個環(huán)節(jié)哪怕有9,999個沒問題，但是碰到一次關鍵缺陷，就很可能導致嚴重事故。除了宇航器，我們身邊的汽車和各種精密設備，都是相似的實例，復雜產品很難準確判斷具體會在哪里出錯。

2. 已經知曉其存在的要素，可以捕捉到其關鍵信息，但是技術上無法聯(lián)接。

有些物理對象，即便捕捉到了關鍵信息，在技術上也無法聯(lián)接。最典型的例子是大跨度的懸索橋，柔性很高，相對容易產生振動，而且找不到完全消除振動的好辦法。我們較難判斷它在什么樣的風速下就發(fā)生了振動，顫振、弛振、共振、抖振等，只能一發(fā)生振動就停止通行。

比如5月初，廣東虎門大橋發(fā)生異常抖動，橋面呈現(xiàn)波浪形涌動。這種懸索橋振動的主要原因是在特定的風環(huán)境條件下的橋梁渦振現(xiàn)象，并非橋梁質量問題。

事后調查發(fā)現(xiàn)，虎門大橋采用的是流線型的斷面設計，本身的風阻較小，發(fā)生渦振的概率也比較小。但由于近期虎門大橋在修吊桿和主纜，橋梁兩邊放置了臨時擋墻（俗稱“水馬”）防止車撞，“水馬”把橋上通風的部分堵住，形成了一堵墻，因而造成了渦振的現(xiàn)象。

在工業(yè)現(xiàn)場，很多基礎設施和大型設備包含多種參數(shù)，它們的“脾氣”人類并不掌握。

3. 已知、未知要素之間的隱形關系是更為復雜的情況。需要首先確定其隱形關系的存在，然后通過推理和計算找到其關鍵信息，再設法建立聯(lián)接。

例如，一袋酸奶出現(xiàn)質量問題，到底是在生產過程中哪個環(huán)節(jié)出現(xiàn)的問題？我們是極難追溯的，這時很多要素之間的隱形關系需要預先建立。

再舉個例子，一個工廠采購了多臺德國知名品牌的立式加工中心，但是其中一臺總是出現(xiàn)X軸方向超差的問題，奇怪的是其余幾臺都沒有遇到類似情況，操作員曾經想：難道是遇鬼了？經過長時間的分析，工廠逐一排除了傳動部件松動的問題、熱變形的問題，以及X軸本身變形的問題…

最終，一位頗有經驗的專家來診斷才看出原因所在，因為機床的地基存在問題。操作員將機床移開之后發(fā)現(xiàn)，地面已經塌陷了一個小坑，說明地基的確存在問題，是由于地基的變化引發(fā)了機床的變形。

知曉了這些隱形關系，有助于我們進一步順藤摸瓜，發(fā)現(xiàn)那些原本我們并不知道其存在性的工業(yè)要素。理清各種要素之間的關系，對研發(fā)、生產和管理等環(huán)節(jié)，有可能會產生巨大的好處和幫助。

利用聯(lián)接“關系”，撬動深層價值

知識圖譜的重要性在于，它推進了異構數(shù)據(jù)結構化的過程，讓數(shù)據(jù)建立聯(lián)接關系，為各種算法的介入提供了一個核心支撐。沒有它，很多數(shù)據(jù)的訪問是松散的。

在推進工業(yè)智能的過程中，有兩個大的支柱，第一是知識圖譜，其次才是深度學習。現(xiàn)階段我們最應該重視的是知識圖譜，而且很多工業(yè)領域的核心企業(yè)已經圍繞知識圖譜進行布局。

在《“中國智造”如何走出與“工業(yè)4.0”不同的道路？這家巨頭用知識圖譜給出答案》一文中，我曾經介紹了西門子在這方面的進展。

西門子的物聯(lián)網服務事業(yè)部就以知識圖譜為抓手，幫助企業(yè)推進數(shù)字化轉型。西門子認為，如果工業(yè)想用好人工智能，無法繞過的路徑是先建立知識圖譜。如果不把前期的語義模型和知識圖譜搭好的話，人工智能很可能只是一個空中樓閣。

基于知識圖譜已經建立的模型，持續(xù)的采集和積累數(shù)據(jù)，才能為后面的數(shù)字化和人工智能應用鋪好路。當有了知識圖譜以后，人工智能才有可能實現(xiàn)最后的終極目標，就是所有的設備完全自主、自治。

施耐德電氣則與企業(yè)級的知識圖譜平臺Stardog合作，構建了智能建筑領域的物聯(lián)網知識圖譜，打通了建筑物管理、居住舒適度調節(jié)、電源監(jiān)控等數(shù)據(jù)孤島，分析和集成來自無數(shù)物聯(lián)網傳感器和系統(tǒng)的信息，同時降低了開發(fā)者和工程師的工作量，實現(xiàn)最優(yōu)化的智能建筑運營。

國內的初創(chuàng)企業(yè)智通科技在2020年初，發(fā)布了全新的知識圖譜產品：通圖Smart.KG，它擁有知識圖譜的構建和全過程的可視化操作能力，幫助企業(yè)將數(shù)據(jù)隱形關系顯性化，殘缺關系完整化，并提供不同場景的圖譜智能化服務，目前已經在食品飲料、紡織、能源等行業(yè)取得了一定的應用進展。

----寫在最后----

知識圖譜的構建思路包括“自下而上”和“自上而下”，分別適合不同的場景。基于知識圖譜已經建立的模型，持續(xù)的采集和積累數(shù)據(jù)，才能為后面的數(shù)字化和人工智能應用鋪好路。利用知識圖譜作為數(shù)字孿生的基礎，打造一個可持續(xù)使用、可持續(xù)開發(fā)的數(shù)字化平臺，這才是關鍵。

知識圖譜就像語義世界的百科全書，更確切的說，這是一套物聯(lián)網設備可以使用的百科全書，它是一個活著的數(shù)字孿生。

預計基于知識圖譜的工業(yè)互聯(lián)網平臺，在今后一段時間將會獲得業(yè)界青睞，具有較大的發(fā)展動能與應用潛力。

【歡迎掃碼下方二維碼，下載演講資料《新基建中的佼佼者：基于知識圖譜的工業(yè)互聯(lián)網》】

最后，誠摯感謝清華學長趙敏在文章寫作過程中，給予我的極大幫助。

本文小結：

●知識圖譜讓我們將分析的重點放在了探索各種“關系”，包括隱性關系。

●在工業(yè)互聯(lián)網領域，知識圖譜的價值在于將“三不”變?yōu)椤叭伞??！叭弧焙汀叭伞笔侵福哼^去不可見的要素可見；過去不可計算的要素可計算；過去不可聯(lián)接的要素可聯(lián)接。

●在推進工業(yè)智能的過程中，有兩個大的支柱，第一是知識圖譜，其次才是深度學習。