我們期望得到的是更輕一點的開發(fā)方法，能夠使你付出一些成本就可以拿到一定的回報。這是理想，現(xiàn)實不一定做得到。我們能夠降低成本的一個核心就是，我們能不拘泥于傳統(tǒng)的這些方法往前走。從現(xiàn)在的創(chuàng)業(yè)領域我們借鑒一個概念，大家可能聽過的一個詞，叫 Lean Startup ，就是精益創(chuàng)業(yè)這個想法。在實踐中，我們會發(fā)現(xiàn)，成功的公司基本上都遵循了這樣一種方法往前走，一步一步地，從一開始不清楚應該怎么做，從一開始只有很少的資源做很少的事情， 然后慢慢資源越來越多，做更多的事情，所以我們希望有這樣一條曲線，up-front cost，就是初始投資，盡可能小一點，然后就能拿到一些結(jié)果，這個結(jié)果能夠?qū)τ脩舢a(chǎn)生一定的價值，但不是所有的價值。然后能夠讓我們bootstrapping(步步為營，逐步提升)，往前走，拿到更多的錢拿到更多的人，然后滿足更高的要求。
但實際中的曲線可能是一個波浪的，甚至有可能某個階段變成負的價值，都有可能。我們希望能夠讓各種失敗盡可能快點，這樣發(fā)現(xiàn)錯誤就能快一點。就是有這樣一個loop(循環(huán))，Build-Measure- Learn，大家在其他地方可能也看到過。我們?nèi)嬙煲粋€系統(tǒng)，去發(fā)現(xiàn)，去做快速的驗證，它是不是有可能是成功的。其中大部分實驗都失敗了，只有少數(shù)告訴我們一些道理。然后，我們反饋回去改變我們的系統(tǒng)。
我今天主要講的，是在知識圖譜這個大系統(tǒng)構造的過程中的幾個子領域上，我們有沒有可能去用這樣的方法，依托于成熟技術，在成熟技術上面做一些迭代，幫助我們降低成本。這里我提到5個領域，其實也可以合并成4個領域，就是知識提取、知識存儲、知識表示，后面兩個信息檢索和人機交互可以統(tǒng)稱為知識檢索。我覺得這4個領域在一起才能夠構造好一個完整的知識圖譜的應用。僅僅只看一個領域肯定是不行的。這也是我們早期犯的一個重大的錯誤，就是在我們2001年前后的時候，我們當時想做語義網(wǎng)，我們覺得知識表示就可以解決所有問題，但是我們想錯了?，F(xiàn)在到了2015年的時候，可能我們走到另外一個極端上去，不相信知識表示，我們非常相信知識提取，非常相信深度學習或者分布式表示，這可能也不見得對。一個完整的知識圖譜的應用一定是多種方法的運用。從工業(yè)上來講看，我希望能夠把這些成熟的技術盡可能地組合好。這就跟SpaceX發(fā)射火箭一樣，它每個組成技術(Component)其實不見得是非常先進的，很多都是NASA很多年前就做出來，但是它把這些技術組合得很好，創(chuàng)造出一個非常神奇的系統(tǒng)。把知識圖譜技術拆開來看，也是一樣，每一個組件都不是那么神奇，但怎么把它組合在一起，這是很神奇的。
另一點我想強調(diào)的是我們以前做知識工程的時候，進入了一個誤區(qū)，就是我們覺得我們服務的對象是機器，更多想的是做更好的推理機讓它更好地發(fā)現(xiàn)知識，或者做一個更好的索引讓機器更好地做數(shù)據(jù)庫的查詢，或者做更好的知識提取。但實際上不是這樣子。當你去真正去做一個項目的時候，發(fā)現(xiàn)最主要的成本是人，是你的用戶、你的合伙人、你的投資人，然后更多是我們自己、員工。所以怎么能夠讓人能夠更好地去閱讀知識、產(chǎn)生知識，這才是我們應該學習的教訓。不光是知識工程的教訓也是軟件工程的教訓。
所以這里我引用了軟件工程的兩位大師，他們以前說的話：
傻子都能寫出計算機可讀懂的代碼，優(yōu)秀的程序員寫出的是人能讀懂的代碼— Martin Fowler
程序是寫給人讀的，只是碰巧能被機器執(zhí)行— Abelson and Sussman
其實知識圖譜或者其他的知識表現(xiàn)方式也一樣，它們并不是為機器準備的。它的維護成本更多是人的成本，要更多考慮對人友好來做這些事情。
我首先講一下知識提取的成本，再對其他4個領域一一介紹。
知識提取的成本
關于知識提取方面，我講這3個方面，就是人工和算法，統(tǒng)計和規(guī)則，還有知識提取的粒度。
提到人工和算法，這也是一句名言，我已經(jīng)忘了是誰說的了。我最近在很多talk中都會提到，就是： 有多少人工就有多少智能 ?；旧衔覀兛匆姷哪切┳屛覀冄矍耙涣恋臇|西，都是人做出來的，不是機器做出來的。各種各樣的規(guī)則，各種各樣的ontology，Siri那些讓你笑的小笑話，都是人做出來的。算法真的很難去做高質(zhì)量的結(jié)構。即使算法做出來，一定也要人工去進行驗證、確認。算法能做什么?當原始的結(jié)構都已經(jīng)很好，有高質(zhì)量的時候，算法可能轉(zhuǎn)移這個結(jié)構，從一種格式轉(zhuǎn)移成另一種格式，從Wikipedia的Infobox變成DBPedia，這是算法能夠做好的事情。但要把文本里面的關系提取出來，Open IE，這些東西從研究角度是非常有意義的，但是它們離實用還有相當遠的距離。