信息到數據到認知，結構化到知識圖譜

從古至今，人類觀察世界，認知世界並改造世界。

經過不斷升級觀察世界的工具，技術，得到對世界不一樣層次的認知。

知難行易，仍是知易行難，或者知行合一。

行動是檢驗真理的惟一標準。

認知都有侷限，相對論的顛覆，不影響牛頓絕對時空的偉大； 與量子力學的不統一，一樣不妨礙愛因斯坦當之無愧的成就。由於就算是近似，都幫助咱們理解了世界，並改造得更好。

 

但凡自恰必有邊界。

 

地心說當然不對，日心說難道就正確了麼？太陽只是太陽系中心，太陽系只是宇宙裏的一粒塵埃，卑微到泥土裏。

信息無處不在，無所不是； 

 

從觀察到測量。丈量世界，獲得它的大小，密度，這是數據； 

人類進入信息時代，更容易被觀察，被量化，被統計，這是大數據； 

啤酒放在超市裏，有本身的銷售狀況，尿布也是； 

觀察、分析啤酒與尿布的銷售狀況，兩者有正相關性，這是知識。而後有意識將兩者放在一塊兒，這是認知指導行動。

 

數據不是知識，數據並不能指導咱們更好改造世界，不一樣人對於數據有不一樣解讀。認知取決於先驗積累，知識結構等。數據是客觀存在，認知是主觀判斷，人與人的差距正緣於此。

 

積累結構化的數據，從宏觀視角的GDP/CPI到行業指數，到公司財報。

積累非結構化數據，從圖片，語音，視頻，更重要是文本，抽取結構化數據。

 

結構化數據計算能夠查詢，檢索，處理。但仍然還只是數據，客觀存在的數據。計算機能夠自動處理，並不能有效認知。

 

若是把人類的知識，歷史積累，沉澱進去？結構化數據還不夠，還須要有圖譜。數據庫裏的父親，兒子只是兩個普通字段。在結構化的基礎上賦予真實世界的關係，咱們的知識。

 

這樣才能夠推理，關聯，聯想，甚至自我進化。

深度學習表明的聯結學派，有強大的分佈式的統計力； 

強化學習有對環境的感知與自適應力； 

遷移學習，對關聯與聯想的能力； 

GAN可以將分佈式的學習成果，具象表達； 

而知識圖譜，則將人類知識量化成圖，融入到上述過程當中。

 

孩童學語，包括了深度學習，強化學習，遷移學習，母語基本是這樣學會的。但孩子還要去上學，咱們會教他名動形數量代，會教他主謂賓定狀補這樣的語法。這是咱們對語言的總結，這是知識。知識要量化給機器，這是機器得以智能的基礎。

 

關於做者：魏佳斌，互聯網產品/技術總監，北京大學光華管理學院（MBA）,特許金融分析師（CFA），資深產品經理/碼農。偏心python，深度關注互聯網趨勢，人工智能，AI金融量化。致力於使用最前沿的認知技術去理解這個複雜的世界。

掃描下方二維碼，關注：AI量化實驗室（ailabx），瞭解AI量化最前沿技術、資訊。