得到App首席數(shù)據(jù)科學家分享：為什么知識服務以程序員為本？

2019 年 5 月 26 日，得到 App 正式上線 3 周年，得到 App 通過 16 場主題演講完整公開了得到團隊從事知識服務 3 年來的工作心法。在當天的演講中，得到 App 首席數(shù)據(jù)科學家楊溥解釋了為什么知識服務要以程序員為本。他首次公開了「得到大腦」計劃，并表示「得到大腦」要做的核心就是利用人工智能技術(shù)，為用戶建立某個領(lǐng)域的知識圖譜。

本文為楊溥在當天的演講內(nèi)容。

大家好，我叫楊溥，我是得到的首席數(shù)據(jù)科學家。在過去十年的時間里，我一直在做和人工智能相關(guān)的事情。

大家都知道，得到是一家知識服務公司，做課程、做電子書、做跨年演講。去年呢，我們的創(chuàng)始人提了一個夢想，要建立一所為終身學習者服務的通識教育大學。然后呢，這個任務就交給了我們。

你可能要問，為什么建學校這件事，不是交給老師，也不是交給班主任，而是交給了我們程序員呢?這是因為歷史上的每一次知識大爆炸，都是靠背后的工程師來搞定的，就像蔡倫造紙，古騰堡發(fā)明印刷術(shù)，他們給全世界帶來了知識。所以我現(xiàn)在的工作，就是要用我們這一代的技術(shù)，去解決未來的學習問題。

顯然，這一代的技術(shù)，必然離不開人工智能的支持。說到人工智能，我們生活中已經(jīng)隨處可見了，但是大家有沒有發(fā)現(xiàn)一些問題。比如，我打開外賣平臺點餐，系統(tǒng)在首頁上給我推薦了日餐，但事實上，我已經(jīng)連續(xù)吃了5天的日餐了;再比如，我打開電商平臺購買了一件運動服，系統(tǒng)仍然會不停的給我推薦各種不同品牌的運動服，而實際上，為了下定決心去運動，我已經(jīng)購買了6件運動服了。

這就是現(xiàn)在很多智能推薦系統(tǒng)和內(nèi)容平臺的做法，它在根據(jù)我過往的行為，預測我的喜好，并不停的給我推薦類似的商品和內(nèi)容。作為一個從業(yè)者，我會問自己：“得到也要這樣做么?”

如果一個用戶在得到上，已經(jīng)學習了長時間的《薛兆豐經(jīng)濟學》，我們還應該反復的給他推薦經(jīng)濟學的內(nèi)容嗎?按照這種邏輯，他的首頁，可能永遠只會是這塊內(nèi)容了。

所以，類似這樣的人工智能方法，在學習領(lǐng)域并不能滿足需求。特別是得到用戶，是一群對未知有著強烈好奇心的人，他們的好奇心會驅(qū)使他們學習不一樣的內(nèi)容。所以，得到面臨的挑戰(zhàn)，是全新的。

今天，我想給大家分享的是一個內(nèi)部稱做“得到大腦”的項目。在上臺之前，我問過公司的法務，這個項目可以披露嗎?他們說：反正一時半會你也做不出來，隨便你。那什么是得到大腦呢?得到大腦就是期望通過技術(shù)的手段，來盡可能的改善大家的學習體驗，就像給我們的大腦，增加了一個外掛。

前段時間，我接待了一個得到的重度用戶，她給我詳細的介紹了她在得到里的學習歷程。最初她是被薛兆豐的經(jīng)濟學課吸引了進來;學完經(jīng)濟學之后，就想去學金融學。學金融學的時候，當看到非理性的股市時，就想去了解心理學對人決策的影響。之后，她又想去了解更底層的生命科學，她說她最近正在學習王立銘老師的課程，并且因為對生命產(chǎn)生了敬畏，已經(jīng)在小本上列了下一步的計劃，那就是學習高爽老師的天文學。

你看，這個過程就有點像我們的學習過程，最開始只是黑暗中的一團小火苗，但是因為知識之間的互相關(guān)聯(lián)，從而變成了熊熊烈火，點燃了我們的探索之路。這也正是終身學習和傳統(tǒng)的學校學習不一樣的地方，它不是一個線性的，越來越專業(yè)的學習，而是在不斷擴大你的知識范圍。

當然，剛才只是她一個人的探索路線，每個人的探索道路都會不一樣，但探索不是搜索，得到大腦的目標不是做一個更好的搜索引擎，而是去給每個用戶都展示一個，可以自由探索的知識世界，幫助用戶完成自己的探索。

長期思考的人都知道，要想讓自己的認知能力突飛猛進，很多時候不是因為你搜集了多少信息，而是在你探索的時候，有個瞬間，你突然意識到了一個從來沒有想過的維度，知識和知識之間突然產(chǎn)生了化學反應。

所以，得到大腦第一步想要完成的，就是要借助機器的力量，給每個人配上一個學習助理，然后從各種維度，主動的幫你將所有相關(guān)的信息整合在一起，再傳達給你。

但是，新的問題又來了。目前，以深度學習為主的人工智能技術(shù)，我們稱作為感知智能，它還無法完成這樣的工作。接下來，我們需要達到認知智能的水平，也就是讓機器“能理解，會思考”，而知識圖譜就是認知智能中最核心的技術(shù)。

知識圖譜這個概念，最早是在2012年由谷歌提出來的，主要用來提升谷歌的語義搜索服務能力。今天，當你搜索一個問題，比如“C羅的生日”，它給出的不僅僅是關(guān)鍵詞匹配的結(jié)果，它還會給出具體的生日日期，C羅的百科介紹，甚至還有C羅在球隊中的統(tǒng)計資料。

現(xiàn)在，當有了知識圖譜，再結(jié)合虛擬現(xiàn)實的技術(shù)，我們就可以想象出未來學習的場景了。比如，你想了解蘇東坡這個人。你只需要一個入口，然后，你就可以跟著他的腳步，知道他哪一年走出四川，哪一年走進開封，哪一年被貶黃州，哪一年寫了《赤壁賦》;每一年遇到了什么樣的人，做了什么樣的事，寫了什么樣的詩詞。這每一個人、每一件事、每一首詩，過往的學者對它們做了什么樣的研究，寫出了什么樣的著作。你現(xiàn)在所在的地方，和蘇東坡當年待過的地方，相距有多遠。他的遺作，藏在了你身邊的哪一座博物館里……

過程中，你突然對曾經(jīng)看不慣蘇東坡的王安石，產(chǎn)生了興趣，你可以繼續(xù)跳轉(zhuǎn)到他的視角，開啟新的知識探索。你看，整個過程，你不是在學習蘇東坡，而是在代入蘇東坡。

好了，那這一系列的場景，它背后的知識圖譜是什么樣的呢?圍繞著蘇東坡，我們從時間、空間、人物、作品等各種各樣的維度，構(gòu)建了這樣的一張知識圖譜。它類似于思維導圖，但是它具有更規(guī)范的層次結(jié)構(gòu)和更強大的知識表示能力。為了構(gòu)造知識的基本框架，知識圖譜除了包含實體之外，還需要包括概念、屬性、關(guān)系這些信息。因為人的認知過程，正是不斷用這些概念、屬性和關(guān)系去理解世界、解釋世界。

《福爾摩斯探案集》的作者亞瑟·柯南道爾有句名言：“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。”

知識圖譜也是如此，它采集碎片化的信息和數(shù)據(jù)，然后按照標準化的方式加以整理，再將各種看似不相關(guān)，但背后有著共同聯(lián)系的信息關(guān)聯(lián)起來。

好了，確定完技術(shù)方向，下一步，我們該如何構(gòu)建一個面向?qū)W習者的知識圖譜呢?

首先，需要確定知識圖譜的構(gòu)建范圍。顯然，在知識服務領(lǐng)域，我們將會圍繞“通識教育”和“學科教育”，去構(gòu)建一個領(lǐng)域知識圖譜。

接下來，我們需要填充知識圖譜中的內(nèi)容。主要是兩塊內(nèi)容：第一塊，是以“知識點”為中心的實體內(nèi)容，比如一些專業(yè)術(shù)語、歷史人物、著作等等。第二塊，就是這些知識點之間的關(guān)系內(nèi)容。

這些內(nèi)容需要借助大量的自然語言處理技術(shù)，甚至輔助一定的人工手段，從海量的結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)、非結(jié)構(gòu)化的文本中挖掘出來。比如，對于知識點的挖掘，我們會用到“領(lǐng)域詞挖掘”、“命名實體識別”這些技術(shù)。

對于關(guān)系的挖掘，我們會用到“事件抽取”、“關(guān)系抽取”的技術(shù)。其中，“事件抽取”是從文本中抽取出重要的事件信息，比如事件發(fā)生的時間、地點、人物、原因等等，然后再將這些信息與知識點相關(guān)聯(lián)。

知識圖譜中的知識，會按照前面的步驟不斷的進行擴充。這個過程，我們還會結(jié)合“知識融合”相關(guān)的技術(shù)，用來消除歧義信息，保證只有高質(zhì)量的知識才可以進入圖譜。當知識達到一定量級以后，就可以開始知識的探索之旅了。

事實上，借助“實體鏈接”的技術(shù)，機器就擁有了“理解”的能力。當你提出一個問題，問題中的信息就會和圖譜中的信息鏈接起來。接下來，你可以在其中任意的穿梭，發(fā)現(xiàn)一個又一個有興趣的關(guān)聯(lián)。這個過程，就像是今天你喜歡的逛商場、打游戲。

可更多的時候，當你面對一個新領(lǐng)域，我們是沒有明確目標的。尤其是當你學習的范圍越來越廣，涉及的領(lǐng)域越來越多的時候，你就越覺得自己無知，這也是學習最大的難題。

更高效的做法，不僅是要讓機器理解知識，還要能夠懂你、了解你，讓你知道先學什么、后學什么。這也是為什么很多時候，當你想要快速的學習一個新的領(lǐng)域，你會找到這個領(lǐng)域中最專業(yè)的朋友進行溝通，因為他既懂專業(yè)知識，也懂你。

所以，得到大腦第二步想要做的事，就是著手研究，如何為學習者量身打造合適的學習路徑。

首先，我們需要去挖掘知識的脈絡結(jié)構(gòu)，比如知識點的前后依賴關(guān)系、上下位關(guān)系、從簡單到復雜的遞進關(guān)系等等。目前我們也正在和國內(nèi)的高校團隊進行合作，目標是從高質(zhì)量的圖書中挖掘出這些關(guān)系，并將這些關(guān)系按照一顆顆“知識樹”的形態(tài)來構(gòu)建。

接著，就是在這顆知識樹上，找到用戶的定位。一方面，對于老用戶，我們可以根據(jù)他的歷史閱讀記錄、搜索記錄，了解他對知識點的掌握情況，并映射到對應的知識樹中。另一方面，對于新用戶，我們可以提供一些標簽入口，讓用戶自己選擇一些感興趣的領(lǐng)域，然后不斷收集他的行為記錄。當用戶了解了自己的定位以后，學習上就可以更容易的進行取舍了。比如，哪些知識又是僅限于目前的了解就夠了的，哪些知識是必不可少的，哪些知識又是要繼續(xù)深入學習的。

所以，這就是“得到大腦”正在開展的兩個方向。未來，當你帶著問題來到得到，AI會為你找到問題相關(guān)的知識，并在小范圍內(nèi)呈現(xiàn)給你。當你面對一個新的領(lǐng)域，不清楚該學習什么的時候，AI會為你推薦合適的學習路徑。

你可能要問我，什么時候能用到這些東西，現(xiàn)在我還不能明確的告訴你。但我能明確的是，當你用上這些功能的時候，我們已經(jīng)在探索更遠的方向了。

好了，剛才的那些技術(shù)細節(jié)，可能并不是很好理解，但是沒關(guān)系，實際上我想講的是：我們正在努力做的這件事，就是為了讓你的探索更自由。

謝謝大家。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。