前言

1950年，圖靈發(fā)表了具有里程碑意義的論文《計(jì)算機(jī)器與智能》（Computing Machinery and Intelligence），提出了一個(gè)關(guān)于機(jī)器人的著名判斷原則——圖靈測(cè)試，也被稱為圖靈判斷，它指出如果第三者無(wú)法辨別人類與AI機(jī)器反應(yīng)的差別， 則可以論斷該機(jī)器具備人工智能。

2008年，漫威《鋼鐵俠》中的AI管家賈維斯，讓人們知道了AI是如何精準(zhǔn)地幫助人類（托尼）解決丟過來(lái)的各種事務(wù)的……

圖1：AI管家 賈維斯（圖片來(lái)源網(wǎng)絡(luò)）

2023年初，以2C的方式從科技界火爆破圈的免費(fèi)聊天機(jī)器人ChatGPT浪翻全球。

據(jù)瑞銀的研報(bào)，其月活用戶在1月份就達(dá)到了1億，目前還在增長(zhǎng)著，它已成為史上增長(zhǎng)最快的消費(fèi)者應(yīng)用。此外，其東家OpenAI繼前期發(fā)布了每月42美元的專業(yè)版Pro后，馬上就要推出Plus版，據(jù)說(shuō)每月20美元左右。

當(dāng)一件新事物，月活上億，流量上來(lái)，并且開啟商業(yè)變現(xiàn)之后，你是否對(duì)它背后的各種技術(shù)感到好奇？比如，聊天機(jī)器人是如何處理和查詢海量數(shù)據(jù)的？

體驗(yàn)過ChatGPT的朋友都有同感，它顯然比天貓精靈或小愛童鞋要更加智能——是一個(gè)“有著無(wú)敵話術(shù)”聊天機(jī)器人，一個(gè)自然語(yǔ)言處理工具，一個(gè)大型語(yǔ)言模型，也是一個(gè)人工智能應(yīng)用。它可以根據(jù)提問素材的上下文與人類互動(dòng)，可以進(jìn)行推理和創(chuàng)作，甚至還會(huì)拒絕（它認(rèn)為）不當(dāng)?shù)膯栴}，不只是完成擬人化的交流。

雖然目前對(duì)它的評(píng)價(jià)褒貶不一，但從技術(shù)發(fā)展的視角來(lái)說(shuō)，它甚至有可能通過圖靈測(cè)試。試問，在我們與它交流的時(shí)候，其（對(duì)于小白而言）廣博的知識(shí)，可甜可油的回答，如果在我們完全不知情的前提下，是很難辨別出對(duì)方是人類還是機(jī)器（或許這才是它危險(xiǎn)的地方——ChatGPT 的內(nèi)核依然是屬于深度學(xué)習(xí)范疇，存在大量黑盒與不可解釋性！）。

那么，聊天機(jī)器人是怎么做到將來(lái)自3000 億單詞的訓(xùn)練語(yǔ)料庫(kù)和 1750 億的參數(shù)，快速地進(jìn)行整理和輸出的呢，同時(shí)還能做到結(jié)合上下文，根據(jù)它“掌握”的知識(shí)，自由應(yīng)對(duì)與人類的交流的呢？

其實(shí)，聊天機(jī)器人也有大腦，它跟我們?nèi)祟愐粯?，需要學(xué)習(xí)+訓(xùn)練。

圖2：ChatGPT 學(xué)習(xí)訓(xùn)練圖（來(lái)源官網(wǎng)）

它將海量的文本、圖片等等非結(jié)構(gòu)化的文件，通過NLP（自然語(yǔ)言處理）、目標(biāo)識(shí)別、多模態(tài)識(shí)別等，按其語(yǔ)義結(jié)構(gòu)化成知識(shí)圖譜，這個(gè)知識(shí)圖譜就是聊天機(jī)器人的大腦了。

圖3：以醫(yī)療為例，人工智能將多來(lái)源的數(shù)據(jù)轉(zhuǎn)化在問答、搜索、藥物研發(fā)等場(chǎng)景的知識(shí)圖譜中

知識(shí)圖譜是由什么組成的呢？

知識(shí)圖譜是由什么組成的呢？它是由點(diǎn)（實(shí)體）和邊（關(guān)系）組成的，能夠?qū)⑷恕⑹?、物等相關(guān)信息進(jìn)行整合，形成一個(gè)全面的圖，如下圖。

圖4：由人物的點(diǎn)和屬性邊構(gòu)成的圖譜（子圖）

當(dāng)提問“OpenAI 的創(chuàng)始人是誰(shuí)呀？”，聊天機(jī)器人的大腦就開始迅速地在自己的知識(shí)庫(kù)里搜索、查找，先從用戶的問句中，鎖定目標(biāo)點(diǎn)“penAI”，再根據(jù)用戶的提問，連鎖出另一個(gè)點(diǎn)——?jiǎng)?chuàng)始人“山姆·阿爾特曼”。

圖5：從點(diǎn)“OpenAI”通過一條邊連接到另一個(gè)點(diǎn)“山姆·阿爾特曼”

其實(shí)，當(dāng)我們?cè)谔帷癘penAI的創(chuàng)始人是誰(shuí)"的時(shí)候，聊天機(jī)器人就會(huì)在自己的知識(shí)庫(kù)中，把所有圍繞該點(diǎn)的圖都關(guān)聯(lián)出來(lái)。所以，當(dāng)我們問及相關(guān)問題的時(shí)候，它其實(shí)早已預(yù)判了我們的預(yù)判。比如當(dāng)我們問：“馬斯克是OpenAI的創(chuàng)始團(tuán)隊(duì)成員嗎？”僅僅一個(gè)命令的發(fā)出，它已經(jīng)將所有的成員都查詢了（舉千反一），見下圖。

圖6：由點(diǎn)“OpenAI”關(guān)聯(lián)到其他人物

此外，在它的庫(kù)里如果還收錄過其他的“學(xué)習(xí)資料”，那么在其的“大腦”中還會(huì)關(guān)聯(lián)著諸如“人工智能機(jī)器人的產(chǎn)品有哪些？”等相關(guān)的圖，如下圖。

圖7：常見的AI機(jī)器人產(chǎn)品圖譜

當(dāng)然，聊天機(jī)器人和人一樣，回答問題會(huì)受到自身知識(shí)儲(chǔ)備的局限，如見下圖：

我們知道，決定一個(gè)人大腦快不快、聰明不聰明的判斷是什么呢？從人類的視角來(lái)看，最簡(jiǎn)單的一個(gè)標(biāo)準(zhǔn)就是是否具備舉一反三的能力。

子曰：“不憤不啟，不悱不發(fā)，舉一隅不以三隅反，則不復(fù)也?！?/span>

——論語(yǔ)·述而篇

早在兩千年前，孔子就強(qiáng)調(diào)過善于舉一反三、由此及彼、觸類旁通的重要性。而對(duì)于聊天機(jī)器人來(lái)說(shuō)，其答案的質(zhì)量取決于構(gòu)建知識(shí)圖譜的算力。

我們知道，通用的知識(shí)圖譜的建設(shè)在很長(zhǎng)一段時(shí)間內(nèi)都著重在 NLP和可視化呈現(xiàn)等方面，但忽略了計(jì)算時(shí)效性、數(shù)據(jù)建模靈活性、查詢（計(jì)算）過程與結(jié)果可解釋性等問題。尤其是在整個(gè)世界從大數(shù)據(jù)時(shí)代向深數(shù)據(jù)時(shí)代轉(zhuǎn)型的當(dāng)下，過去傳統(tǒng)的基于SQL或 NoSQL構(gòu)建的圖譜的缺陷，已無(wú)法高效去處理海量、復(fù)雜、動(dòng)態(tài)的數(shù)據(jù)的能力，更何談進(jìn)行關(guān)聯(lián)、挖掘和分析的洞察力？那么，傳統(tǒng)知識(shí)圖譜面臨的挑戰(zhàn)都有什么特性呢？

一是，低算力（低效）。采用SQL 或 NoSQL 數(shù)據(jù)庫(kù)系統(tǒng)構(gòu)建的知識(shí)圖譜底層架構(gòu)效率低下，無(wú)法高速地處理高維數(shù)據(jù)。

二是，靈活性差。基于關(guān)系型數(shù)據(jù)庫(kù)、文檔數(shù)據(jù)庫(kù)或低性能圖數(shù)據(jù)庫(kù)構(gòu)建的知識(shí)圖譜通常受制于底層架構(gòu)而無(wú)法高效地還原實(shí)體間的真實(shí)關(guān)系。諸如，它們有些只支持簡(jiǎn)單圖，錄入多邊圖數(shù)據(jù)時(shí)要么信息容易丟失，要么花高代價(jià)來(lái)構(gòu)圖。

三是，徒有其表。在2020 年之前， 極少有人真正關(guān)注底層算力，幾乎所有的知識(shí)圖譜系統(tǒng)建設(shè)，都僅僅是圍繞 NLP 和可視化這兩部分。而沒有底層算力支撐的知識(shí)圖譜，只是在本體與三元組的抽取和構(gòu)建，并不具備解決深度的查詢、速度和可解釋性等問題的能力。

【注：在這里，我們不展開講傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)與圖數(shù)據(jù)庫(kù)之間的性能對(duì)比，感興趣的讀者可閱讀：??圖數(shù)據(jù)庫(kù)與關(guān)系型數(shù)據(jù)庫(kù)的區(qū)別???？和 ?圖數(shù)據(jù)庫(kù)解決了什么問題？?】

行文至此，我們已經(jīng)從聊天機(jī)器人的智能知識(shí)圖譜話題，聊到了另一個(gè)前沿技術(shù)——圖數(shù)據(jù)庫(kù)（圖計(jì)算）技術(shù)領(lǐng)域了。

什么是圖數(shù)據(jù)庫(kù)(圖計(jì)算)呢？

圖數(shù)據(jù)庫(kù)【見參考資料1】是一種應(yīng)用圖理論，可以存儲(chǔ)實(shí)體的屬性信息和實(shí)體之間的關(guān)系信息，在定義方面，圖（Graph）是以節(jié)點(diǎn)【見參考資料2】和邊【見參考資料2】定義的數(shù)據(jù)結(jié)構(gòu)。

圖是知識(shí)圖譜存儲(chǔ)與應(yīng)用服務(wù)的基礎(chǔ)，擁有強(qiáng)大的數(shù)據(jù)關(guān)聯(lián)及知識(shí)表達(dá)能力，因此倍受學(xué)術(shù)界和工業(yè)界的推崇。

圖8：圖數(shù)據(jù)庫(kù)與知識(shí)圖譜在市場(chǎng)營(yíng)銷、犯罪調(diào)查、金融監(jiān)管、教育生態(tài)、公共衛(wèi)生和能源等領(lǐng)域中的應(yīng)用場(chǎng)景

如上圖所示，我們看到，在實(shí)時(shí)圖數(shù)據(jù)庫(kù)（圖計(jì)算）引擎的幫助下，產(chǎn)業(yè)界可以實(shí)時(shí)地在不同數(shù)據(jù)間找到深度關(guān)聯(lián)的各種關(guān)系，甚至可以找到最優(yōu)的、人腦都無(wú)法企及的智能途徑——這就是源于圖數(shù)據(jù)庫(kù)的高維性。

何為高維性？圖不僅僅作為一種符合人類大腦思維習(xí)慣、能對(duì)現(xiàn)實(shí)世界進(jìn)行直觀建模的工具，同時(shí)能夠建立起深刻的洞察（深圖遍歷）力。

諸如大家都知道“蝴蝶效應(yīng)”，就是在海量的數(shù)據(jù)和信息的中，去捕捉看似毫無(wú)關(guān)系的兩個(gè)以上的實(shí)體之間的微妙關(guān)系，這從數(shù)據(jù)處理架構(gòu)的角度來(lái)看，如果沒有圖數(shù)據(jù)庫(kù)（圖計(jì)算）技術(shù)的幫助是極難實(shí)現(xiàn)的。【注：對(duì)圖數(shù)據(jù)庫(kù)與圖計(jì)算到底如何區(qū)分的話題，此處不展開，感興趣的朋友可閱讀：來(lái)自“圖”的挑戰(zhàn)是什么？如何區(qū)分圖數(shù)據(jù)庫(kù)與圖計(jì)算？ 一文速解】

圖9：過去40年來(lái)，數(shù)據(jù)處理技術(shù)的發(fā)展趨勢(shì)是從關(guān)系型到大數(shù)據(jù)再到圖數(shù)據(jù)

風(fēng)控就是典型的場(chǎng)景之一。2008年的金融危機(jī)，其導(dǎo)火索僅僅是美國(guó)第四大投行雷曼兄弟倒閉了，但誰(shuí)也沒有料到，一家擁有158年歷史的投行的倒閉，會(huì)引起國(guó)際銀行業(yè)后續(xù)的一系列倒閉風(fēng)潮……其影響之廣、范圍之大，讓人始料未及；而實(shí)時(shí)圖數(shù)據(jù)庫(kù)（圖計(jì)算）技術(shù)，就可以找到關(guān)于風(fēng)險(xiǎn)的所有關(guān)鍵的節(jié)點(diǎn)、風(fēng)險(xiǎn)因子，風(fēng)險(xiǎn)傳播路徑……進(jìn)而對(duì)整個(gè)金融風(fēng)險(xiǎn)進(jìn)行提前預(yù)警。

圖10：雷曼兄弟（Lehman Brothers）破產(chǎn)傳播路徑以及風(fēng)險(xiǎn)客群圖譜

【注：以上構(gòu)圖，均在Ultipa Manager上完成。愿意進(jìn)一步學(xué)習(xí)和探索的朋友，可以閱讀系列文章之一： 走進(jìn) Ultipa Manager之高可視化】

需要指出的是，時(shí)下，盡管很多廠家都可以構(gòu)造知識(shí)圖譜，但現(xiàn)實(shí)是每 100 家圖譜公司中，用（高性能）圖數(shù)據(jù)庫(kù)來(lái)做算力支撐的不足 5 家（低于 5%）。

Ultipa嬴圖數(shù)據(jù)庫(kù)是目前全球唯一的第四代實(shí)時(shí)圖數(shù)據(jù)庫(kù)，通過高密度并發(fā)、動(dòng)態(tài)剪枝、多級(jí)存儲(chǔ)計(jì)算加速等創(chuàng)新性的專利技術(shù)實(shí)現(xiàn)了對(duì)任意量級(jí)數(shù)據(jù)集的超深度實(shí)時(shí)下鉆。

一是，高算力。

以查找企業(yè)最終受益人（又名實(shí)際控制人、大股東）為例。此類問題的挑戰(zhàn)在于，現(xiàn)實(shí)世界中，最終受益人與被檢查公司實(shí)體之間，經(jīng)常相隔許多節(jié)點(diǎn)（空殼公司實(shí)體），又或者多個(gè)自然人或公司實(shí)體之間通過多條投資、參股路徑對(duì)其它公司進(jìn)行控制。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)或文檔數(shù)據(jù)庫(kù)，甚至多數(shù)的圖數(shù)據(jù)庫(kù)，都無(wú)法實(shí)時(shí)解決這類圖譜穿透問題。

Ultipa嬴圖實(shí)時(shí)圖數(shù)據(jù)庫(kù)系統(tǒng)解決了以上諸多挑戰(zhàn)。其高并發(fā)數(shù)據(jù)結(jié)構(gòu)和高性能計(jì)算與存儲(chǔ)引擎，相較于其他圖系統(tǒng)能以 100 倍甚至更快的速度進(jìn)行深度挖掘，實(shí)時(shí)（微秒級(jí)以內(nèi)）找到最終受益人或發(fā)現(xiàn)一個(gè)龐大的投資關(guān)系網(wǎng)絡(luò)。另一方面，微秒級(jí)的時(shí)延意味著更高的并發(fā)性和系統(tǒng)吞吐量，相比于那些宣稱毫秒級(jí)延遲的系統(tǒng)，這是 1000 倍的性能提升！

以現(xiàn)實(shí)場(chǎng)景為例，原中信銀行行長(zhǎng)孫德順利用開設(shè)多個(gè)“影子公司”的方式，借助金融手段來(lái)完成利益輸送。

圖11：孫德順設(shè)計(jì)了結(jié)構(gòu)極為復(fù)雜的重重“防火墻”，多層影子公司層層嵌套，以規(guī)避監(jiān)管，獲取利益

圖12：關(guān)聯(lián)：孫德順——中信銀行——企業(yè)老板——（空殼公司）投資平臺(tái)公司——孫德順

如上圖所示，孫德順利用中信銀行的公權(quán)力為企業(yè)老板批貸款；與此對(duì)應(yīng)，企業(yè)老板們或以投資名義或送上優(yōu)質(zhì)的投資項(xiàng)目、投資機(jī)會(huì)等等方式；雙方通過各自成立的空殼公司完成直接交易；或者企業(yè)老板將巨資注入孫德順實(shí)控的投資平臺(tái)公司，然后平臺(tái)公司再用這些資金投到老板提供的項(xiàng)目?jī)?nèi)，從而以錢生錢，大家共同獲利分紅，最終形成利益共同體。

Ultipa嬴圖實(shí)時(shí)圖數(shù)據(jù)庫(kù)系統(tǒng)，通過白盒穿透的方式，挖掘出層層錯(cuò)綜的人與人、人與企業(yè)、企業(yè)與企業(yè)之間的復(fù)雜關(guān)系，并實(shí)時(shí)鎖定最終的幕后人。

二是，靈活性。

圖譜系統(tǒng)的靈活性可以是個(gè)非常廣泛的話題，大體包含數(shù)據(jù)建模、查詢與計(jì)算邏輯、結(jié)果呈現(xiàn)、接口支持、可擴(kuò)展性等幾個(gè)部分。

數(shù)據(jù)建模是所有關(guān)系圖譜的基礎(chǔ)，與圖系統(tǒng)（圖數(shù)據(jù)庫(kù)）的底層能力息息相關(guān)。例如，基于ClickHouse 這種列數(shù)據(jù)庫(kù)構(gòu)建的圖數(shù)據(jù)庫(kù)系統(tǒng)，根本無(wú)法承載金融交易圖譜，因?yàn)榻灰拙W(wǎng)絡(luò)最典型的特征就是兩個(gè)賬戶間存在多次轉(zhuǎn)賬，但 ClickHouse 傾向于將多次轉(zhuǎn)賬合并為一，這種不合理的做法會(huì)導(dǎo)致數(shù)據(jù)混淆（失真）。有些基于單邊圖理念構(gòu)建的圖數(shù)據(jù)庫(kù)系統(tǒng)，則傾向于用頂點(diǎn)（實(shí)體）來(lái)表達(dá)交易，結(jié)果是數(shù)據(jù)量被放大（存儲(chǔ)浪費(fèi)），并且造成圖譜查詢的復(fù)雜度指數(shù)級(jí)增大（時(shí)效性變差）。

接口支持層面則與用戶體驗(yàn)相關(guān)。舉個(gè)簡(jiǎn)單的例子，如果一個(gè)生產(chǎn)環(huán)境下的圖系統(tǒng)僅支持CSV格式，那么所有的數(shù)據(jù)格式都要先轉(zhuǎn)換為CSV格式才能入圖，效率顯然太低，然而這在很多圖譜系統(tǒng)中卻是真實(shí)存在的。

查詢與計(jì)算邏輯的靈活性又如何呢？我們?nèi)砸浴昂?yīng)”為例：圖譜中任意兩個(gè)人、事或物之間是否存在某種冥冥中的因果（強(qiáng)關(guān)聯(lián)）效應(yīng)？如果只是簡(jiǎn)單的 1 步關(guān)聯(lián)，任何傳統(tǒng)的搜索引擎、大數(shù)據(jù) NoSQL 框架甚至關(guān)系型數(shù)據(jù)庫(kù)都可以解決，但如果是深度的關(guān)聯(lián)關(guān)系，例如牛頓和成吉思汗之間有什么關(guān)聯(lián)關(guān)系，這又該如何計(jì)算呢？

Ultipa嬴圖實(shí)時(shí)圖數(shù)據(jù)系統(tǒng)，可以提供不止一種方法來(lái)解決以上問題。比如點(diǎn)到點(diǎn)的深度路徑搜索、多點(diǎn)間的組網(wǎng)搜索、基于某種模糊搜索條件的模板匹配搜索，還有類似于Web搜索引擎的面向圖譜的模糊文本路徑搜索。

圖13：某大圖中實(shí)時(shí)組網(wǎng)的可視化結(jié)果（形成子圖）搜索深度≥ 6跳

圖譜上還有其它很多必須依賴高靈活性與算力才可以完成的工作，比如依據(jù)靈活的過濾條件尋找點(diǎn)、邊、路徑；模式識(shí)別，社區(qū)、客群發(fā)現(xiàn)；尋找節(jié)點(diǎn)的全部或特定鄰居（或遞歸地發(fā)現(xiàn)更深的鄰居）；找到圖中具有相似屬性的實(shí)體或關(guān)聯(lián)關(guān)系……總之，沒有圖算力支撐的知識(shí)圖譜就像是沒有靈魂的軀殼，空有其表。無(wú)法完成種種具有挑戰(zhàn)性、深度搜索能力的事務(wù)。

三是，低代碼，所見即所得。

圖譜系統(tǒng)除了上面提到的高算力與靈活性以外，還需要有白盒化（可解釋性）、表單化（低代碼、無(wú)代碼）以及以所見即所得的方式賦能業(yè)務(wù)的能力。

圖14：零代碼一鍵查找，僅需填入搜索范圍的數(shù)值即可，且2D、3D 、列表、表格甚至是異構(gòu)數(shù)據(jù)融合的多種可視模式靈活轉(zhuǎn)化

在Ultipa嬴圖實(shí)時(shí)圖數(shù)據(jù)庫(kù)系統(tǒng)中，開發(fā)人員只需敲1句 Ultipa GQL就可以完成操作，而業(yè)務(wù)人員則是使用預(yù)置的表單化插件通過零代碼的方式就可以實(shí)現(xiàn)對(duì)業(yè)務(wù)的查詢。這種方式，極大地助力員工提高了工作效率，同時(shí)賦能機(jī)構(gòu)降低了運(yùn)營(yíng)成本，并打通了部門之間的溝通壁壘。

綜上所述，知識(shí)圖譜與圖數(shù)據(jù)庫(kù)的結(jié)合將會(huì)幫助各行各業(yè)加速實(shí)現(xiàn)數(shù)據(jù)中臺(tái)的業(yè)務(wù)建設(shè)，但諸如金融行業(yè)這種需要專業(yè)性、安全性、穩(wěn)定性、實(shí)時(shí)性、精準(zhǔn)性的行業(yè)，采用關(guān)系型數(shù)據(jù)庫(kù)來(lái)支撐上層應(yīng)用并不能提供良好的數(shù)據(jù)處理性能，甚至無(wú)法完成數(shù)據(jù)處理任務(wù)，因此只有實(shí)現(xiàn)具有實(shí)時(shí)、全面、深度穿透、逐筆追溯、精準(zhǔn)計(jì)量的監(jiān)測(cè)和預(yù)警性能的圖數(shù)據(jù)庫(kù)（圖計(jì)算）技術(shù)，才可能賦能組織更好地運(yùn)籌帷幄且決勝千里！

行文至此，突然想起了熱播的《三體》，其中提到了一個(gè)非常有意思的點(diǎn)——智子鎖死。大概意思是說(shuō)，三體文明為了防止地球科技超過它，就通過鎖死人類基礎(chǔ)科學(xué)的方式進(jìn)行各種阻礙。因?yàn)槿祟愇拿鞯娘w躍，取決于基礎(chǔ)科學(xué)的發(fā)展和重大突破，鎖死人類的基礎(chǔ)科學(xué)就等于堵塞住了地球提升文明等級(jí)的道路……當(dāng)然，筆者想告訴大家的是，圖技術(shù)就屬于人工智能的基礎(chǔ)設(shè)施之一，準(zhǔn)確的說(shuō)是圖技術(shù)=增強(qiáng)智能+可解釋 AI，它是 AI 與大數(shù)據(jù)發(fā)展過程中融合的必然產(chǎn)物。

圖15：圖數(shù)據(jù)庫(kù)（圖計(jì)算）技術(shù)，屬于人工智能基礎(chǔ)設(shè)施