得到App首席数据科学家分享：为什么知识服务以程序员为本

2019 年 5 月 26 日，得到 App 正式上线 3 周年，得到 App 通过 16 场主题演讲完整公开了得到团队从事知识服务 3 年来的工作心法。在当天的演讲中，得到 App 首席数据科学家杨溥解释了为什么知识服务要以程序员为本。他首次公开了「得到大脑」计划，并表示「得到大脑」要做的核心就是利用人工智能技术，为用户建立某个领域的知识图谱。

本文为杨溥在当天的演讲内容。

大家好，我叫杨溥，我是得到的首席数据科学家。在过去十年的时间里，我一直在做和人工智能相关的事情。

大家都知道，得到是一家知识服务公司，做课程、做电子书、做跨年演讲。去年呢，我们的创始人提了一个梦想，要建立一所为终身学习者服务的通识教育大学。然后呢，这个任务就交给了我们。

你可能要问，为什么建学校这件事，不是交给老师，也不是交给班主任，而是交给了我们程序员呢?这是因为历史上的每一次知识大爆炸，都是靠背后的工程师来搞定的，就像蔡伦造纸，古腾堡发明印刷术，他们给全世界带来了知识。所以我现在的工作，就是要用我们这一代的技术，去解决未来的学习问题。

显然，这一代的技术，必然离不开人工智能的支持。说到人工智能，我们生活中已经随处可见了，但是大家有没有发现一些问题。比如，我打开外卖平台点餐，系统在首页上给我推荐了日餐，但事实上，我已经连续吃了5天的日餐了;再比如，我打开电商平台购买了一件运动服，系统仍然会不停的给我推荐各种不同品牌的运动服，而实际上，为了下定决心去运动，我已经购买了6件运动服了。

这就是现在很多智能推荐系统和内容平台的做法，它在根据我过往的行为，预测我的喜好，并不停的给我推荐类似的商品和内容。作为一个从业者，我会问自己：“得到也要这样做么?”

如果一个用户在得到上，已经学习了长时间的《薛兆丰 经济 学》，我们还应该反复的给他推荐经济学的内容吗?按照这种逻辑，他的首页，可能永远只会是这块内容了。

所以，类似这样的人工智能方法，在学习领域并不能满足需求。特别是得到用户，是一群对未知有着强烈好奇心的人，他们的好奇心会驱使他们学习不一样的内容。所以，得到面临的挑战，是全新的。

今天，我想给大家分享的是一个内部称做“得到大脑”的项目。在上台之前，我问过公司的法务，这个项目可以披露吗?他们说：反正一时半会你也做不出来，随便你。那什么是得到大脑呢?得到大脑就是期望通过技术的手段，来尽可能的改善大家的学习体验，就像给我们的大脑，增加了一个外挂。

前段时间，我接待了一个得到的重度用户，她给我详细的介绍了她在得到里的学习历程。最初她是被薛兆丰的经济学课吸引了进来;学完经济学之后，就想去学 金融 学。学金融学的时候，当看到非理性的股市时，就想去了解心理学对人决策的影响。之后，她又想去了解更底层的生命科学，她说她最近正在学习王立銘老师的课程，并且因为对生命产生了敬畏，已经在小本上列了下一步的计划，那就是学习高爽老师的天文学。

你看，这个过程就有点像我们的学习过程，最开始只是黑暗中的一团小火苗，但是因为知识之间的互相关联，从而变成了熊熊烈火，点燃了我们的探索之路。这也正是终身学习和传统的学校学习不一样的地方，它不是一个线性的，越来越专业的学习，而是在不断扩大你的知识范围。

当然，刚才只是她一个人的探索路线，每个人的探索道路都会不一样，但探索不是搜索，得到大脑的目标不是做一个更好的搜索引擎，而是去给每个用户都展示一个，可以自由探索的知识世界，帮助用户完成自己的探索。

长期思考的人都知道，要想让自己的认知能力突飞猛进，很多时候不是因为你搜集了多少信息，而是在你探索的时候，有个瞬间，你突然意识到了一个从来没有想过的维度，知识和知识之间突然产生了化学反应。

所以，得到大脑第一步想要完成的，就是要借助机器的力量，给每个人配上一个学习助理，然后从各种维度，主动的帮你将所有相关的信息整合在一起，再传达给你。

但是，新的问题又来了。目前，以深度学习为主的人工智能技术，我们称作为感知智能，它还无法完成这样的工作。接下来，我们需要达到认知智能的水平，也就是让机器“能理解，会思考”，而知识图谱就是认知智能中最核心的技术。

知识图谱这个概念，最早是在2012年由谷歌提出来的，主要用来提升谷歌的语义搜索服务能力。今天，当你搜索一个问题，比如“C罗的生日”，它给出的不仅仅是关键词匹配的结果，它还会给出具体的生日日期，C罗的百科介绍，甚至还有C罗在球队中的统计资料。

现在，当有了知识图谱，再结合虚拟现实的技术，我们就可以想象出未来学习的场景了。比如，你想了解苏东坡这个人。你只需要一个入口，然后，你就可以跟着他的脚步，知道他哪一年走出四川，哪一年走进开封，哪一年被贬黄州，哪一年写了《赤壁赋》;每一年遇到了什么样的人，做了什么样的事，写了什么样的诗词。这每一个人、每一件事、每一首诗，过往的学者对它们做了什么样的研究，写出了什么样的著作。你现在所在的地方，和苏东坡当年待过的地方，相距有多远。他的遗作，藏在了你身边的哪一座博物馆里……

过程中，你突然对曾经看不惯苏东坡的王安石，产生了兴趣，你可以继续跳转到他的视角，开启新的知识探索。你看，整个过程，你不是在学习苏东坡，而是在代入苏东坡。

好了，那这一系列的场景，它背后的知识图谱是什么样的呢?围绕着苏东坡，我们从时间、空间、人物、作品等各种各样的维度，构建了这样的一张知识图谱。它类似于思维导图，但是它具有更规范的层次结构和更强大的知识表示能力。为了构造知识的基本框架，知识图谱除了包含实体之外，还需要包括概念、属性、关系这些信息。因为人的认知过程，正是不断用这些概念、属性和关系去理解世界、解释世界。

《福尔摩斯探案集》的作者亚瑟·柯南道尔有句名言：“一个逻辑学家，不需要亲眼见过或听过大西洋和尼亚加拉大瀑布，他从一滴水中就能推测出它们。”

知识图谱也是如此，它采集碎片化的信息和数据，然后按照标准化的方式加以整理，再将各种看似不相关，但背后有着共同联系的信息关联起来。

好了，确定完技术方向，下一步，我们该如何构建一个面向学习者的知识图谱呢?

首先，需要确定知识图谱的构建范围。显然，在知识服务领域，我们将会围绕“通识教育”和“学科教育”，去构建一个领域知识图谱。

接下来，我们需要填充知识图谱中的内容。主要是两块内容：第一块，是以“知识点”为中心的实体内容，比如一些专业术语、历史人物、著作等等。第二块，就是这些知识点之间的关系内容。

这些内容需要借助大量的自然语言处理技术，甚至辅助一定的人工手段，从海量的结构化数据数据、非结构化的文本中挖掘出来。比如，对于知识点的挖掘，我们会用到“领域词挖掘”、“命名实体识别”这些技术。

对于关系的挖掘，我们会用到“事件抽取”、“关系抽取”的技术。其中，“事件抽取”是从文本中抽取出重要的事件信息，比如事件发生的时间、地点、人物、原因等等，然后再将这些信息与知识点相关联。

知识图谱中的知识，会按照前面的步骤不断的进行扩充。这个过程，我们还会结合“知识融合”相关的技术，用来消除歧义信息，保证只有高质量的知识才可以进入图谱。当知识达到一定量级以后，就可以开始知识的探索之旅了。

事实上，借助“实体链接”的技术，机器就拥有了“理解”的能力。当你提出一个问题，问题中的信息就会和图谱中的信息链接起来。接下来，你可以在其中任意的穿梭，发现一个又一个有兴趣的关联。这个过程，就像是今天你喜欢的逛商场、打 游戏 。

可更多的时候，当你面对一个新领域，我们是没有明确目标的。尤其是当你学习的范围越来越广，涉及的领域越来越多的时候，你就越觉得自己无知，这也是学习最大的难题。

更高效的做法，不仅是要让机器理解知识，还要能够懂你、了解你，让你知道先学什么、后学什么。这也是为什么很多时候，当你想要快速的学习一个新的领域，你会找到这个领域中最专业的朋友进行沟通，因为他既懂专业知识，也懂你。

所以，得到大脑第二步想要做的事，就是着手研究，如何为学习者量身打造合适的学习路径。

首先，我们需要去挖掘知识的脉络结构，比如知识点的前后依赖关系、上下位关系、从简单到复杂的递进关系等等。目前我们也正在和国内的高校团队进行合作，目标是从高质量的图书中挖掘出这些关系，并将这些关系按照一颗颗“知识树”的形态来构建。

接着，就是在这颗知识树上，找到用户的定位。一方面，对于老用户，我们可以根据他的历史阅读记录、搜索记录，了解他对知识点的掌握情况，并映射到对应的知识树中。另一方面，对于新用户，我们可以提供一些标签入口，让用户自己选择一些感兴趣的领域，然后不断收集他的行为记录。当用户了解了自己的定位以后，学习上就可以更容易的进行取舍了。比如，哪些知识又是仅限于目前的了解就够了的，哪些知识是必不可少的，哪些知识又是要继续深入学习的。

所以，这就是“得到大脑”正在开展的两个方向。未来，当你带着问题来到得到，AI会为你找到问题相关的知识，并在小范围内呈现给你。当你面对一个新的领域，不清楚该学习什么的时候，AI会为你推荐合适的学习路径。

你可能要问我，什么时候能用到这些东西，现在我还不能明确的告诉你。但我能明确的是，当你用上这些功能的时候，我们已经在探索更远的方向了。

好了，刚才的那些技术细节，可能并不是很好理解，但是没关系，实际上我想讲的是：我们正在努力做的这件事，就是为了让你的探索更自由。

谢谢大家。