基於知識的人工智慧服務日益成為流行趨勢。大資料環境下，資料的分佈、異構、動態、碎片化和低質化等特徵給知識工程和服務提出了很多新困難和新挑戰，有效構建新一代大規模知識圖譜，已成為影響人工智慧未來發展的關鍵問題之一。

10月25日下午，2018中國計算機大會上舉辦了以“認知圖譜與推理”為主題的技術論壇，領域專家與參會者們一起探討了如何構建超大規模的認知圖譜，及其在工業界實際場景中的應用，並深入探討了資料智慧、機器學習、圖計算、認知推理等多方面的結合應用的理論方法與實踐經驗，現場參與觀眾爆滿。

論壇上，來自阿里巴巴達摩院智慧計算實驗室的資料科學家楊紅霞博士和計算平臺系統工程總監錢正平博士，分別從演算法和系統角度，介紹了認知圖譜在阿里電商推薦、視訊分析、金融風控等領域的真實場景的生產實踐。

專家簡介

楊紅霞，阿里巴巴資深演算法專家/總監。她帶領團隊開發基於計算平臺和搜尋推薦的智慧演算法，穩定的支援了阿里巴巴搜尋、廣告等30幾個核心BU和其業務場景。加入阿里之前，楊博士曾任IBM全球研發中心Watson研究員，Yahoo!主任資料科學家。在頂級統計和機器學習國際學術期刊會議發表論文40餘篇（包括JASA, ICML, ATSTATS, KDD, ICDM，CIKM和WWW等），美國專利9項，任職 Applied Stochastic Models in Business and Industry副主編，International Statistical Institute理事，2017浙江省千人。楊博士畢業於美國杜克大學。

錢正平，阿里巴巴資深技術專家/總監。他帶領團隊負責圍繞阿里巴巴內外諸如圖計算、機器學習等新興應用的系統研發和商業解決方案構建。加入阿里之前，錢博士曾任微軟亞洲研究院主管研究員。研究興趣是分散式和資料平行計算，在OSDI、NSDI、EuroSys、VLDB等會議發表論文、並曾獲EuroSys 2012最佳論文獎。錢博士畢業於華南理工大學。

楊紅霞博士介紹，阿里巴巴生態體系有著極其豐富多樣的資料，涵蓋著從購物、出行，到娛樂、支付等各個方面。作為資訊過濾的重要手段和電商應用的核心服務，個性化推薦系統需要依賴這一資料，識別我們的習慣和愛好來推薦合適的商品或者服務。但是傳統的推薦系統容易出現稀疏性、冷啟動和資訊重複性的問題，而認知圖譜作為大規模圖表徵的一類重要模型正在成為一種新興型別的推薦輔助資訊，可以將自然人的全域資訊有效的結合起來，真正挖掘、理解每個人的需求，在每個業務域推出消費者真正感興趣的潛在商品。

楊博士還具體以淘寶推薦演算法為例，介紹瞭如何利用圖表徵學習等技術，融合異構資訊，對於超過幾十億節點、千億邊的超大規模知識圖譜上進行有效的推理分析。從而利用多樣化資料間的複雜關聯和結構特徵，為使用者提供更精準和可靠的資訊。這些結構特徵也被用於更好的捕捉電商行為中的異常。

另一方面超大規模認知圖譜的計算與推理也給系統設計帶來巨大挑戰。下一個報告中，錢正平博士首先介紹了阿里基於圖模型的智慧服務系統架構，包括圖模型的維護、資料智慧計算，以及與人工、演算法知識的融合，並最終提供實時的線上服務。接著錢博士從底層圖儲存、平行計算與高層語言抽象和優化等角度，重點介紹了系統挑戰和阿里的工作。

此外錢正平博士還透露，阿里正在結合過去幾年在真實場景的大規模應用與實踐經驗，研發新一代圖計算引擎MaxGraph，支撐超大規模認知圖譜推理計算。相比現有圖儲存或圖資料庫，MaxGraph為圖模型提供了高效的分散式儲存、支援實時更新與保證資料一致性；自研的分散式資料流引擎能支援包括互動查詢，批量全圖計算，和低延遲、高併發線上服務在內的多模式混合執行；另外通過相容TinkerPop Gremlin等流行的圖查詢語言，和提供自研的能夠表達圖表徵學習等更豐富圖計算語義的高層描述性語言及自動優化，提供良好的可程式設計性。MaxGraph旨在為大規模知識圖譜應用提供統一的計算引擎和更高層的系統抽象，在應用與底層硬體、網路之間架起橋樑，充分發揮硬體效能、突破計算規模與效能瓶頸。

在最後的討論環節，各位專家進一步展望了認知圖譜與推理領域的發展、分享了研究挑戰與機遇。錢博士強調了演算法與系統工程緊密結合的重要性，更為重要的，是要和領域專家緊密協作、真正深入和解決真實場景的重要問題。相信超大規模認知圖譜及計算能力，會成為更多AI應用的基礎設施、並帶動更多的行業創新。

阿里雲總監繫列課重磅上線！聚焦人工智慧、彈性計算、資料庫等熱門領域，首次集齊12位阿里雲技術高管，耗時半年精心打磨，從理論到實踐傾囊相授，從零開始繪製技術大牛成長路徑，限時直播課程免費報名中！歡迎戳“https://yq.aliyun.com/promotion/689”免費報名學習。