大家都知道当前知识图谱是在当前人工智能领域一个备受关注的分支中有一个分类叫做“知识图谱”。简单来说，它就是以结构化的形式描述客观世界中概念、实体及其之间的关系，将互联网的信息表达成更接近人类认知世界的形式。
这也是AI Time第3期主题：“论道知识图谱：知识赋能智能与智能产生知识”，加州大学洛杉矶分校（UCLA）副教授孙怡舟、加拿大蒙特利尔学习算法研究所 (MILA)研究员唐建和中科院自动化所副研究员刘康共同参与了此次论道。
现在请大家思考一个场景，假想你是一个医疗创业公司的负责人，目前想启动一个健康问答的项目，现在你是选择集中资金和人力构建丰富的医疗知识图谱，还是集中资金与人力去研发高效的问答算法？你会怎么选择？
在进入知识图谱领域之前，我们不妨先来回顾一下知识工程四十年多来发展历程。对知识工程的演进过程和技术进展进行总结后，我们可以将知识工程分成五个标志性的阶段：图灵测试时期、专家系统时期、Web1.0万维网时期、Web2.0群体智能时期以及Web 3.0知识图谱时期。
知识图谱究竟主要是靠人工来构建，还是靠机器自动来构建？网络上曾流行这样一段打趣的对话。虽然这是玩笑话，但实际上在构建知识图谱的过程中，不可或缺地需要很多人工智慧的参与。在某些垂直领域知识图谱的构建上，甚至需要非常多专家智慧的参与。尽管学术界与工业界都在努力尝试自动抽取实体与发现实体之间的关系，但是其精准度的局限性导致在某些对错误容忍性很低的领域，比如医疗领域，可能并不能很好的应用。
三位老师大体上都认为半自动结合人工是目前构建知识图谱的理想方式。刘老师表示知识表示的手段对于我们要表现的知识还存在局限性，构建某个领域的知识图谱也是很困难的，需要根据需求不断更新数据。总的来说，构建和维护知识图谱都是一件很费时费力的事，人工的参与提高了精准性，不可能完全摒弃掉人工智慧。
如果未来的智能机器拥有一个大脑，知识图谱就是这个大脑中的知识库，对于大数据智能具有重要意义，将对自然语言处理、信息检索和人工智能等领域产生深远影响。现在以商业搜索引擎公司为首的互联网巨头已经意识到知识图谱的战略意义，纷纷投入重兵布局知识图谱，并对搜索引擎形态日益产生重要的影响。