隨著人工智慧的快速發展，許多人對AI的運作方式感到好奇，它是如何做到僅僅通過海量數據和強大的演算法來解決複雜問題的？它是否真的「理解」我們的語言和世界，還是僅僅在執行命令？其實，AI早已不再只是機械式地處理數據，它還能夠像人類一樣建立對世界的理解。那麼，今天就來看看AI是如何做到這一點的吧。

一、什麼是知識圖譜？

以圖形化方式表示的知識庫、通過節點和邊來描述實體（如人、地點、事件）及其之間的關聯，使AI能夠更好地理解和推理世界中的實體及其關係。
<示例說明>
圓圈就是節點也是「實體」，箭頭說明了點與點的「關係」，透過畫出像心智圖的方式可以更輕鬆理解整個脈絡：

舉例：當我們在Google 搜尋某些關鍵字時，像是人名，在右側或是最上方會有一個區塊稱為Knowledge Panel，通常包括他的個人總覽和他的作品等，讓我們不需要進入網站就能獲得最全面、最完整的資料。

反之，當我們通過「關係」去搜尋，也可以找到「實體」的結果：

二、核心技術

1. 知識抽取：非結構化->結構化
   從海量的非結構化數據（如文本、網頁、文檔）中提出有用的實體和關係，並把將非結構化數據轉換為結構化的知識。

2. 實體識別（Named Entity Recognition, NER）：識別文本中重要實體
   它是一個基於NLP的技術，將文本中的關鍵詞轉為知識圖譜中的節點。

舉例：「愛因斯坦在普林斯頓大學工作」
NLP工具先進行預處理，然後NER會識別「愛因斯坦」為人名，「普林斯頓大學」為地點，並將他們標記為知識圖譜中的節點。

3. 關係抽取：確定實體之間的關聯
   通常使用機器學習或深度學習模型，通過分析句子結構來確定實體之間的關係。

舉例：「愛因斯坦提出相對論」
模型經過語法分析後會識別「提出」這個動詞，並建立「愛因斯坦-提出-相對論」的關係。

三、知識圖譜的廣泛應用

• Google
  Google透過引入知識圖譜讓搜索不再只是基於關鍵詞匹配，而是基於實體和它們之間的關聯來得到更精確的結果。

• 語音助手
  通過整合知識圖譜理解自然語言問題，並基於圖譜中的實體和關聯來提供答案。

• 推薦系統
  Netflix利用知識圖譜分析不同電影之間的關聯，從而推薦與用戶觀看過的影片類似的內容（如導演、演員、題材相似的電影）。

知識圖譜已經滲透到我們生活的方方面面，隨著技術的進一步發展，賦予AI更強的洞察能力並為我們帶來更多便利與可能性。AI不僅是數據的處理者，更是世界信息的理解者，這其中，知識圖譜扮演了關鍵的角色