近日，全球权威的技术研究和分析公司Gartner发布了2020人工智能技术成熟度曲线报告（Hype Cycle for Artificial Intelligence， 2020）。

人工智能领域到底是越来越强大了？还是依旧比较“智障”呢？

如果对比一下Gartner近三年的报告，就是一个比较有意思的事情了，有些技术逐渐落伍被淘汰了，有些技术依旧止步不前，也有些技术进步的速度非常之快。

1、2020年的人工智能技术成熟度曲线报告（Hype Cycle for Artificial Intelligence， 2020），如下图：

2020年AI成熟度曲线

2、2019年人工智能技术成熟度曲线报告（Hype Cycle for Artificial Intelligence， 2019），如下图：

2019年AI成熟度曲线

3、2018年的人工智能技术成熟度曲线报告（Hype Cycle for Artificial Intelligence， 2018），如下图：

2018年AI成熟度曲线

强化学习、生成对抗网络（GANs），迁移学习，图学习、自监督学习、联邦学习……

近几年，人工智能领域，各种新技术层出不穷，让人目不暇接，疲于应对……

以深度学习领域为例，我们可以梳理一下这几年的重大突破：

2012年：应用AlexNet和Dropout 方法处理ImageNet；

2013年：使用深度强化学习玩转 Atari 游戏；

2014年：采用“注意力”的编码器-解码器网络及Adam优化器；

2014/2015年：生成对抗网络（GAN）；

2015年：残差网络（ResNet）；

2017年：Transformer模型；

2018年：BERT和微调NLP模型；

2019/2020年及之后：BIG语言模型，GPT-3语言模型、自监督学习……

2020年下半年，就有一项“出道即巅峰”的人工智能领域革命性突破技术——GPT-3语言模型。

这又是什么“黑科技”？

简单解释来说，这是OpenAI 高调推出了的一款具有 1750 亿参数的自回归语言模型。

GPT-3在人工智能领域掀起了又一阵革命。

从参数量上看，它比当时全球最大的深度学习模型 Turing NLP 大上十倍。

从功能上看，它可以答题、翻译、写文章，还带有一些数学计算的能力。

AI大佬们谈到GPT-3，是这么评价的：生命、宇宙和万物的答案，就只是 4.398 万亿个参数而已。——多么潇洒的回答呀。

看看下面这张图，借助GPT模型，最左侧是输入的半张图片，中间的四列是自动补全的图片，最右侧是原始图片。

GPT模型识别遮挡图片

最令人震惊的是，GPT3的不用接受特定训练，就能够完成这些任务。

结论是:用过的都说好。

科技进步，永无止境。

对比2018-2020年的人工智能技术成熟度曲线报告，本文重点介绍一下知识图谱技术，这项技术也是进步最快、场景价值得到广泛验证的技术之一。

基于该报告，我们可以先围绕该技术做一下分析。

知识图谱技术之所以被认可，因为其展现了更好地揭示其他非结构化数据中的高阶相关性的能力。

知识图谱分为通用知识图谱与行业知识图谱。

知识图谱的底层，使用了自然语言处理(NLP)和相关的文本分析技术，知识图谱非常适合存储从非结构化资源分析中提取的数据。它们还能够存储结构化数据，包括隐式提供结构和内容的元数据，编码支持各种用例的处理的信息。

按照Gartner的建议，IT领导者应将知识图谱作为数据库，存储有关实体及其关系的数据，当数据有许多不同的来源和形式时，尤其如此。例如，内容服务平台中的文档、数据源中的更新、视频中的音频或数据库中的表格。

负责数据和分析的IT领导者必须将知识图谱纳入其数据和分析治理和管理的范围，为防止数据孤岛的延续，应研究并建立多种知识图谱的互操作方式。

Gartner指出，知识图谱目前已应用于如下领域：

1.数字化工作场所；例如，协作、共享和洞察力；

2.自动化；例如，从内容到RPA的数据抽取；

3.支持机器学习；例如，增强训练数据；

4.数据分析；例如，增强分析，特别是在商业智能背景下的增强分析报告和网络安全；