爱学仕：AI教育的前提是构建完整的知识图谱

　　近些年，AI+教育的发展，让我们看到了无限的可能。不过，实现这些需要一定的基础。爱学仕认为：AI教育的前提是构建完整的知识图谱。

　　早在2、3年前的AI World 2017世界人工智能大会上，百度副总裁、AI技术平台体系（AIG）总负责人王海峰就一直在谈论知识图谱。

　　据百科词条解释：知识图谱（Knowledge Graph），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

　　听起来有点复杂，简单来说：知识图谱，就是通过不同知识的关联性，形成一个网状的知识结构。这个知识结构，对机器来说，就是“图谱”。

　　知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论、方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

　　人工智能应用于不同行业、不同领域的前提条件，是要对不同行业、不同领域建立起认知，只有理解了行业和场景，才能真正智能化运用。也就是说，只有建立了完整的行业知识图谱，才能给行业提供AI方案。

　　教育具有极大的包容度，任何技术的出现，对于教育而言都存在着一次融合、创新的机会。AI教育，正是人工智能与教育的深度融合。

　　爱学仕认为，人工智能在教育领域的落地应用，也要首先建立行业认知，构建知识图谱。于是，就有了这样的论断——AI教育的前提是构建完整的知识图谱。

　　对机器来说，形成知识图谱的过程，本质上是在建立认知，理解世界——理解将要应用的行业或者说领域。知识图谱将所有不同种类信息连接到一起，构成庞大的关系网络。信息收集得越多，关系网络越多，机器的认知能力也就越强。

　　以爱学仕为例，为了构建完善的知识图谱，爱学仕将k12教育涉及的知识点进行了纳米级的拆分，举个例子：小学六年级圆柱相关的知识点有13个，但是我们研究发现，这些知识点有很多关联知识点，这些知识点还可以细分，最后爱学仕将这些知识点细分成了207个。

　　通过这个简单的例子，不难理解，爱学仕的知识图谱的底层知识是呈指数级增长的，作为人工智能的基石，更细、更小的知识点，可以让机器具备更准、更全的认知能力，可自动判断知识点的相关性、难易程度，结合学生的情况规划合理的学习路径，制定个性化学习方案。

　　举报/反馈