人工智能与大数据的飞速发展让身边的一切都变得“聪明”起来：Siri会跟你聊天、AI写出让人眼前一亮的诗歌、机器人也可以问诊看病……但无论是能逗你一乐的Siri，还是会做诗的小冰，亦或是会“悬丝诊脉”的沃森，它们并不能真正明白自己在做什么、为什么这么做。要让机器理解自身行为的含义、学会思考，则需要依靠知识图谱。

　　知识图谱赋能公共安全

　　众所周知，公共安全领域每天都产生海量数据，但数据本身并没有意义。把一个个互不相干的知识，根据关联性连成一个“语义网络”，这对机器来说就是图谱。

　　从使用范围来看，知识图谱分为通用知识图谱和领域知识图谱。通用知识图谱包括网络搜索、推荐等场景，而在越来越多的垂直领域中，知识图谱也被广泛应用。在公共安全领域，知识图谱已经成为了基础数据服务，为上层智能应用提供基础设施支撑。

　　在公安领域的应用不断升温

　　人工智能在公共安全领域遇到的主要难题之一就是公安多年积累的实战经验与技术算法的相互转换，这就是公安知识图谱要解决的问题。

　　公安知识图谱通过数据采集、处理、数据库重构、知识转化和实战应用五个步骤，运用分布式存储、关联算法、语义推理等技术，再基于实体的属性联系、时空联系、语义联系、特征联系等建立相互的关系，即可构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络，实现公安技术与业务的深度融合。

　　尽管公安领域知识图谱建设起步较晚，但随着2018年公安部相关指导意见的出台，更多基础层平台化的大型项目已经开始投入建设，已有项目的维护与应用也在持续进行。据艾瑞咨询数据，2018年工具型公安知识图谱应用率为30%，平台型建设率达到10%，在国务院和公安部大力推动下，未来将有更大规模的知识图谱应用落地。

　　自我迭代成为发展方向

　　随着公安大数据的深度应用，数据规模的爆发式增长与知识应用需求多样性、复杂性也对知识的管理提出了更高的需求，因此一个面向未来的知识管理体系，要能够处理大规模、多模态、多任务的事务。人类知识的与时俱进也应体现在知识图谱中。

　　对此，美国耐基梅隆大学等提出Never Ending Learning的概念，知识图谱将形成基于信息、知识和智能形成闭环。从信息中获取知识，基于知识开发智能应用，智能应用产生新的信息，从新的信息中再获取新的知识，不断迭代，就可以不断产生更加丰富的知识图谱，更加智能的应用。

　　结语：知识图谱继AI后逐渐成为各大人工智能与互联网公司的兵家必争之地，而与其他智能技术相比，知识图谱与真实世界的数据组织结构更为相似，可以为AI落地应用提供基础环境，并通过完整的人工智能能力为行业提供整合服务。尽管目前为保证准确率，知识图谱在构建过程中仍然需要在采用较多的人工干预，但其光明的前景依然清晰可见，“AI下一风口”之称也并非虚言。