1. 作为智能组件的情绪 

皇甫存青博士作报告

本次专题论坛的第一部分由来自中国科学院自动化研究所的皇甫存青博士做题为“作为一个智能组件的情绪”的报告。

皇甫存青博士从神经科学的角度探讨了情绪的生理基础及功能作用。他介绍道，情绪能帮助我们在恰当时机做出合适的行为，能赋予我们关于周围环境变量的价值感，能对我们的行为起着中心调控的作用。

接着，他通过对五羟色胺、多巴胺和去甲肾上腺素三个递质系统的探索，分别解析了情绪的不同面向：五羟色胺递质系统主要调节生物的攻击行为、性行为和社会地位等；多巴胺递质系统则主要调节奖赏与学习，介导行动的驱动力，帮助生物适应新的环境刺激等；而去甲肾上腺素系统则主要调节生物的应激行为，帮助生物快速应对环境胁迫等。皇甫存青博士还探讨了人类心灵中的驱动感、快感、新奇感、熟悉感和美感等，并做出总结：情绪可以帮助生物识别环境中的有利因素，进而引导生物的行为；情绪还可以影响生物的高级认知功能与行为等，帮助生物适应复杂的环境。

最后，皇甫存青博士倡导我们多关注情绪，这能帮助我们更好地规划生活；人工智能学界也应该多关注神经科学，人类心智的生理基础对于人工智能的构建具有重要的启示作用。

2. 知识图谱工程及其在搜索业务应用介绍

周佳齐先生作报告

报告的第二部分是由上海蜻蜓FM的算法专家周佳齐先生带来的对知识图谱工程及其应用的介绍。

周佳齐首先介绍了知识图谱的概念。知识图谱旨在描述真实世界中存在的各种实体或概念。其中，每个实体或者概念用一个全局唯一确定的ID来标识，称为它们的标识符。每个属性-值对用来刻画实体的内在特性，而关系用来连接两个实体，刻画它们之间的关联。本质上，知识图谱是一种揭示实体之间关系的语义网络。现在的知识图谱已被用来泛指各种大规模的知识库。

随后，周佳齐介绍了知识图谱的发展历史。知识图谱的发展始于第一次AI浪潮。从60年代开始，经历了本体到专家系统的发展，知识图谱的雏形逐渐形成。而描述逻辑的发展则为知识图谱提供了理论奠基。在90年代发展出了RDF等具体的建模语言。2000年以后，在之前理论的基础上发展出了OWL（网络本体语言）。在2006年之后，产生了强语义道路和弱语义道路之间的分歧，最终弱语义道路成为主流。

介绍完知识图谱的发展历程后，周佳齐介绍了知识图谱的构建。知识图谱的构建主要有自顶向下（top-down）与自底向上（bottom-up）两种构建方式。典型的例子分别为Freebase项目和Google的Knowledge Vault。在知识图谱的构建中，最重要的三个环节是知识单元的抽取、知识单元间的关系识别以及知识图谱的存储与使用。其中尤以知识单元抽取和知识单元间的关系识别最为关键。而知识单元抽取中最为基础与关键的一步就是实体抽取。周佳齐介绍了三种知识抽取的方法，分别是基于规则与词典的实体抽取方法、基于统计机器学习的实体抽取方法和面向开放域的实体抽取方法。之后，周佳齐还介绍了知识图谱中的知识融合、知识更新以及知识推理，并指出，这三个方面是目前知识图谱领域的重点与难点。而目前，并行与分布式算法、众包算法以及跨语言知识库对齐在这个领域里具有比较广阔的研究空间。最后，周佳齐列举了知识图谱在目前一些行业中的具体应用，主要包括智能搜索、社交网络、金融行业、医疗行业以及电商行业等。

上官建峰工程师评论

在评论环节，阿里口碑算法工程师上官建峰对周佳齐的报告进行了点评。上官建峰简单总结了周佳齐的报告，认为周佳齐对知识图谱作了一个详尽且专业的介绍。然后上官建峰提出了自己对于知识图谱的看法，并认为知识图谱最终提供的是一个智能化、结构化的大脑，为各种业务提供服务。这才是知识图谱的价值。

在自由讨论环节，在场的同学提出了一些具体的细节问题，周佳齐和上官建峰一起对这些问题进行了解答，并和在场的哲学院同学进行了一些哲学上的讨论。最后，报告在老师和同学们的热烈讨论中圆满结束。
 

文字：刘涛、何清瑜
图片：吴晓林
编辑：Chao