作為國內知識圖譜、語義技術、語言理解和知識計算等領域的核心會議，2020全國知識圖譜與語義大會吸引了來自清華大學、哈爾濱工業大學、騰訊、阿里巴巴等眾多國內知名大學與企業前來參加。多年來，醫渡雲一直支持並參與CCKS大會評測委員會工作，本屆大會醫渡雲首席人工智慧科學家閆峻博士受邀擔任大會組委會評審主席（Evaluation Chair）。醫渡雲算法工程師焦曉康受邀參加此次會議，並在知識圖譜工業界論壇發表了主題演講。
成長階段 奮發有為
CCKS（China Conference on Knowledge Graph and Semantic Computing）是由中國中文信息學會語言與知識計算專委會定期舉辦的全國年度學術會議，致力於促進中國語言與知識計算領域的學術研究和產業發展，為從事相關領域理論和應用研究的學者、機構和企業提供廣泛交流的平臺。
本屆大會吸引眾多人工智慧、知識圖譜領域的專家出席，中國科學院數學與系統科學研究院研究員、中國科學院院士陸汝鈐院士，作為大會特邀嘉賓，在開幕式上發表了關於發展知識圖譜支撐平臺研究的主題報告，並在報告中回顧了學術界和企業界對知識圖譜支撐平臺的研究現狀。
中國科學院陸汝鈐院士開幕式發言
知識圖譜技術應用相當廣泛，該技術可被大量用於金融、醫療、地理、電商、醫療等，並發揮出巨大的作用。通過知識圖譜的相關應用，用戶可以在最短的時間內了解某項知識，獲取到精確信息。
目前，知識圖譜技術還屬於成長階段，仍然存在著許多挑戰和難題沒有解決。比如實時知識獲取，長尾知識獲取，主觀知識獲取等。如何更加精確理解用戶的表達，用戶的情感和偏好，如何更好地展示結果，以及跨語言檢索等都有待研究。
疫情之下 智慧發力
由於新冠肺炎疫情的全球流行，在本次大會上，如何通過知識圖譜技術促進醫療領域發展，更加受到大家的關注。在本次大會的知識圖譜工業界論壇上，醫渡雲算法工程師焦曉康就醫渡雲知識圖譜技術賦能臨床輔助決策，通過《知識圖譜與機器學習的融合——可解釋的模型構建》的主題報告和參會人員進行了分享與交流。
焦曉康表示，"隨著人工智慧技術的發展和硬體算力的提升，機器學習，特別是深度學習的發展十分迅猛，各類複雜的模型網絡結構層出不窮。而在實際應用中，深度學習模型往往伴隨著不透明性和不可解釋性。我們無法了解深度學習這類'黑盒'模型的決策過程，因此也無法對需要模型結果的用戶，對模型結論的原因進行解釋。"
現有的臨床輔助決策系統的痛點是，單獨依靠醫學指南的拆解無法應對所有情況，系統無法像資深專家一樣解釋診斷決策的來龍去脈。因此，醫渡雲正努力通過知識圖譜技術來滿足系統使用者對AI模型可解釋性的訴求。
"黑盒"和"邏輯"的雙邊優勢
在醫療人工智慧領域有著多年經驗和沉澱的醫渡雲，通過對規則的積累和深度學習，使更多診斷決策具有可解釋性，理論上，通過現有知識的擴充挖掘，規則引擎可以無限逼近非線性分類器，即通過可解釋的知識規則的集成，逼近深度學習模型的性能表現。通過對規則的深層次挖掘，使醫渡雲的臨床輔助決策系統，可以在現有知識基礎上，進行多輪動態閾值下的規則擴充，從而進一步擴展決策的能力。
另外，醫渡雲分享了通過模擬人腦的思維過程，構建理性與感性結合的決策系統。通過構建與輸入輸出關聯的知識片段集合，並對核心節點使用全連接網絡進行橋接，然後基於graph embedding（Deepwalk）對全連接網絡進行優化，再根據全連接網絡被優化的頻度進行剪枝，完成混合決策路徑圖，即可實現將知識片段與非線性模型的橋接，模擬人類結合感性和理性的思考過程。
模型可解釋是AI在各領域發展的必經之路，不可解釋的深度學習模型，是人工智慧在眾多領域實際應用的一道屏障。知識圖譜與AI模型的結合正是為了更好地發揮"黑盒"和"邏輯"的雙邊優勢。醫渡雲將運用知識圖譜技術，通過海量實體、關係和屬性的表示，使知識圖譜可以部分模擬人腦的認知過程。最終將知識圖譜和機器學習模型相融合，進一步輔助機器理解和概念解釋，從而讓機器的部分決策過程具有一定的可解釋性。
醫渡雲算法工程師焦曉康進行Poster講解
免責聲明： 轉載目的在於傳遞更多信息，文章版權歸原作者所有，內容為作者個人觀點。本站只提供參考並不構成任何投資及應用建議。如涉及作品內容或其它問題，請在30日內與工作人員聯繫（18731251601），我們將第一時間與您協商。謝謝支持！