這個來自中國的知識提取引擎，看起來比百度還好用一丟丟_風聞
重度选择恐惧症患者-2019-11-07 11:44
來源：微信公眾號“硅星人”
新時代的搜索引擎，給你知識而不是鏈接。
作為文字工作者，我每天都在跟搜索引擎打交道。
比如在寫 Facebook 的財報新聞時，Google 可以告訴我它的實時股價、市值、近期高低點等非常有用的信息。
但其實，還有另一個工具比 Google 更好用，那就是 Wolfram Alpha。它比 Google 更進一步，可以用結構化的方式直接列出我可能需要的知識。
舉個最簡單的例子：我家帶寬是 75Mbps (9.375MB/s)，要下載一個100GB的文件需要多久？我可以直接用自然語言詢問，Wolfram Alpha 不僅會告訴我答案，還會寫出公式：
它不僅是一個數學工具，還是一個很好的知識聚合工具。比如最近電影《小丑》很火，如果我想寫關於它的文章，上 Wolfram Alpha 一搜就能找到大量細節，包括並不限於影片信息、排名和票房等。
準確來講，Wolfram Alpha 並非一個搜索引擎。它的官方定義叫做“計算式知識引擎”，可以用來回答那些沒有公開答案，但是計算一下即可得到的問題。而且，它用結構化的方式去展現答案，而不是像搜索引擎那樣，把鏈接一條一條列出來。
接下來介紹今天文章的主角：Magi，一個最近幾天在我的技術圈朋友中間小有名氣的工具。
Magi（網址 https://magi.com）看起來也像是一個搜索引擎：
但是隻要玩上一次，就會發現，它和你印象中的所有搜索引擎都大不相同。
當我用它搜索詞條“易烊千璽”時，得到了下面的結果。
首先，答案提供了對易烊千璽的幾個關鍵描述，如“TFBOYS的成員”、“00後國民偶像代表”等。緊接着，它列出了關於詞條主人的幾乎全部的重要屬性，包括由他出生年月、參演的影視作品、發表的音樂專輯等。
答案的結構化展現方式，和 Wolfram Alpha 頗有類似。
甚至連千紙鶴（易烊千璽粉絲代稱）的應援色都答了出來
更有趣的是，magi.com 還答出了易烊千璽的幾個近義項，比如他的暱稱、代稱和他所養的寵物等等。
有時候，Magi 還能給出一些令我忍俊不禁的結果……
輸入了一下“新世紀福音戰士”。答案的描述中有“業界有名的勞模”……
又搜了一下小島秀夫，答案裏的“專長”一項我也是醉了……
接下來搜了一下富堅義博。
可能因為職業生涯中大部分時間都在拖稿，magi.com 告訴我富堅的業餘愛好是“畫畫漫畫”……
當然，大部分時候 magi.com 給出的答案還是比較靠譜的。
搜索到的答案，每一條都會用以綠、黃、紅三種顏色表示其可信度從高到低；在答案的右側則會提供幾條鏈接，用鼠標劃過它們即可看到，答案是從哪個/哪幾個具體的來源學習到的：
你會注意到，magi.com 的結果中，答案在正下方，鏈接跑到了右邊，跟主流搜索引擎的用户界面完全是反的。
這就是 Magi 和主流搜索引擎最大的區別所在：鏈接對於它不是結果，答案才是。
這是因為 Magi 並非搜索引擎（儘管具有一些搜索引擎的功能）。它實際上是一個基於機器學習的知識引擎，能夠檢索和提取任何領域自然語言文本，將其中的知識提取出來，形成結構化的數據。
説得簡單一點：
我們都知道，互聯網上有着大量的，基於文本的信息，當中藴藏着許多的知識。然而，計算機讀不懂互聯網上大部分的信息，因為這些信息往往不是以“性別：男”、“國籍：中國”這樣的結構化形態，而是以自然語言的形態出現的。
比如，”埃菲爾鐵塔的高度“是一個入門級的問題，因為早已有人整理出了正確的答案，寫在維基百科和旅遊網站上；但是想知道“埃菲爾鐵塔的第二節電梯線路有多長”，就很難在搜索引擎上查到準確信息了。這是因為很少有人會把這些細節的數據，以結構化的方式記錄在互聯網上。
這就是 Magi 想要解決的問題：從開放領域的純文本當中提取知識，並讓其可解析、檢索和溯源。
Magi 來自中國團隊 Peak Labs，創始人季逸超在開發者圈子內也小有名氣。2011年，還在北大附中讀書期間，他就獨自完成了猛獁瀏覽器 iOS 的開發。次年，他只用兩天時間就完成了 Rasgueado，第一個支持划動手勢控制光標位置的 iOS 輸入法
2012年，季逸超創辦了自己的公司，繼續推動瀏覽器和輸入法項目。目前，Peak Labs 主要精力都放在 Magi 項目上，專注於背後的技術，以及相關商業產品的開發。
中間：季逸超
Peak Labs 並沒有計劃將 Magi 和 Google、百度之類的主流搜索引擎相提並論。把 Magi 做成一個“搜索引擎”，主要是為了讓公眾有機會能夠體驗它背後的技術，感受它能夠提供的價值。
即便如此，看起來很像搜索引擎的 magi.com，實力還是不容小覷。事實上，為了這個示範性質的產品，Peak Labs 並沒有選擇小聰明的方式，從其他搜索引擎抓取結果，而是從零開發了一套互聯網搜索引擎。
”我們的結果的摘要比一般的搜索引擎都長，是的，我們是故意為之。這足以證明我們的結果不可能來自其他搜索引擎，“季逸超在官網上寫道。
根據用户輸入問題、關鍵詞和表達式的不同，magi.com 可以用不同的方式來呈現答案——具體的呈現方式也展現了 Magi 系統的能力。
比如，輸入“打車軟件公司”，Magi 系統可以把它知道的所有手機叫車公司，以“集合”的方式列在答案裏。
而在百度上，得到的結果如下。可以看到百度的知識圖譜也提供了類似的結果，只是看起來有四、五年沒有更新過了：
再比如，如果輸入“八角 大料”，Magi 系統會發現這兩個關鍵詞其實是同一個東西，它就會以“斷言”的形式給出答案。
如下圖，magi.com 告訴我，八角和大料是“近義項”，是“又稱”、“也稱”的關係。
Magi 系統可以24小時不間斷地進行學習。它的時效性也還算不錯，Peak Labs 宣稱實時新聞當中的知識，Magi 只需要 5 分鐘就可以掌握，而且還可以採納新的信息源進行交叉驗證，實現自動糾錯。
如果你在 magi.com 的首頁停留一會，就能看到它當前正在學習的鏈接：
除了自主開發的全網規模搜索引擎以外，Peak Labs 還開發了基於注意力機制的神經信息提取系統，不依賴無界面瀏覽器的分佈式抓取系統（爬蟲程序 MagiBot），以及支持混合處理170多種語言的自然語言管道。
這四者結合在一起，才是 Magi 系統的全貌。
作為 EVA 粉，這裏不得不打斷一下：Magi 以及它的四個子系統，名稱全部來自《新世紀福音戰士》（EVA 本身取材自聖經等其他西方宗教經典），而且命名裏也有彩蛋：
Magi（三賢者，多個系統組成的超級計算機）
搜索引擎 Ramiel（雷天使，）
神經信息提取系統 Ireul（恐怖天使，擁有學習和進化能力）
自然語言處理管道 Arael（鳥天使）
爬蟲程序 Matarael（雨之天使，外貌像蜘蛛）
Peak Labs 在官網指出，目前的 Magi 技術還沒有完全成熟。
確實如此。目前通過 magi.com 可以觀察到一些問題，比如很多可以在主流搜索引擎中輕易找到的答案，magi.com 給不出來（通常是因為它還沒有學到）；
比如搜索“世界上最富有的人”時，我想要的是 Magi 能告訴我當前誰最富有，但它只能告訴我最富有的那一羣人：
比如消歧義的把控，容易導致答案混亂（這一點季逸超自己在知乎上[1]也有所提到）：
隔壁老王不大可能是你的親戚
再比如，碰到一些實在太“複雜”的詞條，magi.com 就凌亂了……
不過正如前面提到，這個搜索引擎並不是 Peak Labs 的最終產品——他們的真正目的，是藉助搜索引擎背後 Magi 系統的力量，提供企業級的服務。
Peak Labs 的官網指出，他們希望未來的 Magi 系統能夠成為“知識領域的 ImageNet”。它已經展示出的開放領域信息提取能力，可以應用到企業客户所在的細分領域內，變成一個更加強大的信息抽取系統，讓每一個領域、每一家企業都可以輕鬆地打造屬於自己的知識圖譜。
“也許在不遠的未來，伴隨着整個行業的進步，Magi 所構建的包容萬事萬物的結構化網絡，將成為通向可解釋人工智能的基石。”Peak Lab 的網站這樣寫道。
——希望這個願景能夠實現。（就算實現不了也沒關係啊！拿 magi.com 搜些奇怪的東西，還是能得到不少笑料的……）
如果你對 Magi 的技術細節感興趣，可以點擊下方**“閲讀原文”**到 Peak Labs 網站進一步瞭解。季逸超在知乎的回答也做了更加詳盡的闡述。
[1] 季逸超在知乎問題《如何評價 Peak Labs 出品的 2019 版 Magi 搜索引擎？》的回答 https://www.zhihu.com/question/354059866/answer/881655371
除了部分截圖，其他均來自 Peak Labs 網站和前述知乎回答