AI = 神经网络？这8个技术就不是！

目前在AI技术领域中，投入资金最多的当属对神经网络的研究了。在众人眼中，神经网络技术貌似就是“程序构造的大脑”（虽然比喻很不准确）。

神经网络的概念早在20世纪40年代就被提出，但直到现在，人们对于神经元及大脑的工作方式仍然知之甚少，最近几年，科研界关于神经网络技术创新的呼声越来越强，渴望重启神经网络的热潮……

其实，除了神经网络以外，AI领域中还包含很多更有趣、更新颖，更有前景的技术，文章中就将这些技术介绍给大家。

Knol提取

Knol指信息单元，也就是关键字、词等，Knol提取技术则是从文本中提取关键信息的过程。举个简单的例子：比如“顾名思义，章鱼有8条腿”这句话经过提取后，就变成了这个样子：{“章鱼”：{“腿的数目”：8}}。

我们常用的Google搜索引擎就依赖于这项技术，后续介绍的技术中，很多也都包含了这项技术。

本体构建

本体构建是基于NLP的技术，旨在用软件来构建实体名词的层次结构，这一技术对实现AI会话大有帮助。虽然本体构建表面看起来简单，但事实上构建却并不容易，主要因为事物之间的实际联系比我们所认为的要复杂的多。

例如，利用NLP分析文本来建立实体关系集：

例句：“我的拉布拉多犬刚刚生了一群小狗崽，它们的父亲是只狮子狗，所以它们是拉布拉多贵宾犬（一种混血犬）”这句话被转换后，就变成了：{“小狗崽”：{“可能是”：“拉布拉多贵宾犬”，“拥有/生(have)”：“父亲”}，“拉布拉多犬”：{“拥有/生(have）”：“小狗崽”}}。

但是，人类在进行语言表达时，通常不会将所有的关系都陈述出来，比如这句话中，是要通过推断才能得出“我的拉布拉多犬为雌性”这一事实，这就是本体构建的难点所在。