文 | 龚开课
导言：当我打开magi.com这个黑漆漆的网站，看到了“Magi…”正在学习的字眼。过了两秒钟，这行字底下出现了一篇文章链接。又过了两秒，底下出来一行字“从该来源学习到…”忽然就不由自主地兴奋起来。一个能自我学习的搜索引擎？听起来不错。
1
爆红的Magi
就在几天前，一个叫做“Magi”的搜索引擎，在没有任何推广的情况下爆红，导致网站504（服务器申请超时关闭）。
Magi由一个叫Peak Labs公司开发，2012年由红杉资本和真格基金出资创建。
其创始人是季逸超，一个1992年出生的技术宅，20岁便成为《福布斯》中文版封面人物，曾经凭借猛犸象浏览器在极客圈一炮而红。
2
来自东方的智者
Magi这个名字取自动漫《新世纪福音战士》EVA中的超级电脑，同时也是圣经马太福音里的“来自东方的智者”。
这个浏览器里的另类，主要采用node.js / C++ / Python编写。Magi能提取网络上的自然语言文本，以结构化的形式呈现出来。
比如我们用百度搜索“苍老师”，度娘为我们罗列了各种有关苍老师的网站链接。
而我们用Magi搜索“苍老师”，除了网站链接，还有它提取出来的苍老师描述、属性、标签。更有趣的是，把鼠标放在右侧的“主要学习来源”上，Magi会给出佐证，告诉我们的信息来自哪里。
相比百度的纯白色背景，Magi选用了黑色背景，原因是Magi提供了可信度区分功能。比如绿色代表可信度高，黄色代表可行度一般，红色代表可行度低。在季逸超看来，如果使用白色背景，加上多种颜色的标签就显得廉价而混乱。
3
Magi这个东西有什么用？
我们熟知的百度百科是一个知识库，里面装满了各种百科词条。里面的每个词条都是以泛知识图谱的形式存在。
咳咳，“知识图谱”是什么？知识图谱是一张记录知识的图，把每个知识点作为一个节点，节点的连接线表面了知识点之间的关系。比如下图：
我们打开一个百度百科词条，比如EVA，可以看到这个词条内容是以剧情简介、角色介绍、设定解说的结构罗列信息。
知识图谱可以让知识结构化，并清晰的标注出知识和它们之间的关联性。相比与纯文本，人类对于这种结构化的知识表达方式更容易理解。
近几年的数据挖掘、大数据、人工智能、机器学习等热门技术，都可以借助知识图谱来整理数据，把它们变成结构化、可复用、可推理的形式，进而用于更多的使用场景。
百度也推出了相应的知识图谱开发平台，来帮助接入用户实现数据展示的结构化。
比如下图中，结构化展示把信息分类为章节、作者、更新时间、评价数等信息，我们可以看起来一目了然。而非结构化展示，则是把一坨信息抓出来丢在我们面前。
但是，上面这样的搜索引擎方式，在选择点击看哪个链接时，我们还是会犹豫一下，因为不知道点进去是不是我们要的。
这时候，我们多想如果来一个百科词条，直接告诉我们最终想要的结果啊！
现在Magi更进一步，它提取网络上的信息，通过学习，直接生成了词条。比如我们还是搜索关键词“大主宰”，最终呈现的结果不就类似一个“大主宰”的百科词条吗？
所以Magi的技术，是自动构建知识图谱的技术。另外，Magi生成的结果经过来源质量评估算法的处理，并用不同颜色告诉我们哪些可信，哪些不可信。有了这个可能就可以避免类似“魏则西”事件的悲剧了。
Magi的创造词条的过程是自动，24小时不断学习更新的，而百度百科词条，却是需要网友们通过人工搜集整理的方式创造。
4
展望
当然，现在的Magi还存在不少问题。比如不能从维基百科中抓取信息，也会在人稍微多的时候504。甚至还存在一些学习错误的情况，比如我搜索了“巴塞罗那”结果发现主场是“皇家马德里”。
即便如此，这个产品背后的算法仍然很有吸引力。正如Magi的创造者季逸超说的，这个目前服务器放在大陆的Magi.com版本只是“交个朋友”。显然，这个搜索引擎不是Peak labs的终极目标。
当然，Magi也带来了一丝忧虑。如果未来具备人工智能的机器人，能够从纷繁复杂的信息中学习并提取出置信度极高的知识，世界可能很快是另一幅模样。
（全文完）
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/232344.html