这个来自中国的知识提取引擎，看起来比百度还好用一丢丢

本文来自公众号：硅星人（ID：guixingren123），作者：杜晨，题图来自：东方IC。

作为文字工作者，我每天都在跟搜索引擎打交道。

比如在写 Facebook 的财报新闻时，Google 可以告诉我它的实时股价、市值、近期高低点等非常有用的信息。

但其实，还有另一个工具比 Google 更好用，那就是 Wolfram Alpha。它比 Google 更进一步，可以用结构化的方式直接列出我可能需要的知识。

举个最简单的例子：我家带宽是 75Mbps (9.375MB/s)，要下载一个100GB的文件需要多久？我可以直接用自然语言询问，Wolfram Alpha 不仅会告诉我答案，还会写出公式：

它不仅是一个数学工具，还是一个很好的知识聚合工具。比如最近电影《小丑》很火，如果我想写关于它的文章，上 Wolfram Alpha 一搜就能找到大量细节，包括并不限于影片信息、排名和票房等。

准确来讲，Wolfram Alpha 并非一个搜索引擎。它的官方定义叫做“计算式知识引擎”，可以用来回答那些没有公开答案，但是计算一下即可得到的问题。而且，它用结构化的方式去展现答案，而不是像搜索引擎那样，把链接一条一条列出来。

接下来介绍今天文章的主角：Magi，一个最近几天在我的技术圈朋友中间小有名气的工具。

Magi（网址 https://magi.com）看起来也像是一个搜索引擎：

但是只要玩上一次，就会发现，它和你印象中的所有搜索引擎都大不相同。

当我用它搜索词条“易烊千玺”时，得到了下面的结果。

首先，答案提供了对易烊千玺的几个关键描述，如“TFBOYS的成员”、“00后国民偶像代表”等。紧接着，它列出了关于词条主人的几乎全部的重要属性，包括由他出生年月、参演的影视作品、发表的音乐专辑等。

答案的结构化展现方式，和 Wolfram Alpha 颇有类似。

甚至连千纸鹤（易烊千玺粉丝代称）的应援色都答了出来

更有趣的是，magi.com 还答出了易烊千玺的几个近义项，比如他的昵称、代称和他所养的宠物等等。

有时候，Magi 还能给出一些令我忍俊不禁的结果……

输入了一下“新世纪福音战士”。答案的描述中有“业界有名的劳模”……

又搜了一下小岛秀夫，答案里的“专长”一项我也是醉了……

接下来搜了一下富坚义博。

可能因为职业生涯中大部分时间都在拖稿，magi.com 告诉我富坚的业余爱好是“画画漫画”……

当然，大部分时候 magi.com 给出的答案还是比较靠谱的。

搜索到的答案，每一条都会用以绿、黄、红三种颜色表示其可信度从高到低；在答案的右侧则会提供几条链接，用鼠标划过它们即可看到，答案是从哪个/哪几个具体的来源学习到的：

你会注意到，magi.com 的结果中，答案在正下方，链接跑到了右边，跟主流搜索引擎的用户界面完全是反的。

这就是 Magi 和主流搜索引擎最大的区别所在：链接对于它不是结果，答案才是。

这是因为 Magi 并非搜索引擎（尽管具有一些搜索引擎的功能）。它实际上是一个基于机器学习的知识引擎，能够检索和提取任何领域自然语言文本，将其中的知识提取出来，形成结构化的数据。

说得简单一点：

我们都知道，互联网上有着大量的，基于文本的信息，当中蕴藏着许多的知识。然而，计算机读不懂互联网上大部分的信息，因为这些信息往往不是以“性别：男”、“国籍：中国”这样的结构化形态，而是以自然语言的形态出现的。

比如，”埃菲尔铁塔的高度“是一个入门级的问题，因为早已有人整理出了正确的答案，写在维基百科和旅游网站上；但是想知道“埃菲尔铁塔的第二节电梯线路有多长”，就很难在搜索引擎上查到准确信息了。这是因为很少有人会把这些细节的数据，以结构化的方式记录在互联网上。

这就是 Magi 想要解决的问题：从开放领域的纯文本当中提取知识，并让其可解析、检索和溯源。

Magi 来自中国团队 Peak Labs，创始人季逸超在开发者圈子内也小有名气。2011年，还在北大附中读书期间，他就独自完成了猛犸浏览器 iOS 的开发。次年，他只用两天时间就完成了 Rasgueado，第一个支持划动手势控制光标位置的 iOS 输入法

2012年，季逸超创办了自己的公司，继续推动浏览器和输入法项目。目前，Peak Labs 主要精力都放在 Magi 项目上，专注于背后的技术，以及相关商业产品的开发。

中间：季逸超

Peak Labs 并没有计划将 Magi 和 Google、百度之类的主流搜索引擎相提并论。把 Magi 做成一个“搜索引擎”，主要是为了让公众有机会能够体验它背后的技术，感受它能够提供的价值。

即便如此，看起来很像搜索引擎的 magi.com，实力还是不容小觑。事实上，为了这个示范性质的产品，Peak Labs 并没有选择小聪明的方式，从其他搜索引擎抓取结果，而是从零开发了一套互联网搜索引擎。

”我们的结果的摘要比一般的搜索引擎都长，是的，我们是故意为之。这足以证明我们的结果不可能来自其他搜索引擎，“季逸超在官网上写道。

根据用户输入问题、关键词和表达式的不同，magi.com 可以用不同的方式来呈现答案——具体的呈现方式也展现了 Magi 系统的能力。

比如，输入“打车软件公司”，Magi 系统可以把它知道的所有手机叫车公司，以“集合”的方式列在答案里。

而在百度上，得到的结果如下。可以看到百度的知识图谱也提供了类似的结果，只是看起来有四、五年没有更新过了：

再比如，如果输入“八角 大料”，Magi 系统会发现这两个关键词其实是同一个东西，它就会以“断言”的形式给出答案。

如下图，magi.com 告诉我，八角和大料是“近义项”，是“又称”、“也称”的关系。

Magi 系统可以24小时不间断地进行学习。它的时效性也还算不错，Peak Labs 宣称实时新闻当中的知识，Magi 只需要 5 分钟就可以掌握，而且还可以采纳新的信息源进行交叉验证，实现自动纠错。

如果你在 magi.com 的首页停留一会，就能看到它当前正在学习的链接：

除了自主开发的全网规模搜索引擎以外，Peak Labs 还开发了基于注意力机制的神经信息提取系统，不依赖无界面浏览器的分布式抓取系统（爬虫程序 MagiBot），以及支持混合处理170多种语言的自然语言管道。

这四者结合在一起，才是 Magi 系统的全貌。

作为 EVA 粉，这里不得不打断一下：Magi 以及它的四个子系统，名称全部来自《新世纪福音战士》（EVA 本身取材自圣经等其他西方宗教经典），而且命名里也有彩蛋：

Magi（三贤者，多个系统组成的超级计算机）

搜索引擎 Ramiel（雷天使，）

神经信息提取系统 Ireul（恐怖天使，拥有学习和进化能力）

自然语言处理管道 Arael（鸟天使）

爬虫程序 Matarael（雨之天使，外貌像蜘蛛）

Peak Labs 在官网指出，目前的 Magi 技术还没有完全成熟。

确实如此。目前通过 magi.com 可以观察到一些问题，比如很多可以在主流搜索引擎中轻易找到的答案，magi.com 给不出来（通常是因为它还没有学到）；

比如搜索“世界上最富有的人”时，我想要的是 Magi 能告诉我当前谁最富有，但它只能告诉我最富有的那一群人：

比如消歧义的把控，容易导致答案混乱（这一点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亲戚

再比如，碰到一些实在太“复杂”的词条，magi.com 就凌乱了……

不过正如前面提到，这个搜索引擎并不是 Peak Labs 的最终产品——他们的真正目的，是借助搜索引擎背后 Magi 系统的力量，提供企业级的服务。

Peak Labs 的官网指出，他们希望未来的 Magi 系统能够成为“知识领域的 ImageNet”。它已经展示出的开放领域信息提取能力，可以应用到企业客户所在的细分领域内，变成一个更加强大的信息抽取系统，让每一个领域、每一家企业都可以轻松地打造属于自己的知识图谱。

“也许在不远的未来，伴随着整个行业的进步，Magi 所构建的包容万事万物的结构化网络，将成为通向可解释人工智能的基石。”Peak Lab 的网站这样写道。

——希望这个愿景能够实现。（就算实现不了也没关系啊！拿 magi.com 搜些奇怪的东西，还是能得到不少笑料的……）

如果你对 Magi 的技术细节感兴趣，可以点击下方“阅读原文”到 Peak Labs 网站进一步了解。季逸超在知乎的回答也做了更加详尽的阐述。

[1] 季逸超在知乎问题《如何评价 Peak Labs 出品的 2019 版 Magi 搜索引擎？》的回答 https://www.zhihu.com/question/354059866/answer/881655371

除了部分截图，其他均来自 Peak Labs 网站和前述知乎回答

本文来自公众号：硅星人（ID：guixingren123），作者：杜晨。