為什麼需要知識圖譜？
儘管人工智慧（AI）透過機器學習和深度學習技術在近年來蓬勃發展，但在某些目標的應用上還是有一大段差距。這段落差絕大部分的原因可能是機器缺少海量的「知識」。就自然語言解讀上，為了讓機器能夠理解文字背後的含義，需要大量的擴充嘗試新知識，因此，我們需要從機器的角度對可描述的事物建立模組和其他事物的關聯設定，預先構建機器的知識庫擴充機制。
如同教師在教育體系裡扮演的角色，我們必須建構出盡可能完善的教學方法，讓初期的 AI 學童能夠更有效率的組織、判別與學習。
什麼是知識圖譜（Knowledge Graph）？
知識圖譜是一種大規模的語義網絡，更是一種基於以圖呈現的資料結構。由無數的節點和邊組成，可以建構龐大的知識網絡，包含客觀世界存在的大量物體、屬性以及關係，為人們提供一種快速便捷的方式，進行知識檢索與推理。
知識圖譜提供了多維度的關係角度用於客觀分析問題的能力，是關係表示最有效的方式。目前普遍社會運用偏向傳統的「階層式圖表」方式呈現，在同一事件或直線上往前或往後推裡，但這樣的方式往往會造成判別上資訊的不足。例如，甲乙丙為同一事件的關聯人，以「階層式圖表」呈現的方式為：甲—乙—丙。但甲與丙如有其它事件的關聯，階層式的呈現往往會使人為判別上疏忽了可能的相關風險；知識圖譜的應用為補足人為主觀的盲點，提供更多維度、更客觀的資訊關聯呈現。
日常知識圖譜應用
知識圖譜應用在近年來發展迅速，其中最具龍頭代表的就是 Google 搜尋引擎，Google 為了提升使用率，於 2012年5月16日將知識圖譜（Knowledge Graph）應用到其搜尋引擎，以提升搜索服務能力與品質。有了知識圖譜作為輔助，讓使用者可以更快速的找到答案或提供使用者原先沒有預期的搜尋結果資訊，提供更精準、結構化的資訊，來滿足使用者的查詢需求。
舉例來說，如果想在 Google 搜尋「郭台銘」的相關資訊，以往，我們可能只得到包含這個字串的相關網頁作為搜尋結果；現在，除了相關網頁，搜尋引擎還會返回一個知識卡片（如視窗右側）顯示了郭台銘的衍伸訊息，也可以說是郭台銘在網路中的相關內容，包括郭台銘的照片、個人介紹等。
其中相關的關聯節點例如：「鴻海精密工業有限公司」，運用此技術的 Google 引擎會自動串連與「鴻海精密工業有限公司」相關資訊，並列出郭台銘相關資訊等衍伸訊息。
知識圖譜的應用，讓我們在最短的時間內，獲取了更簡潔，更宏觀的資訊。資訊與資訊間的串連與呈現方式讓使用者在資訊掌握與閱讀推理上更有效率，知識不再只是分散的文字，而是具有關聯、有組織、有架構的知識訊息。
知識圖譜實現機器認知智慧的兩個核心能力：理解和解釋。
建立起從資料到知識庫中的知識要素，將知識庫中的知識與問題或者資料加以關聯的程序。
因此有了知識圖譜，機器語言基於其交互探索式分析模式，可以類比像人類思考程序，甚至超越人類思考理解的範圍。藉以增加資訊的準確性與多面性，以彌補人類思考理解習慣與邏輯上缺陷，進而強化資訊判別的決策能力與效率。
SourceZones 源銳資訊 