在录入一些个人信息的时候，可以在表格中设计好表头，按条目分别输入姓名、年龄、出生地等信息，计算机能够很容易地读取这些信息并加以整合、应用。而如果用一段文字“小A于1982年出生在杭州”来描述的话，计算机读取信息的时候可能就会“懵圈”。

为什么?因为表格是有结构的，而文字是非结构性的。对于目前的人工智能来说，非结构性数据只是数据，还不是知识，更不能被用于决策了。

其中关键的原因就是数据与知识之间的转化还不是很顺畅。在没有“学习”之前，计算机不知道西湖区是杭州的一个城区，无法判断一个名词是人名、产品名抑或是公司名，而视频也只是一段数据流。

为了解决这个难题，2019年12月，以浙江大学计算机学院庄越挺教授作为首席科学家的科技创新2030“新一代人工智能”首批重大项目——“可泛化的领域知识学习与计算引擎”正式启动。

其中，知识图谱作为最重要的知识表示方式，成为研究热点。“简单地说，知识图谱就是对信息的结构化表达，比如把一篇文章‘改成’一个表格。”庄越挺说，“目前OpenKS已基本支持知识学习与计算全流程主要任务，涉及多模态数据知识抽取、知识表征、分布式知识学习与计算、知识服务与智能应用等环节。”