躁動的圖計算

　　在美劇《國土安全》里常出現(xiàn)這樣的橋段：警員在自己家里理出一面墻，把手上案件里的所有關(guān)聯(lián)人物和事件都貼在墻上，然后就是一個填肉的過程......照片、箭頭和關(guān)鍵詞組成一幅復(fù)雜的事件全貌。

　　——找到那個罪犯。

　　這幾乎是所有懸疑電影的經(jīng)典場景。整個案件*的破綻就藏在這張關(guān)系網(wǎng)絡(luò)里，推理者的視線在這面墻上流轉(zhuǎn)，觀眾的腎上腺素也被極速調(diào)動起來。

　　我們會覺得這是合理的，設(shè)想中人類最敏銳的大腦可以穿破墻上的迷霧——如果墻上只有5個家庭，10個嫌疑人，和關(guān)于他們的100件事的話。

　　但如果把這面墻無限擴大，比如1億個嫌疑人，100億件事呢?

　　看起來這已遠超人腦的負載極限，但我們可能已經(jīng)見過這樣的事了——或許你我的手機里就正在經(jīng)歷這些——比如各式各樣的知識圖譜，以及在它底層，一個抽象出來叫做圖計算的技術(shù)概念。

　　01

　　圖計算緣起

　　“Things, not strings.”(是相互連接的事件，而不只是一個個字符串)

　　Google在2012年5月提出了這句話，以及知識圖譜的概念。

　　知識圖譜，由知識(Knowledge)和圖譜(Graph)兩個詞構(gòu)成，前者是信息的內(nèi)容要素，后者是信息最終的表現(xiàn)形態(tài)。這種信息間全新的連接方式，其基本組成單位是“實體—關(guān)系—實體”三元組，以及實體及其相關(guān)屬性—值對，實體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識結(jié)構(gòu)。

　　知識圖譜能夠成立的核心是計算機的知識推理機制，圖計算為其提供了重要的底層技術(shù)支持。

　　圖計算中的“圖”即Graph，這是一種基于圖論而非數(shù)論的計算邏輯。

　　圖論的基本要素是“節(jié)點”和“邊”，“節(jié)點”可以理解為人或者網(wǎng)絡(luò)賬號這些相對靜態(tài)的實體，而“邊”則代表著不同實體之間的關(guān)系或者行為。

　　比如A在抖音上關(guān)注了B，這個動作就成為A和B之間這條“邊”上可包含的信息。“邊”在記錄內(nèi)容的時候可以表示方向(可以理解為在A與B之間標注出了箭頭)，這被稱為有向圖，而如果“邊”沒有標注方向則稱為無向圖。這種信息數(shù)據(jù)甚至可以是多模態(tài)的，比如在腦科學(xué)領(lǐng)域涉及光或電信號的時候。

　　相比于鏈表或者線性表的二維結(jié)構(gòu)，“圖”相當于在結(jié)構(gòu)上做了一次升維，這也讓其對于“關(guān)系”有更優(yōu)越的描述能力，也更接近人類對于事物聯(lián)系的原生表達。

　　簡單來講，我們從來不是以Excel的樣子來理解外部世界的，圖的相互連接更接近正常人的思考方式。從遙遠的阿蘭•圖靈時代開始，人類就在思考如何讓機器像人類一樣思考，圖計算是目前為止最有潛力的路徑。

　　一開始只是試圖找到從鹿特丹到格羅寧根的最短路徑，荷蘭計算機科學(xué)家Dijkstra為了解決這個問題在1956年發(fā)明了尋求圖最短路徑的Dijkstra算法，這是最早與圖計算連接起來的概念之一。到Google創(chuàng)始人Larry Page在20世紀末發(fā)明了開創(chuàng)性的PageRank算法(網(wǎng)頁排名)，以及隨著社交網(wǎng)絡(luò)時代降臨而繁榮起來的如Girvan-Newman算法等社區(qū)發(fā)現(xiàn)算法。

　　這其中也能看出來，圖計算的定義本身也在經(jīng)歷一個從狹義到廣義的延展過程。

　　狹義的圖計算更多指在確定不變的圖上做的計算，比如基于地圖信息的路網(wǎng)圖——在變化頻率和幅度很低的鹿特丹到格羅寧根之間尋找一條最短路徑——這是圖計算可以解決的典型問題。

　　廣義的圖計算指一切基于圖數(shù)據(jù)進行的分析計算，其中的數(shù)據(jù)概念進而擴充到海量規(guī)模并且富于動態(tài)變化，比如社交媒體的關(guān)系網(wǎng)絡(luò)(臉書的核心框架Social Graph)，不斷發(fā)生新事件的歷史知識圖譜，或者將道路擁堵變化也考慮在內(nèi)的路徑規(guī)劃。

　　于是圖數(shù)據(jù)庫的概念被引入進來。

　　圖數(shù)據(jù)庫是用來處理圖這種數(shù)據(jù)結(jié)構(gòu)的工具，傳統(tǒng)的使用二維表格存儲數(shù)據(jù)的數(shù)據(jù)庫被稱為關(guān)系性數(shù)據(jù)庫——或者可以被理解成無數(shù)以橫豎軸結(jié)構(gòu)展開的表數(shù)據(jù)的集合，圖數(shù)據(jù)庫則是另一種非關(guān)系性數(shù)據(jù)庫，它把所有表格打散了，然后織成一張網(wǎng)。

　　圖數(shù)據(jù)庫與關(guān)系型數(shù)據(jù)庫*的不同是免索引鄰接。即圖數(shù)據(jù)模型中的每個節(jié)點都會維護與它相鄰的節(jié)點關(guān)系，這就意味著查詢時間與圖的整體規(guī)模無關(guān)，只與每個節(jié)點的鄰點數(shù)量有關(guān)，這使得圖數(shù)據(jù)庫在處理數(shù)據(jù)之間關(guān)系方面比關(guān)系性數(shù)據(jù)庫更加靈活之外，也具備處理大量復(fù)雜關(guān)系時比后者更優(yōu)越的性能。

　　圖計算與圖數(shù)據(jù)庫的發(fā)展是互聯(lián)網(wǎng)時代的一條暗線，在其中一些關(guān)鍵技術(shù)背后，可以看到谷歌、Meta、推特甚至高盛的身影——如果你還記得2007年開始爆發(fā)的那場金融危機的話——萊曼兄弟公司破產(chǎn)，高盛卻因為提前預(yù)見到了次級抵押貸款市場的熊市而活了下來，背后是圖數(shù)據(jù)庫系統(tǒng)——SecDB對危險的察覺能力。

　　不遑說，今天許多偉大公司都是基于圖計算領(lǐng)域的尖端技術(shù)而誕生或持續(xù)繁榮的。

　　而在經(jīng)歷了幾十年的發(fā)展之后，圖計算現(xiàn)在站到了更廣泛的應(yīng)用場景入口。

　　咨詢公司Gartner在《2021 年十大數(shù)據(jù)和分析技術(shù)趨勢》的報告中預(yù)測，2025年全球?qū)⒂?0%的數(shù)據(jù)和分析創(chuàng)新會與圖技術(shù)有關(guān)。

　　在這屆世界人工智能大會(WAIC)上，與圖計算或圖數(shù)據(jù)有關(guān)的論壇數(shù)量也多達五場，是本次大會上被最高頻的概念之一。如螞蟻集團、亞馬遜云等矚目的圖數(shù)據(jù)庫框架，也在本屆WAIC上首次開源。

　　圖計算作為一種技術(shù)在國內(nèi)開始成熟的標志是，小范圍的數(shù)據(jù)已無法探索技術(shù)上限，它比以往任何時候都需要更大的試驗場，比如6億用戶的抖音，或者12億用戶的支付寶。越來越多大型科技公司出現(xiàn)在關(guān)于圖計算的討論中。開源是產(chǎn)業(yè)化的隱喻，產(chǎn)業(yè)化的加速使圖計算開始獲得更豐富的能力縱深，甚至早已不局限在知識圖譜的領(lǐng)域。

　　02

　　抖音與支付寶，兩條路徑

　　2018年8月，字節(jié)跳動內(nèi)部開始自研圖數(shù)據(jù)庫ByteGraph的開發(fā)。

　　ByteGraph項目的發(fā)起是為了抖音核心的社交關(guān)系問題。個性化推薦系統(tǒng)逐漸成為互聯(lián)網(wǎng)各大社交媒體和電商網(wǎng)站的基礎(chǔ)能力。與此并行的，知識圖譜的場景也正在豐富，大量研究工作逐漸指向兩者的交匯處，圖計算與知識圖譜可以用來完善基于內(nèi)容的推薦系統(tǒng)，從而提升推薦效果。

　　這是圖計算在字節(jié)跳動內(nèi)的起點，并由此開始進入業(yè)務(wù)的底層開發(fā)場景。從抖音開始，ByteGraph逐漸演變?yōu)橹С钟邢驅(qū)傩詧D數(shù)據(jù)模型、支持寫入原子性、部分Gremlin圖查詢語言的通用圖數(shù)據(jù)庫系統(tǒng)，隨后逐漸滲入今日頭條、TikTok、西瓜、等幾乎字節(jié)跳動全部產(chǎn)品線。

　　“(現(xiàn)在)字節(jié)跳動整個業(yè)務(wù)開發(fā)團隊，已經(jīng)都在用圖建模的方式來表達和處理業(yè)務(wù)邏輯”，ByteGraph團隊負責人張帥表示。

　　開發(fā)團隊圍聚在一起探索業(yè)務(wù)時，往往會拽過來一塊白板，把初步的開發(fā)邏輯和任何靈感寫在一起。這某種程度上即是一種知識圖譜，并且天然與人類大腦思維接近。但此前這樣一張思維導(dǎo)圖需要被重新整理——可以理解為把圖文并茂的圖降維成一張Excel——再進入開發(fā)步驟。

　　但現(xiàn)在基于圖計算和圖數(shù)據(jù)庫，這張白板上的草圖可以直接被代碼化了。

　　在電商、到店業(yè)務(wù)甚至音樂等更復(fù)雜的場景嵌進信息流與社交屬性后，“圖”作為一種關(guān)系邏輯的重要性在字節(jié)跳動內(nèi)完全顯示出來了。張帥透露ByteGraph已經(jīng)在火山引擎上開始構(gòu)建，這意味著字節(jié)跳動的圖數(shù)據(jù)庫開源已經(jīng)開始提上日程。

　　在圖數(shù)據(jù)庫的進展方面，螞蟻集團走在字節(jié)跳動前面。在本屆WAIC上，螞蟻集團宣布開源圖數(shù)據(jù)庫TuGraph的單機版本。

　　螞蟻集團的圖數(shù)據(jù)庫研發(fā)從2015年開始，隔年*次發(fā)布自研分布式圖數(shù)據(jù)庫并用于支付寶。2021年，螞蟻集團聯(lián)合清華大學(xué)自主研發(fā)的 “大規(guī)模圖計算系統(tǒng) GeaGraph” 完成了產(chǎn)品 3.0 版本的迭代。迭代后的版本查詢效率提升 10 倍，兼容性更強，并且正式升級為TuGraph。

　　相比抖音，支付寶背后有一張更龐大的用戶關(guān)系網(wǎng)絡(luò)，而其圍繞支付展開的科技金融業(yè)務(wù)，也讓兩者在進入圖計算領(lǐng)域的側(cè)重上分出差異。

　　螞蟻集團看中的是圖計算中增強“薄”數(shù)據(jù)的表征，從而增強支付安全性的能力。

　　比如在支付寶的場景中，判斷一個用戶的消費偏好，或者這個人還款的信用，當用戶數(shù)據(jù)信息很豐富的時候，人工智能算法往往會得到很好的結(jié)果。但如果用戶背后沒有太豐富的信息——比如他只是偶爾的用支付寶轉(zhuǎn)過幾筆錢——如何得知這個人的特點呢?

　　圖數(shù)據(jù)比起以關(guān)系數(shù)據(jù)網(wǎng)為代表的表數(shù)據(jù)最鮮明的優(yōu)越性在于，很多時候人、地點和事件的關(guān)聯(lián)性并不完全能以表的形式呈現(xiàn)，卻能用“節(jié)點”和“邊”這種更松散的形式記錄下來，這些隱形的關(guān)聯(lián)信息單獨來看并不能解釋某個關(guān)聯(lián)用戶的行為，但這張網(wǎng)聚集起來卻能形成一些社區(qū)發(fā)現(xiàn)。也因此，當這張關(guān)系網(wǎng)絡(luò)中納入的用戶越多，這種四兩撥千斤的能力也愈強。

　　“圖是一種最為靈活的連接方式，讓實體之間可以不受限制地連接”，螞蟻技術(shù)研究院院長陳文光表示，這同時也賦予了算法更多的“可解釋性”。

　　人跟隨著算法生活的蜜月正在過去，算法對人的過度入侵開始被提到高位審視。在這個過程中，算法已經(jīng)不可逆的搭建起一套社會需要依附其上的運轉(zhuǎn)方式，于是當代碼替人做了決定——比如你的轉(zhuǎn)賬額度，或者為什么一直收到某一類的廣告——這個決定是如何做出的，需要可以被清晰追溯。

　　陳文光以社區(qū)發(fā)現(xiàn)舉了個例子：

　　“比如在某個社區(qū)里已知有一些“壞人’，然后我們發(fā)現(xiàn)某個人和這些鄰居的鏈接比較緊密，那這個人是”壞人”的概率也會更大。”

　　這是最基本的思路。一個人的節(jié)點特征是由他鄰居的節(jié)點特征通過某種運算，結(jié)合和他過去的特征合在一起型成的。(鄰居的表征和關(guān)聯(lián)關(guān)系)能夠影響我們對一個人的判斷，形成他(一個節(jié)點)新的特征，這與之前純粹將數(shù)據(jù)放進神經(jīng)網(wǎng)絡(luò)，通過統(tǒng)計學(xué)得到一個完全沒法解釋的分類答案不一樣。”

　　相比于表數(shù)據(jù)來說，圖計算帶有一個更清晰的逐層推導(dǎo)結(jié)構(gòu)，這個結(jié)構(gòu)本身就意味著一定的可解釋性。

　　這種把薄數(shù)據(jù)“變厚”的能力以及推理過程的可解釋性，已經(jīng)開始和螞蟻集團開源的可信隱私計算框架“隱語”一起，在支付寶反詐風(fēng)控的系統(tǒng)中形成合力。目前支付寶可在0.01秒內(nèi)完成對一筆交易的風(fēng)險判定，并且在2021年的全年統(tǒng)計中資損率低于億分之0.98——即平臺上1億人民幣的資金流轉(zhuǎn)中，出于欺詐行為的不到1元。

　　03

　　開始跨入現(xiàn)實之門

　　在這位從學(xué)界跨入產(chǎn)界的螞蟻智庫首席看來，圖計算是一個處在數(shù)據(jù)和人工智能發(fā)展交匯處的概念。技術(shù)沉淀多時，亟需的是場景。

　　陳文光是以費馬科技創(chuàng)始人的身份加入螞蟻集團的，再那之前的十幾年一直在清華大學(xué)計算機系擔任教授，這番從學(xué)界投身產(chǎn)界，最終進入大公司的姿態(tài)本身也像是圖計算作為一個前沿領(lǐng)域發(fā)展的某種映射。

　　費馬科技在2016年5月創(chuàng)立，站在臺前的是包括洪春濤和朱曉偉在內(nèi)的幾位清華計算機系博士，陳文光則落于幕后擔任首席科學(xué)家。公司的業(yè)務(wù)方向是立足于高性能的分布式圖計算以進行大規(guī)模關(guān)系網(wǎng)絡(luò)分析，為銀行等客戶提供反欺詐能力和社交分析能力，以及整體的金融大數(shù)據(jù)解決方案。

　　2016年之前，陳文光在清華大學(xué)主導(dǎo)的圖計算研究已經(jīng)有了成果，團隊自研的圖計算系統(tǒng)比當時開源軟件中常用的圖計算框架GraphX要快100倍左右，而所需的內(nèi)存只是后者的10%。把自己培養(yǎng)的博士生聚攏起來，繼續(xù)優(yōu)化自研的圖計算系統(tǒng)，并為它找到使用場景，這是費馬科技成立的初衷。

　　費馬的暢想卡在規(guī)�；�這最后一步。

　　“圖計算要想真正成長起來，*步要解決：做出來;第二步：有人用;第三步：大規(guī)模使用。而當時困擾我的問題，怎么實現(xiàn)從有人用到大規(guī)模使用。”

　　幾年時間里費馬科技確實拿到了一些標桿客戶，比如京東金融和國家電網(wǎng)，但整體的商業(yè)化路徑并不清晰，這也不是技術(shù)出身的團隊所擅長的事。

　　在本屆WAIC的一場論壇上，洪春濤與陳文光同席出現(xiàn)在最后的圓桌環(huán)節(jié)。洪春濤曾是費馬科技的CEO，現(xiàn)在他的身份是螞蟻集團圖數(shù)據(jù)庫負責人。2020年，洪春濤曾經(jīng)表示圖計算未來的市場規(guī)模會達到千億，并且“已到爆發(fā)前夜”，但2021年初的多項工商變更則表明，費馬科技決定在這黎明前的最后一夜擁抱螞蟻集團。

　　“到 2020 年的時候，我們發(fā)現(xiàn)了自身的局限性。費馬團隊總體上技術(shù)上是很強，但是管理和市場銷售，特別是后者我們相對比較弱的”，陳文光在今年6月的一次采訪中對極客公園表示。

　　2020年，螞蟻集團宣布了陳文光的加入。兩年之后，后者開始擔任螞蟻技術(shù)研究院院長。

　　螞蟻集團對于圖計算的布局很早，從2015年開始就自主研發(fā)分布式圖數(shù)據(jù)庫、流式圖計算等圖相關(guān)技術(shù)，2016 年發(fā)布自研分布式圖數(shù)據(jù)庫。而手握支付寶，意味著螞蟻天然有了全球*的圖計算的場景需求，這是純粹從技術(shù)出發(fā)的圖計算團隊都不具備的。

　　從陳文光的表述中，費馬科技并入螞蟻集團并不是商業(yè)場上那種千篇一律的無奈收購，而是一個技術(shù)找到場景的積極故事。螞蟻集團，或者字節(jié)跳動這些掌握大量數(shù)據(jù)的科技公司正擁有這片土壤。只有在*限度的接觸到真實數(shù)據(jù)之后，圖計算的成長才會開始加速，直到最終從象牙塔中走出，找到現(xiàn)實世界中的位置。

　　除了螞蟻和字節(jié)跳動，國內(nèi)的互聯(lián)網(wǎng)巨頭幾乎無一例外的都已經(jīng)開始圖計算和圖數(shù)據(jù)庫的相關(guān)布局。

　　華為云的圖引擎服務(wù)GES(Graph Engine Service)是國內(nèi)*商用的、擁有自主知識產(chǎn)權(quán)的國產(chǎn)分布式原生圖引擎。早在2019年華為云推出一站式AI開發(fā)平臺ModelArts，聯(lián)合了GES圖引擎打造的“圖神經(jīng)網(wǎng)絡(luò)”，自此圖深度學(xué)習(xí)開始落地。

　　2020年6月1日，騰訊云正式發(fā)布分布式圖數(shù)據(jù)庫產(chǎn)品騰訊云數(shù)圖TGDB(Tencent Graph Database)，能夠?qū)崿F(xiàn)萬億級關(guān)聯(lián)關(guān)系數(shù)據(jù)實時查詢，高效治理異構(gòu)數(shù)據(jù)，支持實時圖計算。

　　而早在2018年，百度已宣布開源大規(guī)模圖數(shù)據(jù)庫HugeGraph，這也是國內(nèi)*家開源的圖數(shù)據(jù)庫。今年5月百度將HugeGraph捐贈給了世界上*的開源軟件基金會Apache，成為后者的孵化項目之一。孵化成功的HugeGraph有望成為全球*Apache軟件基金會的圖數(shù)據(jù)庫*項目。

　　這一切跡象都在表明，圖計算正在被積極的潮水推動著。人類苦尋“幻視”一樣理想的人工智能，或許我們已經(jīng)找到額頭上的那顆寶石了。

　　*參考資料：

　　《圖論及相關(guān)歷史》

　　《人人都在談的圖數(shù)據(jù)庫到底是個啥?》

　　《圖計算，下一個科技前沿?》