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

1

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。

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。

2

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。

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）：

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。