自组织知识图谱引擎OmniGraph发布：AI系统首次实现跨领域知识的自主发现与关联

2029年12月3日，DeepMind与剑桥大学知识实验室联合发布了自组织知识图谱引擎OmniGraph。该系统能够在无需人工定义本体的情况下，从超过2亿篇学术论文和专利文档中自主提取概念、建立关联，并发现跨领域的知识桥梁。

与传统知识图谱依赖人工定义实体关系不同，OmniGraph采用了一种名为「概念涌现」的机制。系统首先在大规模语料上训练一个概念提取模型，识别出各领域的核心概念及其语义边界，然后通过多跳推理在不同学科之间建立关联路径。

剑桥大学知识工程教授Elena Rossi在发布会上演示了OmniGraph的一个应用案例：系统在分析材料科学和神经科学的文献时，发现了一类压电聚合物在脑机接口电极领域的潜在应用，这一关联此前从未被任何研究团队注意。

在药物重定位领域，OmniGraph已展现出显著价值。通过分析分子生物学、临床医学和药理学文献的交叉关联，系统成功识别出17种已上市药物的潜在新适应症，其中3种已经进入临床验证阶段。

DeepMind首席科学家Demis Hassabis表示，OmniGraph的目标不是替代科学家，而是成为科研的「第二大脑」——帮助研究者看到他们因学科壁垒而看不到的关联。

然而，OmniGraph也引发了关于AI科研辅助边界的讨论。牛津大学科学哲学教授James Chen指出：「当AI发现的关联超出了人类的理解范围时，我们该如何验证这些发现的可靠性？这是一个科学方法论层面的新挑战。」

目前OmniGraph的学术版已开放申请，企业版预计在2030年第一季度推出。