先设想这样一个场景，平静的水面上漂着一片树叶，一个小孩往水里扔了一个石子，激起的涟漪一圈一圈地散开，最后都聚集到叶子的周围，因为水波的能量被阻断而无处扩散。
水面的各个部分是相互连接的，就像一个图谱，叶子就是其中的一个异常点。当图谱中发生一个事件时，能量或破坏力一定会体现在异样的地方。这种破坏力，可能发生在近邻，也可能发生在远邻，甚至可能是发生在千里之外的蝴蝶效应，因为世界是相互连接的，而图谱能够描述和表示这种世界的抽象和连接。
AlphaGo在围棋比赛中完胜人类，颠覆了人类对围棋的认识，实际上是颠覆了人类对自己思维方式的认识。由于大脑的容量和计算能力是有限的，人类的思维受深度和广度的限制，所以，只好用一些定式来减少思考的深度和广度。
比如，看到某个定式时，人类对于这一着棋就不用再往下想了。因为按照定式、按照经验、按照棋手们的共识，大家应该这么走。同时，对于某些可能的广度搜索，有些棋子，至少对当前的棋局影响不大，至少对于人类棋手能预料的短期来看影响不大，所以也不用浪费带宽思考。而电脑，也就是AlphaGo，只要有计算能力和计算时间，完全可以大幅度地摆脱这种限制，能有更深的深度和更广的广度。
更甚的是，AlphaGo可以在人类休息时，通过自己和自己对弈，提前探索更多的搜索空间，这也就是现在很火的强化学习。那么，在天生不平衡的情况下，如何能扩大人类的联想？知识图谱就能完成这一使命。先看看Google的PageRank模型。
由于网页是相互链接的，一个高能量的网页会将能量顺着链接，传播到其他的网页，最后，能量会聚集到真正有价值的页面上。这也是图谱的一种表现形式，只是在这里，节点是一个个的网页，边是网页之间的链接。别小看这些链接，它们是人类智慧的结晶。只有当人觉得这两个网页相关或重要时，它们才会给出一个链接。
PageRank正是挖掘了人类智慧，通过随机行走模型和算法，让所有的网页有了自己的重要性指标，让它们有序。有序之后，很多任务就好办多了。比如，抓取网页知道先抓谁，索引时知道谁先处理，搜索结果排序时知道谁在前，等等。之后，Google进一步将PageRank算法进化成BrainRank，考虑了更多的特征和关系。有了图谱，加上先进的算法，将知识图谱中的节点和关系有序化，人类能够做很多的事情。
简单来讲，知识图谱，就是一张由知识点相互连接而成的语义网络。它是一种人工智能技术，是基于现有数据的再加工、结构化，再通过各种数据挖掘、信息抽取和知识融合技术形成一个统一的、逻辑上全局的知识库。一个知识图谱描述了世界里概念和概念之间的关系。
一般图谱中有实体、事件和关系。这些因素都有很多属性。实体一般是“物”，在语言中一般以名词形式出现，比如人、车、地点等。事件一般是在某个时间发生的行动，在语言中一般体现为动词，比如招聘、收购、发财报等。属性一般包括名字、标签、重量、高度、价格、时间、地点等，能以数字或具体值标识。关系表示了实体和实体、实体和事件之间的联系。
来看一个具体的例子：“2016年6月22日，腾讯86亿美元收购芬兰手游公司Supercell。”
实体：腾讯公司（名字：腾讯；营业地点：中国；主营业务：娱乐），Supercell公司（名字：Supercell；营业地点：芬兰；主营业务：手游）。事件：公司收购（名字：腾讯收购Supercell；收购时间：2016年6月22日；收购价格：86亿美元）。关系：（A）收购了（B），（B）被（A）收购了。属性：名字（标签）。收购时间，收购价格，主营业务，营业地点。
对于投资，各个股票、公司、事件等之间是相互连接和影响的。一个事件的发生会影响与它直接相关或间接相关的方面。比如，一款新电池进入市场，会影响它的上游，比如原材料、原材料厂商；也会影响它的下游，使用电池的商家，比如电动汽车、手机。而且还会影响与它相关的间接行业，比如通信、运营商，甚至电商、内容提供商等。
