這篇”Google: You’re Really Dead, Really“說，Amy Wilentz這位美國作家，生於1954年，但是Google卻把她的生日弄成1927年，並且說她已經於1996年過世 (如下圖)。

這個已經不是第一個被Google弄錯的人，Madhav Prasad Ghimire這位尼泊爾的學者，生於1919年，也被Google弄成1909年出生，於1959年過世 (如下圖)。

為什麼會發生這種錯誤呢? 作者推論原因是，可能還有另外一位相同姓名的人，其資料被張冠李戴了，或是Google根本抓到的資料就是錯誤的，也可能從Wikipedia抓到的資料是錯誤的，但是後來Wikipedia更正後，Google並沒有跟著更新。

如下圖: Wikipedia的舊資料確實也是寫~ Madhav Prasad Ghimire生於1909年，於1959年過世。但是後來Wikipedia已經修正錯誤資料，只是Google的Knowledge Graph資料並沒有更新。

所以上述的幾種發生錯誤的原因中，也相同的會出現一般搜尋資料中，例如你要搜尋「pisa」，可能就有許多完全不同的資料都叫~pisa。例如Google也可能抓取了某些信譽良好的網站資料，但是這些網站資料也可能出錯，當然Google就跟著錯了。例如Google的回訪抓取，如果沒有抓到更新的資料，當然就無法更正了。

所以如果我們的網站資料沒能讓Google了解，當然就無法出現在使用者的搜尋中。所以我們從Google的烏龍事件應該記取什麼教訓呢?

(1) 應該使用語意標記，如microdata，讓機器可以順利解讀資料。
(2) 應該讓Google更頻繁的回訪，抓取更多更正的資料。
(3) 應該把更多相關網頁正確的串聯，讓Google知道網頁的相關性。

曾經有許多人說: 我的網頁根本不需要SEO，就可以有不錯的搜尋流量，但是卻不知道，如果能夠透過 SEO讓Google更瞭解的話，會有更驚人的搜尋流量。

Knowledge Graph也有人翻譯成~ 「知識圖譜」或是「知識圖表」。

但是還是覺得「知識結構圖」或是「知識關係圖」比較能夠表示這裡Graph的真正意含。

因為「圖譜」已經在許多領域有既定的用法，指的是有系統性分類的圖集，而「圖表」則跟graph意義差更遠。

graph的意義是指: A graph in this context is a collection of “vertices” or “nodes” and a collection of edges that connect pairs of vertices. A graph may be undirected, meaning that there is no distinction between the two vertices associated with each edge, or its edges may be directed from one vertex to another … 意思就是由「節點」與連接節點的「邊」所組成，具有方向性或是沒有方向性的結構，稱之為graph。

「節點」就是vertices或是nodes，「邊」就是edges。 例如下圖就是一個沒有方向性的graph:

下圖就是一個具有方向性的graph:

為什麼Google要把knowledge跟graph加在一起? 知識具有graph的什麼特性呢?

知識(knowledge)是由訊息(information)而來的，訊息就好像是「節點」，而訊息跟訊息之間的「邊」就是關係，這個關係可能有方向性，也可能沒有方向性。透過「邊」的連接，就讓「節點」與「節點」產生了某些關係。

例如，我們來看看下面的影片介紹

上面的說明中，提到一個例子，我們想知道諾貝爾獎有多少女性得主?

我們就可以從「諾貝爾獎」這個節點出發，找到關係為「得獎者」的節點，並且這個「得獎者」的節點必須是具有「女性」屬性。

而這些資料其實原本就在Google的資料中心，只是沒有解構出「節點」、「邊」、與「屬性」，現在Google推出knowledge graph，表示已經完成了一部分的graph關係，並且可以解析使用者的query (查詢)，瞭解使用者到底想問什麼。

例如你搜尋~ tallest building in the world (世界最高的建築)，你就可以看到如下的內容，左邊是一般的搜尋結果，右邊是特別整理出來的knowledge panel (知識面板)，這個右邊的面板並不是所有的問題查詢都會出現。

但是如果你想查詢~ greatest president in the world (世界最偉大的總統)，對不起 … Google也不知道。

其實這些東西，很早WolframAlpha就已經提供了。

如下圖，如果你一樣搜尋tallest building in the world … WolframAlpha直接給你答案。

但是如果你問wolframalpha ~ greatest president in the world (世界最偉大的總統)，他會告訴你不合邏輯，因為總統是以國家為單位，沒有一個人是世界的總統 … 哈，還蠻有道理的。

如果你問~ greatest president of United States (美國最偉大的總統)，他會避重就輕，只回答你 美國的總統，因為他不知道誰是美國最偉大的總統。

所以許多訊息談到Google knowledge graph，都把這個東西說得太出神入化了，其實Google在這個時間點推出來，有點在提醒大家不要只是一直注意Facebook IPO的味道。

Google在”Introducing the Knowledge Graph: things, not strings“說到，一個完美的搜尋引擎是要真正瞭解你要什麼，並且給你真正想要的東西。意思就是我們Google是一個完美的搜尋引擎，不要只注意Facebook。

但是Google也還算誠實，他也說到”And we can now sometimes help answer your next question before you’ve asked it, because the facts we show are informed by what other people have searched for.” 我們『有時候』能夠在你還沒有提問之前，就知道你想問什麼，因為我們呈現給你的事實是其他人已經搜尋過的。

所以，Google能提供的是已經大家經常詢問的問題，或是已經有人整理過的，Google並沒有那麼厲害自己去推理出來各物件的關係，也許以後可能，但是現在只能做到一小部分。

這篇“Google Launches Knowledge Graph To Provide Answers, Not Just Links“也說到，Google knowledge graph是一個big change (大的改變) 沒有錯，但是還不至於讓使用者有振奮的感覺。

Google目前已經對於五億個物件(object)整理出來35億個事實(fact)，並且大多屬於下列的類型: 演員、導演、電影、藝術品或是博物館、城市或是國家、島嶼、湖泊、燈塔、音樂專輯或是音樂團體、星球或是太空航空器、雲霄飛車或是摩天大樓、 運動團體 … 等等，也就是目前Google knowledge graph並不是所以問題都能夠回答。 其實Google knowledge graph的技術，我們在”搜尋引擎的語意趨勢，你準備好了嗎?“就談過了，他就是透過Semantic Web而產生的結果。

還有一個同樣的老問題，為什麼只有英文的內容才有呢? 除了因為中文的複雜度比較高之外，沒有足夠的可結構性資料來產生適當的物件(object)與事實(fact)也是一個問題，還有一個更重要的問題是~ Google是美國的公司。所以，要等到有中文內容的Google knowledge graph，大概還有得等了。