在面对AI与人类关系的思考中，大部分专家认为机器无法取代人类的原因是，机器只懂识别，没有人类的认知能力。而鲍捷认为，机器不会拥有人类意识的原因恰恰相反，是因为人的意识并不高级，未来的智能一定会超越人类的认知上限。社会机器将在总体上超越人类社会总体，而非单个个体层面超越。

作为数据科学的重要体现，人工智能前些年的热度极高。伴随着当下资本的退潮与技术发展的瓶颈，AI寒冬论甚嚣尘上。“从纯科学的角度，知识图谱在过去十五年没有任何进步，唯一的变化是工具发生了变化，成本越来越低；同时，深度学习在过去十五年其实也没有发生太大理论变化，发展的都是工具。这恰恰是一门学科走向实用的标志。”鲍捷说。

鲍捷之所以如此看中工程学，与当下人工智能的发展不无关系。人工智能在过去的60余年，经历了三起两落，而每一次人工智能获得的长足进步，都不是因为理论研究的质变，而是在逆境中融入了工程思维，用工程手段实现了突破。

“计算机科学和电子科学都是研究信息，电子科学最初研究的是连续信号，计算机科学研究离散信号，但深入以后会发现两者有深刻的对应关系。我很感谢我的那段电子工程的教育背景，让我想明白了计算机科学的很多问题。”鲍捷说。

所以，知识图谱的本质就是研究怎么把智能直接保存为数据的一种科学。

能在数据之间建立新联系的数据，我们就称之为知识

知识图谱本质就是关于“有智能的”数据的科学，只是其中的数据分为“死”数据和能够生成数据的“活”数据。

文因互联做的就是把金融业的数据结构化，并通过自动化流程让机器处理，最终形成服务，并升级为开放化的服务。

鲍捷补充道，在没有知识图谱之前，技术人员把知识写入程序之中，只能用知识编辑器，比如 CYC 公司从1984年开始手工构造知识库，成本极高。当知识越积越多时，这样的写入就非常不经济了，后来知识表示语言（Knowledge Representation）被发明出来，用以表达更为复杂的知识结构。最终，从知识表达中抽象出现的知识工程越发大众化，便形成了今天的知识图谱。