从感知到认知，明略数据如何走出人工智能关键一步？

在不久前结束的2018第五届世界互联网大会上，人工智能仍然是备受关注的热点。

中国工程院院士王恩东提出AI产业呈现出三个明显的发展趋势：创新速度成为AI产业发展核心竞争力，AI产业化加速，以及产业AI化。

致力于提供行业人工智能解决方案的独角兽企业明略数据创始人吴明辉则提到，只有不断推动人工智能朝着可解释可理解的方向发展，减少算法所产生的偏见，才能实现人与计算机，碳基生物与硅基生物之间的互信共治、美好协作的世界。

一个明显的感受是，自2016年所谓的人工智能元年以来，短短两年时间，来自一线的专家和企业已经到了深入探讨和着手实践人工智能如何落地、如何结合产业创造更大价值的阶段。

人工智能现状：瓶颈or临界点

清华大学中国科技政策研究中心发布的《中国人工智能发展报告2018》显示：

中国的人工智能发展迅速，多项领域已经成为世界第一，包括人工智能专利布局、相关科研论文数量、风险投资占比等，而人工智能市场规模也将继续增长，预计到2020年达到接近1000亿人民币的规模。

但人工智能的发展不可能短期一蹴而就，整体来说，通用人工智能和人工智能的发展还处在初级阶段。

这一点不仅国家层面有着清醒的认识，人工智能领域的科研机构、专家及企业对此同样有着理性判断。

尤其在B端行业应用、AI产业化、真正的行业人工智能方面，目前还仅仅是起步。

这也是王恩东院士提到人工智能三个发展趋势、明略数据创始人兼董事长吴明辉强调“不断推动人工智能朝着可解释可理解的方向发展”的大背景。

人工智能的发展包含三个层次：计算智能、感知智能、认知智能。

简单理解，计算智能即快速计算、记忆和储存能力；感知智能，即视觉、听觉、触觉等感知能力，当下十分热门的人脸识别、语音识别即是感知智能；认知智能则更为复杂，包括分析、思考、理解、判断的能力。

从现阶段人工智能的发展来看，随着计算力的不断发展，储存手段的不断升级，计算智能可以说已经实现；而随着移动互联网普及，大数据、云计算等技术发展，更多非结构化数据的价值被重视和挖掘，语音、图像、视频、触点等与感知相关的感知智能也在快速发展；在计算智能和感知智能发展基础上，人工智能正在向能够分析、思考、理解、判断等认知智能延伸，真正的智能化解决方案已经显现端倪。

可以说，人工智能的发展已经到了由感知智能向认知智能迈进的临界点。

类似于明略数据这样的企业聚焦于认知智能，力图打通感知和认知之间的隔阂，已经成为众多人工智能企业中的一种领先方向。

这其中的问题是，如何从更丰富的感知、识别演变为自主推理的认知、理解。

真正AI化的条件：

如何从感知智能到认知智能

人工智能向认知智能迈进，并不是割裂计算智能与感知智能，而是如何从计算、存储+视觉、听觉、触觉，形成分析、思考、理解、判断，实现真正的智能化。

认知智能与感知智能最大的区别在于，感知智能更多是识别，而认知智能则是像人一样思考，能够理解数据、理解语言，甚至理解现实世界。

认知智能能够解释数据、过程和现象，具备推理能力。

用一个不完全恰当的比喻，感知智能就像宠物，可以通过训练、学习，识别主人、指令，而认知智能则更像主人，它理解指令和指令的意义，并能够推理为什么要有这样的指令。

这显然需要更强大的技术支持。

机器学习、深度学习能够让感知智能不断突破，但却不擅长使用逻辑。能够利用已经决定的规则推理关系的是符号AI，却又不擅长动态学习。

因此，要实现AI推理及其背后的认知智能，需要全新的知识图谱构建，既能深度学习，又能进行推理，并在更多大数据采集、计算、挖掘中不断完善知识库，最终将感知与认知打通，输出提升效率的智能化服务，形成真正的认知智能生产力和服务力。

明略数据所谓的“符号主义与深度学习相结合”实现人机协同的方案正是这样的逻辑。

所谓符号主义，是一种基于数据推理的智能模拟方法，通过图数据库对数据进行整合分析，用于推导结果的标准。

符号主义加上深度学习、机器学习，从理论上来说，可以作为感知智能与认知智能进行打通的路径。

吴明辉提出，AI具体的落地逻辑有三个步骤：

第一步，数据在线，即将不同行业、领域且清洗干净的高质量数据连接起来，线上线下数据打通，不断完善数据维度。

第二步，数据分析和挖掘，利用知识图谱技术，把数据连接到一起，包括语音、图像、文本、结构化数据等多源异构数据融合，完成逻辑推理及复杂运算，对这些数据进行分析、挖掘、研判。

第三步，形成闭环实现人工智能，把人类大脑里的核心的知识、算法部署到计算引擎里去，能够让计算机自动地去做决策，完成向行业大脑的认知智能输出。

从这个案例可以看到，在实现真正AI化的不同方案中，明略数据思路清晰：

（1）发力点在于AI推理能力，而AI推理的背后即认知智能；

（2）解决路径是通过“符号主义与深度学习相结合”，打通感知和认知，实现“人机协同”；

（3）大数据（深度学习）、符号化处理及知识图谱等技术并用，将垂直行业人类专家的知识、经验、理念等融合，以行业智能大脑的形式，使AI在垂直行业落地。

需要注意的是，在打通感知和认知的智能化应用中，这套逻辑并非一个机械的单向路径，所应用的垂直行业人类专家、服务对象，会不断反馈更多数据、行为、理念，在这套系统中重新循环，促使具体的垂直行业人工智能系统继续成长、完善，双向促进。

这可能也是所谓“人机协同”的一层含义。

下一步，值得期待的行业人工智能

本届世界互联网大会以“创造互信共治的数字世界——携手共建网络空间命运共同体”为主题，不仅展示了互联网、智能科技在未来广阔的发展空间，也为新科技提出了若干命题。

从人工智能角度而言，不管是互信共治的数字世界，还是网络空间命运共同体，AI化或者AI+将必然成为一种趋势。而在人工智能逐步迈向认知智能、真正AI化落地、形成行业人工智能输出过程中，必然要符合三个核心原则：

（1）AI技术要符合人类的价值观；

（2）AI不能是黑盒子，要可解释，特别是在公共安全、医疗、司法等领域的应用；

（3）AI与人协同工作，提升效率，解放生产力，而不是替代人。

遵循这三个原则，AI推理或认知智能在行业智能化方面或许会更有成效。

类似于明略数据所推出的“行业AI大脑明智2.0系统”的应用，不论是“小明（Lite Mind）”自然语言交互入口、“明察”全网络即时汇聚感知平台、CONA+Raptor+HARTS数据治理平台，还是SCOPA知识图谱分析平台、蜂巢NEST混合型知识存储数据库，所起到的作用不仅是数据采集、处理、理解，还包括能否为行业带来真正便利、高效的服务和产业价值；此外，公平、安全、可靠、可信，也不仅是使用人工智能的行业或客户应有体验，同样是人工智能本身是否成功的衡量标准。

从明智2.0系统现有的应用和可期的未来行业应用来看，不论是公安大脑、数字城市大脑、工业安全大脑、金融风控大脑，在“垂直行业化+人机交互重大变革”的模式下，行业人工智能的落地效果显著，推动了人工智能技术和服务从个体赋能到全局智能的产业转型升级。

实际上，探索人工智能的落地应用产业升级大幕现在刚刚拉开。

在B端特别是传统行业尤其面临着一些困难，包括企业、政府对于人工智能的理解和顾虑，数据采集、储存的缺失、分散和复杂，AI+行业的应用成本高昂、技术人才团队的不足等。

更重要的，在人工智能技术自身发展层面，也还未达到成熟，众多课题还需要攻克。

但不论怎么说，人工智能与行业深度融合是一个不可逆的趋势，人工智能对人类、人机关系的影响也会日益加深，整个世界会在人工智能的催化下联系更为紧密。

在这样的大背景下，探索更为高效的智能化实现路径，意义重大。