時間：2018-09-27 08:53:57 點擊：次
來源：億邦動力網(wǎng) 作者：

條評論打印收藏

“我們看了不少企業(yè)的案例和宣傳文章，感覺現(xiàn)在AI確實能把人臉,、車牌甚至各種交通工具都準(zhǔn)確地識別出來,，但是我也在疑惑，如果只是識別得更準(zhǔn),，但是不能切實解決目前這種交通擁堵的現(xiàn)象,，意義在哪里？”這是今年初懂懂筆記在廣州參加某智能交通論壇,，與一位城市規(guī)劃設(shè)計院的專家交流時對方提出的疑問,。而他的一些問題至今都讓懂懂筆記記憶猶新,，“AI如何把視覺識別和信息采集做到有效整合，再產(chǎn)生結(jié)果最后形成反饋并去執(zhí)行,，這之間的邏輯是什么,？如何能形成閉環(huán)？”

實際上,，過去這一年多來類似的問題我們時有聽聞,。語音識別、視覺識別,、傳感器的信息采集……目前在很多行業(yè)都已經(jīng)開始探索和應(yīng)用,，而且識別正確率、信息采集能力也越來越高,。但總會有不少行業(yè)相關(guān)人士提出疑問,，這些信息的獲取如何真正落地應(yīng)用場景，解決自身遇到的管理（經(jīng)營）難題,？

打通認(rèn)知智能和感知智能

或許,，這正是AI從感知智能到認(rèn)知智能發(fā)展過程中，面臨的巨大挑戰(zhàn),。與此同時,，如何打通認(rèn)知到感知智能的孤島，讓AI從能看,、能聽,，到能夠理解、思考和正向反饋,，形成完整的邏輯閉環(huán)鏈,，也孕育著巨大的價值和機遇。

AI落地,，賦能場景,，確實不是一蹴而就。人工智能的發(fā)展已經(jīng)從運算智能,、感知智能（視覺,、聽覺、觸覺的感知）,，逐步走向認(rèn)知智能的階段,。而真正做到“能理解會思考”，仍是包括谷歌,、亞馬遜,、微軟以及BAT在內(nèi)的產(chǎn)業(yè)界正在思考的問題。

“認(rèn)知是實現(xiàn)人工智能分析、判斷,、預(yù)測能力的最為重要的環(huán)節(jié),，只有通過把信息轉(zhuǎn)化成知識結(jié)構(gòu)、知識系統(tǒng)才能實現(xiàn)這些功能,，從而實現(xiàn)從感知型的AI到認(rèn)知型的AI的飛躍,。”在辭去谷歌云AI負(fù)責(zé)人職務(wù)之前，李飛飛曾多次提到未來自己對于認(rèn)知技術(shù)的關(guān)注,。

微軟全球執(zhí)行副總裁沈向洋也指出,，認(rèn)知和感知是人工智能的重要研究方向，他同時強調(diào)“擁有大量數(shù)據(jù)積累和分析需求的行業(yè)更適合通過人工智能技術(shù)實現(xiàn)轉(zhuǎn)型”,。

但是,，產(chǎn)業(yè)界也在思考如何讓認(rèn)知智能在實際落地過程中更加有效，更能實現(xiàn)真正意義上的“理解和思考”,。沈向洋對此提到過幾個問題和挑戰(zhàn)：人工智能技術(shù)對大數(shù)據(jù)和大計算的依賴較大,；人工智能領(lǐng)域過于重視數(shù)據(jù),，而且重視的是數(shù)據(jù)的表象,。“AI技術(shù)是在用復(fù)雜解釋復(fù)雜，為了擬合數(shù)據(jù)結(jié)果而做出更加復(fù)雜的模型,。在自然科學(xué)領(lǐng)域,，應(yīng)當(dāng)是通過復(fù)雜現(xiàn)象抽象出簡單的本質(zhì)。因此,，從這個角度而言,，人工智能技術(shù)仍有待探索和發(fā)展。”而對于深度學(xué)習(xí)在工業(yè)領(lǐng)域的局限和挑戰(zhàn),，明略數(shù)據(jù)創(chuàng)始人吳明輝也提出了獨特的觀點,，“深度學(xué)習(xí)確實解決了很多的圖象處理、聲音識別,、自然語言處理等很多工作,。”但是他認(rèn)為，深度學(xué)習(xí)的局限在與其背后的算法主要是基于統(tǒng)計學(xué),，沒有因果關(guān)系,，只有相關(guān)關(guān)系。

在吳明輝看來,，目前在人工智能重要的三個學(xué)派,，即符號主義學(xué)派、聯(lián)結(jié)主義學(xué)派,、行為主義學(xué)派都有各自的優(yōu)勢和局限,。相對于聯(lián)結(jié)主義學(xué)派倡導(dǎo)的深度學(xué)習(xí)而言，符號主義學(xué)派對應(yīng)的算法更趨向嚴(yán)密的邏輯關(guān)系,，是基于知識所建立的系統(tǒng),，它是可解釋的,，有因果關(guān)系的。“我們希望把學(xué)習(xí)能力賦予計算機,，從而形成知識系統(tǒng),，再加上深度學(xué)習(xí)能力產(chǎn)生的學(xué)習(xí)系統(tǒng)，將兩者有機結(jié)合,，最終打通感知和認(rèn)知智能,，建立了一個完整的人工智能系統(tǒng)。”

的確,，面對從認(rèn)知智能邁向感知智能,，產(chǎn)業(yè)界的眾多參與者都有自己獨特的思考路徑，而吳明輝提出的“符號主義和深度學(xué)習(xí)有效結(jié)合”,，能否更適合目前AI應(yīng)用落地,、賦能場景的目標(biāo)，也成為國內(nèi)AI技術(shù)領(lǐng)域一個值得關(guān)注的話題,。

“明略數(shù)據(jù)建立了感知智能和認(rèn)知智能打通的方法論和工具體系,，所以我們有理由推斷未來人工智能會在認(rèn)知智能技術(shù)上有很長足的進步。”在吳明輝看來,，所謂長足進步要建立在“知其因果”的基礎(chǔ)上,，他舉了兩個例子：在制造業(yè)，設(shè)備運轉(zhuǎn)過程中如果一個零部件出現(xiàn)故障,，這個時候要搞清楚哪一個零部件出現(xiàn)了故障導(dǎo)致系統(tǒng)故障,，你的目的不僅僅是維修時只換個部件，而是要搞清楚具體的故障原因,，所以需要有因果關(guān)系,；在醫(yī)療診斷時，不僅需要開出診斷結(jié)果更需要知道病因,，也是需要知曉因果關(guān)系,。“真正完整的人工智能一定是需要把因果關(guān)系和相關(guān)關(guān)系打通，需要的是把感知智能和認(rèn)知智能打通的一個完整的系統(tǒng),。”

那么,，這種“打通”是否能夠成為解決行業(yè)痛點的最優(yōu)解？

理解行業(yè)痛點后的水到渠成

明略數(shù)據(jù)日前發(fā)布的行業(yè)AI大腦“明智系統(tǒng)2.0”,，就提出在新系統(tǒng)中匯聚各類數(shù)據(jù),，進入“符號化”的過程，通過數(shù)據(jù)的充分融合和碰撞挖掘,，從而實現(xiàn)面向行業(yè)業(yè)務(wù)構(gòu)建行業(yè)AI大腦,。吳明輝顯然是要以“符號的力量”完成對于行業(yè)數(shù)據(jù)中知識的抽取、融合、推理,、和沉淀等過程,，打通感知智能。這一點,，似乎不是另辟蹊徑,，更像是一種水到渠成。

正如前文所述,，懂懂筆記接觸到的城市規(guī)劃,、離散制造、能源化工等領(lǐng)域的相關(guān)人士,，提出的疑問大多集中在各種語音,、視覺識別技術(shù)如何能夠融入到他們所處行業(yè)的管理與效能的提升上?；蛘呖梢哉f,，如今各行各業(yè)都在倡導(dǎo)使用人工智能，但是很多人工智能的技術(shù)在不少傳統(tǒng)行業(yè)中并沒有得到很好的發(fā)展,。

吳明輝認(rèn)為,，這其中的原因是很多專業(yè)技術(shù)企業(yè)都只聚焦在其中某一個技術(shù)的細(xì)節(jié)上，而沒有人真正把完整的人工智能全部組建起來,，面向一個行業(yè)做整合服務(wù),。“今天我們就是要做整合服務(wù),，我們在自己面向的行業(yè)把感知技術(shù),、認(rèn)知技術(shù)跟其它所有的組件一起鏈接到一起全新的系統(tǒng)中?；诖髷?shù)據(jù)治理工作,，在上面又打造了一套完整的人工智能閉環(huán)。”

或許,，能夠建立其完整的AI閉環(huán),，源自于明略數(shù)據(jù)對于服務(wù)行業(yè)的多年積累，尤其是對行業(yè)用戶需求的深度把握,。從吳明輝的介紹中,，可以看到明略數(shù)據(jù)過去四年一直在協(xié)助公共安全、金融監(jiān)管,、工業(yè)界打造大數(shù)據(jù)平臺,，從而建立了大數(shù)據(jù)知識圖譜系統(tǒng)。而通過明略數(shù)據(jù)的SCOPA知識圖譜分析平臺,，以及其自主研發(fā)的混合型知識存儲數(shù)據(jù)庫,，有效幫助行業(yè)用戶建立起分析和決策的能力。

從相關(guān)公開數(shù)據(jù)中可以看到，明略數(shù)據(jù)在安防領(lǐng)域獨有的公安知識圖譜,，目前已匯集30多個大類公安數(shù)據(jù)來源中的6529張表和1538億條數(shù)據(jù),，沉淀了80%以上不同種類公安數(shù)據(jù)的處理經(jīng)驗。“目前基于明略數(shù)據(jù)公安知識圖譜的明智系統(tǒng)現(xiàn)在已經(jīng)部署到50多個省,、市,、區(qū)縣級公安廳局，” 吳明輝強調(diào),，運用這一規(guī)模龐大的公安知識圖譜,，公安部門實現(xiàn)了人、事,、地,、物、組織,、虛擬身份的關(guān)聯(lián),。“通過把感知和認(rèn)知系統(tǒng)打通，我們可以幫助公安部門真正解決全數(shù)據(jù)類型的情報研判工作,，就像福爾摩斯一樣,，運用非常簡單的線索把全部信息關(guān)聯(lián)出來，提高預(yù)警研判的準(zhǔn)度和精度,。”

升級的明智系統(tǒng)2.0通過匯聚各類行業(yè)數(shù)據(jù),，完成“符號化”的過程，實現(xiàn)了數(shù)據(jù)的充分融合和碰撞挖掘,，從而有效地面向行業(yè)業(yè)務(wù)構(gòu)建行業(yè)AI大腦,。

而在金融行業(yè)，明略數(shù)據(jù)也完成了全國首個銀行業(yè)全行級知識圖譜數(shù)據(jù)庫,。例如幫助國內(nèi)某大型股份制銀行基于其十年來的全量數(shù)據(jù),，建立了“企業(yè)、個人,、機構(gòu),、賬戶、交易和行為數(shù)據(jù)”總規(guī)模達(dá)十億點,、百億邊的知識圖譜平臺,。另外一個例子是在城市軌道交通領(lǐng)域，上海地鐵車輛分公司通過明略數(shù)據(jù)的人工智能系統(tǒng)建立了國內(nèi)首個“車輛全生命周期數(shù)據(jù)管理平臺”,，通過這一平臺軌交運營企業(yè)可以有效提升工作效率,，降低了安全風(fēng)險和運營成本。

實際上,，對于金融企業(yè),、傳統(tǒng)制造業(yè)而言,，能效的提升是重中之重。簡單來說,，產(chǎn)品良率,、能耗成本、人員成本等方面哪怕千分之一的變化,，就關(guān)乎到每年數(shù)千萬元的收益或者損失,。

以懂懂筆記曾經(jīng)做放過的多家鋼鐵制造企業(yè)為例，一家大型鋼鐵制造企業(yè)引進一條生產(chǎn)線的投入可能就是上百億元,，而近兩年基于環(huán)保壓力,，鋼鐵行業(yè)效益驟降是明顯的事實。而在煉鋼環(huán)節(jié),，能耗成本幾乎就占到70%到80%,。一位高工在交流中就曾表示，如果通過各種sensor采集的信息和AI的算法,，能降低鋼鐵料的消耗,，或者是在冷軋的厚度、精度控制上,，在現(xiàn)有基礎(chǔ)上提升千分之一,，這些節(jié)省下來的成本對于企業(yè)而言就會是上千萬元的凈利潤。

他所提到數(shù)據(jù)信息采集,，可能就是這是一個煉鋼爐或者鋼包里面布置的傳感器,，也可能是鋼鐵生產(chǎn)線上數(shù)千個數(shù)據(jù)信息采集源。每一天,，這些參數(shù)都在一定頻率下監(jiān)測著整個設(shè)備的生產(chǎn)狀況,，而工程師們也期待能把這些存在DCS（集散控制系統(tǒng)）里的數(shù)據(jù)拿出來，而且是要將所有數(shù)據(jù)融合在一起,，站在一個更高的維度審視運維和制造工藝,，通過提升效率真正的達(dá)到降本提效。

而這種來自用戶的需求,，或許正是吳明輝所強調(diào)的通過“符號的力量”賦能行業(yè)，通過行業(yè)人工智能大腦以“不斷發(fā)現(xiàn)最優(yōu)解”為第一性原理,，以計算代價最小,、計算結(jié)果最準(zhǔn)確為核心目標(biāo)，提升這些企業(yè)在AI時代的核心競爭力,。

結(jié)束語

“符號不僅可以打通人和人之間的關(guān)系,，未來還可以打通人和計算機、人和AI之間的關(guān)系,，我們的目標(biāo)是通過符號連接人和計算機,，連接人和AI,，未來一起創(chuàng)造一個人機同行的美好世界。”

對于吳明輝所強調(diào)的“人機同行”,，可以看成是明略數(shù)據(jù)在感知智能落地應(yīng)用場景方面的一個長遠(yuǎn)目標(biāo),。而要真正實現(xiàn)人機同行，不僅需要從技術(shù)層面打通認(rèn)知智能與感知智能之間的隔閡,，更需要從傳統(tǒng)行業(yè)的視角去理解他們轉(zhuǎn)型和進化的邏輯,，站在企業(yè)的角度去完成這種融合。這種形態(tài)下的行業(yè)人工智能大腦,，更能提現(xiàn)AI的真正意義和精髓,。a