時(shí)間：2018-09-27 08:53:57 點(diǎn)擊：次
來(lái)源：億邦動(dòng)力網(wǎng) 作者：

條評(píng)論打印收藏

“我們看了不少企業(yè)的案例和宣傳文章，感覺(jué)現(xiàn)在AI確實(shí)能把人臉、車(chē)牌甚至各種交通工具都準(zhǔn)確地識(shí)別出來(lái)，但是我也在疑惑，如果只是識(shí)別得更準(zhǔn)，但是不能切實(shí)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(jì)院的專(zhuān)家交流時(shí)對(duì)方提出的疑問(wèn)。而他的一些問(wèn)題至今都讓懂懂筆記記憶猶新，“AI如何把視覺(jué)識(shí)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(shí)際上，過(guò)去這一年多來(lái)類(lèi)似的問(wèn)題我們時(shí)有聽(tīng)聞。語(yǔ)音識(shí)別、視覺(jué)識(shí)別、傳感器的信息采集……目前在很多行業(yè)都已經(jīng)開(kāi)始探索和應(yīng)用，而且識(shí)別正確率、信息采集能力也越來(lái)越高。但總會(huì)有不少行業(yè)相關(guān)人士提出疑問(wèn)，這些信息的獲取如何真正落地應(yīng)用場(chǎng)景，解決自身遇到的管理（經(jīng)營(yíng)）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(guò)程中，面臨的巨大挑戰(zhàn)。與此同時(shí)，如何打通認(rèn)知到感知智能的孤島，讓AI從能看、能聽(tīng)，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(jià)值和機(jī)遇。

AI落地，賦能場(chǎng)景，確實(shí)不是一蹴而就。人工智能的發(fā)展已經(jīng)從運(yùn)算智能、感知智能（視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)的感知），逐步走向認(rèn)知智能的階段。而真正做到“能理解會(huì)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(wèn)題。

“認(rèn)知是實(shí)現(xiàn)人工智能分析、判斷、預(yù)測(cè)能力的最為重要的環(huán)節(jié)，只有通過(guò)把信息轉(zhuǎn)化成知識(shí)結(jié)構(gòu)、知識(shí)系統(tǒng)才能實(shí)現(xiàn)這些功能，從而實(shí)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(lái)自己對(duì)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(shí)強(qiáng)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(guò)人工智能技術(shù)實(shí)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(shí)際落地過(guò)程中更加有效，更能實(shí)現(xiàn)真正意義上的“理解和思考”。沈向洋對(duì)此提到過(guò)幾個(gè)問(wèn)題和挑戰(zhàn)：人工智能技術(shù)對(duì)大數(shù)據(jù)和大計(jì)算的依賴(lài)較大；人工智能領(lǐng)域過(guò)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(guò)復(fù)雜現(xiàn)象抽象出簡(jiǎn)單的本質(zhì)。因此，從這個(gè)角度而言，人工智能技術(shù)仍有待探索和發(fā)展。”而對(duì)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(dú)特的觀點(diǎn)，“深度學(xué)習(xí)確實(shí)解決了很多的圖象處理、聲音識(shí)別、自然語(yǔ)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(jì)學(xué)，沒(méi)有因果關(guān)系，只有相關(guān)關(guān)系。

在吳明輝看來(lái)，目前在人工智能重要的三個(gè)學(xué)派，即符號(hào)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(shì)和局限。相對(duì)于聯(lián)結(jié)主義學(xué)派倡導(dǎo)的深度學(xué)習(xí)而言，符號(hào)主義學(xué)派對(duì)應(yīng)的算法更趨向嚴(yán)密的邏輯關(guān)系，是基于知識(shí)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(jì)算機(jī)，從而形成知識(shí)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(jī)結(jié)合，最終打通感知和認(rèn)知智能，建立了一個(gè)完整的人工智能系統(tǒng)。”

的確，面對(duì)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(dú)特的思考路徑，而吳明輝提出的“符號(hào)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(chǎng)景的目標(biāo)，也成為國(guó)內(nèi)AI技術(shù)領(lǐng)域一個(gè)值得關(guān)注的話(huà)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(lái)人工智能會(huì)在認(rèn)知智能技術(shù)上有很長(zhǎng)足的進(jìn)步。”在吳明輝看來(lái)，所謂長(zhǎng)足進(jìn)步要建立在“知其因果”的基礎(chǔ)上，他舉了兩個(gè)例子：在制造業(yè)，設(shè)備運(yùn)轉(zhuǎn)過(guò)程中如果一個(gè)零部件出現(xiàn)故障，這個(gè)時(shí)候要搞清楚哪一個(gè)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(shí)只換個(gè)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(shí)，不僅需要開(kāi)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(gè)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(diǎn)的最優(yōu)解？

理解行業(yè)痛點(diǎn)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(lèi)數(shù)據(jù)，進(jìn)入“符號(hào)化”的過(guò)程，通過(guò)數(shù)據(jù)的充分融合和碰撞挖掘，從而實(shí)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(hào)的力量”完成對(duì)于行業(yè)數(shù)據(jù)中知識(shí)的抽取、融合、推理、和沉淀等過(guò)程，打通感知智能。這一點(diǎn)，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(wèn)大多集中在各種語(yǔ)音、視覺(jué)識(shí)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。或者可以說(shuō)，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(méi)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(zhuān)業(yè)技術(shù)企業(yè)都只聚焦在其中某一個(gè)技術(shù)的細(xì)節(jié)上，而沒(méi)有人真正把完整的人工智能全部組建起來(lái)，面向一個(gè)行業(yè)做整合服務(wù)。“今天我們就是要做整合服務(wù)，我們?cè)谧约好嫦虻男袠I(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。基于大數(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(duì)于服務(wù)行業(yè)的多年積累，尤其是對(duì)行業(yè)用戶(hù)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(guò)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(tái)，從而建立了大數(shù)據(jù)知識(shí)圖譜系統(tǒng)。而通過(guò)明略數(shù)據(jù)的SCOPA知識(shí)圖譜分析平臺(tái)，以及其自主研發(fā)的混合型知識(shí)存儲(chǔ)數(shù)據(jù)庫(kù)，有效幫助行業(yè)用戶(hù)建立起分析和決策的能力。

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

升級(jí)的明智系統(tǒng)2.0通過(guò)匯聚各類(lèi)行業(yè)數(shù)據(jù)，完成“符號(hào)化”的過(guò)程，實(shí)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(guó)首個(gè)銀行業(yè)全行級(jí)知識(shí)圖譜數(shù)據(jù)庫(kù)。例如幫助國(guó)內(nèi)某大型股份制銀行基于其十年來(lái)的全量數(shù)據(jù)，建立了“企業(yè)、個(gè)人、機(jī)構(gòu)、賬戶(hù)、交易和行為數(shù)據(jù)”總規(guī)模達(dá)十億點(diǎn)、百億邊的知識(shí)圖譜平臺(tái)。另外一個(gè)例子是在城市軌道交通領(lǐng)域，上海地鐵車(chē)輛分公司通過(guò)明略數(shù)據(jù)的人工智能系統(tǒng)建立了國(guó)內(nèi)首個(gè)“車(chē)輛全生命周期數(shù)據(jù)管理平臺(tái)”，通過(guò)這一平臺(tái)軌交運(yùn)營(yíng)企業(yè)可以有效提升工作效率，降低了安全風(fēng)險(xiǎn)和運(yùn)營(yíng)成本。

實(shí)際上，對(duì)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(jiǎn)單來(lái)說(shuō)，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(wàn)元的收益或者損失。

以懂懂筆記曾經(jīng)做放過(guò)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(jìn)一條生產(chǎn)線(xiàn)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(shí)。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(guò)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(lái)的成本對(duì)于企業(yè)而言就會(huì)是上千萬(wàn)元的凈利潤(rùn)。

他所提到數(shù)據(jù)信息采集，可能就是這是一個(gè)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(xiàn)上數(shù)千個(gè)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(cè)著整個(gè)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(lái)，而且是要將所有數(shù)據(jù)融合在一起，站在一個(gè)更高的維度審視運(yùn)維和制造工藝，通過(guò)提升效率真正的達(dá)到降本提效。

而這種來(lái)自用戶(hù)的需求，或許正是吳明輝所強(qiáng)調(diào)的通過(guò)“符號(hào)的力量”賦能行業(yè)，通過(guò)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(jì)算代價(jià)最小、計(jì)算結(jié)果最準(zhǔn)確為核心目標(biāo)，提升這些企業(yè)在AI時(shí)代的核心競(jìng)爭(zhēng)力。

結(jié)束語(yǔ)

“符號(hào)不僅可以打通人和人之間的關(guān)系，未來(lái)還可以打通人和計(jì)算機(jī)、人和AI之間的關(guān)系，我們的目標(biāo)是通過(guò)符號(hào)連接人和計(jì)算機(jī)，連接人和AI，未來(lái)一起創(chuàng)造一個(gè)人機(jī)同行的美好世界。”

對(duì)于吳明輝所強(qiáng)調(diào)的“人機(jī)同行”，可以看成是明略數(shù)據(jù)在感知智能落地應(yīng)用場(chǎng)景方面的一個(gè)長(zhǎng)遠(yuǎn)目標(biāo)。而要真正實(shí)現(xiàn)人機(jī)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(jìn)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