知識(shí)圖譜與認(rèn)知智能（文末留言贈(zèng)書）

人工智能綜合心理學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)等多領(lǐng)域的技術(shù)，對人類認(rèn)知、決策的智能過程進(jìn)行模擬、延伸和擴(kuò)展，進(jìn)而幫助人類創(chuàng)造更大的價(jià)值。

人工智能可分為計(jì)算智能、感知智能和認(rèn)知智能，如下圖所示。計(jì)算智能指對數(shù)據(jù)的基礎(chǔ)邏輯計(jì)算和統(tǒng)計(jì)分析；感知智能指基于視覺、聲學(xué)的信號，對目標(biāo)進(jìn)行模式識(shí)別與分類；認(rèn)知智能指實(shí)現(xiàn)對信息的認(rèn)知、理解、推理和決策，并實(shí)現(xiàn)人、物、企業(yè)等智慧實(shí)體的認(rèn)知與協(xié)同。那么，三者的差異有哪些呢？接下來會(huì)進(jìn)行講解。

（1）計(jì)算智能，通常指基于清晰規(guī)則的數(shù)值運(yùn)算，比如數(shù)值加減、微積分、矩陣分解等。計(jì)算智能得益于計(jì)算機(jī)存儲(chǔ)與硬件的快速發(fā)展，已給互聯(lián)網(wǎng)、金融和工業(yè)等多個(gè)領(lǐng)域帶來產(chǎn)業(yè)價(jià)值。然而計(jì)算智能也面臨顯著困境。以金融場景為例，計(jì)算智能受限于指定的數(shù)據(jù)邏輯規(guī)則，雖然可以高性能地計(jì)算股票的統(tǒng)計(jì)特征，但無法運(yùn)用專家知識(shí)，也難以進(jìn)行深度、動(dòng)態(tài)和啟發(fā)式的推理，對投資、博弈等業(yè)務(wù)貢獻(xiàn)的價(jià)值有限。計(jì)算智能所需的高性能硬件和網(wǎng)絡(luò)支持等，也給企業(yè)帶來了巨大的成本壓力。

（2）感知智能，其核心在于模擬人的視覺、聽覺和觸覺等感知能力。感知智能目前用于完成人可以簡單完成的重復(fù)度較高的工作，比如人臉識(shí)別、語音識(shí)別等。感知智能的核心業(yè)務(wù)目標(biāo)是提高效率且降低成本。但是，感知智能在產(chǎn)業(yè)落地方面面臨諸如成本高昂、智能能力有限、業(yè)務(wù)突破性價(jià)值局限等眾多挑戰(zhàn)：在成本方面，圖像識(shí)別的機(jī)器成本、樣本標(biāo)注成本都非常高；在智能能力方面，感知智能主要集中在模式識(shí)別層面，重在提升視覺、語音等單一場景中的效率，不具備理解和推理能力；在業(yè)務(wù)突破性價(jià)值方面，人工智能在產(chǎn)業(yè)中落地時(shí)只有集合領(lǐng)域的專業(yè)知識(shí)，提升對業(yè)務(wù)場景的認(rèn)知與決策能力，才能創(chuàng)造核心價(jià)值。比如，在發(fā)票自動(dòng)識(shí)別、審批和審計(jì)，以及工業(yè)品質(zhì)量檢測等諸多場景中，需要對基于感知智能獲取的圖像信息進(jìn)行審計(jì)和檢測等知識(shí)推理；在與人類行為相關(guān)的用戶營銷、生產(chǎn)安全管理等場景中，企業(yè)不僅需要對用戶的行為進(jìn)行感知與識(shí)別，更需要對其動(dòng)機(jī)和后果結(jié)合專業(yè)知識(shí)進(jìn)行認(rèn)知、理解、預(yù)測和判斷，例如在生產(chǎn)安全管理場景中，企業(yè)可以通過監(jiān)控設(shè)備感知來識(shí)別用戶的行為，結(jié)合安全專業(yè)知識(shí)、企業(yè)業(yè)務(wù)安全規(guī)則，判斷其是否違規(guī)。

（3）認(rèn)知智能，則具有人類思維理解、知識(shí)共享、行動(dòng)協(xié)同或博弈等核心特征。首先，認(rèn)知智能需要具有對采集的信息進(jìn)行處理、存儲(chǔ)和轉(zhuǎn)化的能力，在這一階段需要運(yùn)用計(jì)算智能、感知智能的數(shù)據(jù)清洗、圖像識(shí)別能力。其次，認(rèn)知智能需要擁有對業(yè)務(wù)需求的理解及對分散數(shù)據(jù)、知識(shí)的治理能力。最后，認(rèn)知智能需要能夠針對業(yè)務(wù)場景進(jìn)行策略構(gòu)建和決策，提升人與機(jī)器、人與人、人與業(yè)務(wù)的協(xié)同、共享和博弈等能力。

為什么需要建設(shè)認(rèn)知智能能力呢？答案如下。

（1）當(dāng)產(chǎn)業(yè)落地時(shí)，企業(yè)對人工智能有更高的預(yù)期。綜合計(jì)算智能、感知智能的缺陷，人工智能在產(chǎn)業(yè)中落地時(shí)需要基于專業(yè)的領(lǐng)域知識(shí)和數(shù)據(jù)，開發(fā)具有意圖理解、分析、推理和決策能力的認(rèn)知智能應(yīng)用，實(shí)現(xiàn)業(yè)務(wù)價(jià)值的突破。

（2）認(rèn)知智能已有基礎(chǔ)。產(chǎn)業(yè)互聯(lián)網(wǎng)的發(fā)展帶來了人與人、機(jī)器與機(jī)器、人與機(jī)器、人與組織、消費(fèi)者與企業(yè)、企業(yè)與企業(yè)的深度連接。通過物聯(lián)網(wǎng)、大數(shù)據(jù)及企業(yè)信息系統(tǒng)的基礎(chǔ)建設(shè)，在產(chǎn)業(yè)互聯(lián)網(wǎng)中存在豐富、分散的數(shù)據(jù)與知識(shí)。

（3）認(rèn)知智能已在多場景中初步應(yīng)用。在企業(yè)營銷推薦、公安偵查、信貸風(fēng)控等領(lǐng)域，不少企業(yè)已基于知識(shí)圖譜、搜索、問答等技術(shù)，提升其在業(yè)務(wù)場景中引導(dǎo)用戶認(rèn)知及決策的能力。

（4）認(rèn)知智能是產(chǎn)業(yè)實(shí)現(xiàn)突破的核心手段。人工智能產(chǎn)業(yè)的發(fā)展，迫切需要探索超出存儲(chǔ)計(jì)算、感知識(shí)別價(jià)值的商業(yè)模式，來撐起更大的人工智能市場。在政府、企業(yè)等組織的數(shù)據(jù)智能化變革中，基于人、物、企業(yè)物理連接的協(xié)同、共享和博弈是核心業(yè)務(wù)需求。協(xié)同的基礎(chǔ)是認(rèn)知意圖、數(shù)據(jù)、知識(shí)之間的邏輯關(guān)系和業(yè)務(wù)意義，以此輔助分析和輔助決策。人工智能的新一代的需求趨勢是利用知識(shí)、數(shù)據(jù)、算法和算力，將符號學(xué)知識(shí)驅(qū)動(dòng)的人工智能和數(shù)據(jù)驅(qū)動(dòng)的人工智能結(jié)合起來，形成更強(qiáng)大的認(rèn)知決策智能，提升人、物和企業(yè)的信息博弈能力。

如何從計(jì)算、感知提升到認(rèn)知呢？業(yè)內(nèi)比較推薦的是 DIKWI 模型，即 Data（數(shù)據(jù)）、Information（信息）、Knowledge（知識(shí)）、Wisdom（智慧）和 Impact（沖擊），如下圖所示。

分散的數(shù)據(jù)經(jīng)過計(jì)算和挖掘，通過分類處理形成信息。信息通過連接形成知識(shí)，基于知識(shí)的推理形成智慧，智慧通過提升認(rèn)知帶來影響。對 DIKWI 模型要素的詳細(xì)解釋如下。

Data：指對世界進(jìn)行記錄的符號化的最原始的素材，通常以數(shù)字、文本、圖像和圖拓?fù)涞刃问匠尸F(xiàn)。數(shù)據(jù)在未被加工、解釋前，是不能解決特定問題的。典型的數(shù)據(jù)有用戶點(diǎn)擊日志數(shù)據(jù)、電網(wǎng)電壓數(shù)據(jù)、工廠設(shè)備生產(chǎn)日志數(shù)據(jù)、車輛運(yùn)行軌跡數(shù)據(jù)和企業(yè)財(cái)務(wù)報(bào)銷數(shù)據(jù)等。

Information：指被處理、識(shí)別后，具有邏輯表達(dá)能力的數(shù)據(jù)，比如通過圖像感知智能技術(shù)進(jìn)行人臉識(shí)別、車輛識(shí)別可獲得人名、車牌信息等。

Knowledge：指信息經(jīng)抽取、提煉之后形成的實(shí)體的狀態(tài)與關(guān)聯(lián)數(shù)據(jù)。知識(shí)一方面對實(shí)體的個(gè)體狀態(tài)具有描述能力，能輔助知識(shí)的應(yīng)用方進(jìn)行認(rèn)知與判斷；另一方面對實(shí)體間的邏輯關(guān)聯(lián)、狀態(tài)關(guān)聯(lián)具有描述能力，能作為推理的條件、規(guī)則、約束、憑據(jù)，輔助知識(shí)的應(yīng)用方進(jìn)行推理與決策。

Wisdom：指人類等智慧物種表現(xiàn)出來的對物理世界的狀態(tài)認(rèn)知、知識(shí)補(bǔ)全、條件推理、策略篩選等認(rèn)知與決策能力。

Impact：指智慧個(gè)體的認(rèn)知、決策與行動(dòng)給環(huán)境帶來的影響，會(huì)影響個(gè)體對環(huán)境的認(rèn)知及環(huán)境對個(gè)體的認(rèn)知。

認(rèn)知智能

從應(yīng)用實(shí)踐的角度，認(rèn)知智能研究的目標(biāo)是基于知識(shí)圖譜，提升業(yè)務(wù)中人、機(jī)器和企業(yè)組織的認(rèn)知與決策能力。在整體框架上，認(rèn)知智能需要在業(yè)務(wù)知識(shí)圖譜上通過構(gòu)建規(guī)則、統(tǒng)計(jì)推理或圖推理的方式構(gòu)建知識(shí)推理引擎。知識(shí)推理引擎需要深度挖掘知識(shí)圖譜網(wǎng)絡(luò)的隱藏信息，并找到人類專家難以發(fā)現(xiàn)的潛在關(guān)系、規(guī)則和解決方法，通過與業(yè)務(wù)系統(tǒng)集成來提高人類專家的決策分析能力。

認(rèn)知智能包含了人類對信息獲取、存儲(chǔ)、轉(zhuǎn)化、運(yùn)用的全過程。從心理學(xué)的角度，人類個(gè)體在進(jìn)行認(rèn)知心理活動(dòng)時(shí)，會(huì)對信息進(jìn)行知覺、注意、回憶、思考、分類、推理和決策等認(rèn)知過程。

人類的認(rèn)知過程如圖 1-6 所示，包括信息輸入、注意、信息接收、信息處理、計(jì)劃執(zhí)行和信息輸出 6 個(gè)階段，在每個(gè)階段中，又有多個(gè)子階段。

那么在產(chǎn)業(yè)實(shí)踐中，對認(rèn)知智能又該如何定義呢？

如下圖所示，在產(chǎn)業(yè)實(shí)踐中，用戶認(rèn)知智能、設(shè)備認(rèn)知智能和企業(yè)認(rèn)知智能是核心業(yè)務(wù)場景。企業(yè)希望通過人工智能技術(shù)，提升用戶、設(shè)備、企業(yè)對業(yè)務(wù)狀態(tài)的認(rèn)知與決策能力。

從產(chǎn)業(yè)實(shí)踐的角度，認(rèn)知智能應(yīng)是在計(jì)算智能、感知智能的基礎(chǔ)之上，完成對業(yè)務(wù)狀態(tài)的全面認(rèn)知、知識(shí)推理、策略生成、策略篩選并輸出可執(zhí)行策略。比如，在用戶營銷服務(wù)場景中，認(rèn)知智能可提升社群營銷中導(dǎo)購的營銷話術(shù)、商品推薦能力；在設(shè)備生產(chǎn)場景中，認(rèn)知智能通過狀態(tài)分析、控制策略推薦可提升業(yè)務(wù)人員及機(jī)器人的調(diào)度控制能力；在企業(yè)調(diào)度、企業(yè)組織管理場景中，認(rèn)知智能通過數(shù)據(jù)可視化展現(xiàn)、知識(shí)輔助解讀、任務(wù)自動(dòng)下發(fā)等可提升企業(yè)管理者與業(yè)務(wù)員的認(rèn)知決策能力。

認(rèn)知智能與知識(shí)圖譜的技術(shù)關(guān)聯(lián)

知識(shí)圖譜是認(rèn)知智能狀態(tài)獲取與決策的基石，那么認(rèn)知智能技術(shù)與知識(shí)圖譜技術(shù)有哪些技術(shù)關(guān)聯(lián)呢？知識(shí)圖譜的圖關(guān)聯(lián)符號網(wǎng)絡(luò)結(jié)構(gòu)蘊(yùn)含了大量信息，認(rèn)知智能可以基于此運(yùn)用圖挖掘技術(shù)從多方面獲得收益

更多關(guān)于認(rèn)知智能與知識(shí)圖譜相關(guān)的知識(shí)，推薦一本新書《知識(shí)圖譜與認(rèn)知智能：基本原理、關(guān)鍵技術(shù)、應(yīng)用場景與解決方案》，現(xiàn)在市面相關(guān)認(rèn)知智能的書非常少，這本書詳細(xì)講解知識(shí)圖譜的基本原理、構(gòu)建方式、使用場景等，以及產(chǎn)業(yè)界應(yīng)用知識(shí)圖譜解決不同領(lǐng)域問題的很多案例。強(qiáng)烈推薦感興趣的同學(xué)去閱讀學(xué)習(xí)。

這次活動(dòng)我們將為讀者朋友提供5本贈(zèng)書，歡迎大家在評論區(qū)留言集贊！其中，集贊最多的5位讀者將獲得該書！

截止時(shí)間：2022年2月28日  20:00整