中國工程院院士王恩東提出AI產(chǎn)業(yè)呈現(xiàn)出三個(gè)明顯的發(fā)展趨勢：創(chuàng)新速度成為AI產(chǎn)業(yè)發(fā)展核心競爭力，AI產(chǎn)業(yè)化加速，以及產(chǎn)業(yè)AI化。

致力于提供行業(yè)人工智能解決方案的獨(dú)角獸企業(yè)明略數(shù)據(jù)創(chuàng)始人吳明輝則提到，只有不斷推動(dòng)人工智能朝著可解釋可理解的方向發(fā)展，減少算法所產(chǎn)生的偏見，才能實(shí)現(xiàn)人與計(jì)算機(jī)，碳基生物與硅基生物之間的互信共治、美好協(xié)作的世界。

一個(gè)明顯的感受是，自2016年所謂的人工智能元年以來，短短兩年時(shí)間，來自一線的專家和企業(yè)已經(jīng)到了深入探討和著手實(shí)踐人工智能如何落地、如何結(jié)合產(chǎn)業(yè)創(chuàng)造更大價(jià)值的階段。

人工智能現(xiàn)狀：瓶頸or臨界點(diǎn)

清華大學(xué)中國科技政策研究中心發(fā)布的《中國人工智能發(fā)展報(bào)告2018》顯示：

中國的人工智能發(fā)展迅速，多項(xiàng)領(lǐng)域已經(jīng)成為世界第一，包括人工智能專利布局、相關(guān)科研論文數(shù)量、風(fēng)險(xiǎn)投資占比等，而人工智能市場規(guī)模也將繼續(xù)增長，預(yù)計(jì)到2020年達(dá)到接近1000億人民幣的規(guī)模。

但人工智能的發(fā)展不可能短期一蹴而就，整體來說，通用人工智能和人工智能的發(fā)展還處在初級(jí)階段。

這一點(diǎn)不僅國家層面有著清醒的認(rèn)識(shí)，人工智能領(lǐng)域的科研機(jī)構(gòu)、專家及企業(yè)對(duì)此同樣有著理性判斷。

尤其在B端行業(yè)應(yīng)用、AI產(chǎn)業(yè)化、真正的行業(yè)人工智能方面，目前還僅僅是起步。

這也是王恩東院士提到人工智能三個(gè)發(fā)展趨勢、明略數(shù)據(jù)創(chuàng)始人兼董事長吳明輝強(qiáng)調(diào)“不斷推動(dòng)人工智能朝著可解釋可理解的方向發(fā)展”的大背景。

人工智能的發(fā)展包含三個(gè)層次：計(jì)算智能、感知智能、認(rèn)知智能。

簡單理解，計(jì)算智能即快速計(jì)算、記憶和儲(chǔ)存能力;感知智能，即視覺、聽覺、觸覺等感知能力，當(dāng)下十分熱門的人臉識(shí)別、語音識(shí)別即是感知智能;認(rèn)知智能則更為復(fù)雜，包括分析、思考、理解、判斷的能力。

從現(xiàn)階段人工智能的發(fā)展來看，隨著計(jì)算力的不斷發(fā)展，儲(chǔ)存手段的不斷升級(jí)，計(jì)算智能可以說已經(jīng)實(shí)現(xiàn);而隨著移動(dòng)互聯(lián)網(wǎng)普及，大數(shù)據(jù)、云計(jì)算等技術(shù)發(fā)展，更多非結(jié)構(gòu)化數(shù)據(jù)的價(jià)值被重視和挖掘，語音、圖像、視頻、觸點(diǎn)等與感知相關(guān)的感知智能也在快速發(fā)展;在計(jì)算智能和感知智能發(fā)展基礎(chǔ)上，人工智能正在向能夠分析、思考、理解、判斷等認(rèn)知智能延伸，真正的智能化解決方案已經(jīng)顯現(xiàn)端倪。

可以說，人工智能的發(fā)展已經(jīng)到了由感知智能向認(rèn)知智能邁進(jìn)的臨界點(diǎn)。

類似于明略數(shù)據(jù)這樣的企業(yè)聚焦于認(rèn)知智能，力圖打通感知和認(rèn)知之間的隔閡，已經(jīng)成為眾多人工智能企業(yè)中的一種領(lǐng)先方向。

這其中的問題是，如何從更豐富的感知、識(shí)別演變?yōu)樽灾魍评淼恼J(rèn)知、理解。

真正AI化的條件：如何從感知智能到認(rèn)知智能

人工智能向認(rèn)知智能邁進(jìn)，并不是割裂計(jì)算智能與感知智能，而是如何從計(jì)算、存儲(chǔ)+視覺、聽覺、觸覺，形成分析、思考、理解、判斷，實(shí)現(xiàn)真正的智能化。

認(rèn)知智能與感知智能最大的區(qū)別在于，感知智能更多是識(shí)別，而認(rèn)知智能則是像人一樣思考，能夠理解數(shù)據(jù)、理解語言，甚至理解現(xiàn)實(shí)世界。

認(rèn)知智能能夠解釋數(shù)據(jù)、過程和現(xiàn)象，具備推理能力。

用一個(gè)不完全恰當(dāng)?shù)谋扔?，感知智能就像寵物，可以通過訓(xùn)練、學(xué)習(xí)，識(shí)別主人、指令，而認(rèn)知智能則更像主人，它理解指令和指令的意義，并能夠推理為什么要有這樣的指令。

這顯然需要更強(qiáng)大的技術(shù)支持。

機(jī)器學(xué)習(xí)、深度學(xué)習(xí)能夠讓感知智能不斷突破，但卻不擅長使用邏輯。能夠利用已經(jīng)決定的規(guī)則推理關(guān)系的是符號(hào)AI，卻又不擅長動(dòng)態(tài)學(xué)習(xí)。

因此，要實(shí)現(xiàn)AI推理及其背后的認(rèn)知智能，需要全新的知識(shí)圖譜構(gòu)建，既能深度學(xué)習(xí)，又能進(jìn)行推理，并在更多大數(shù)據(jù)采集、計(jì)算、挖掘中不斷完善知識(shí)庫，最終將感知與認(rèn)知打通，輸出提升效率的智能化服務(wù)，形成真正的認(rèn)知智能生產(chǎn)力和服務(wù)力。

明略數(shù)據(jù)所謂的“符號(hào)主義與深度學(xué)習(xí)相結(jié)合”實(shí)現(xiàn)人機(jī)協(xié)同的方案正是這樣的邏輯。

所謂符號(hào)主義，是一種基于數(shù)據(jù)推理的智能模擬方法，通過圖數(shù)據(jù)庫對(duì)數(shù)據(jù)進(jìn)行整合分析，用于推導(dǎo)結(jié)果的標(biāo)準(zhǔn)。

符號(hào)主義加上深度學(xué)習(xí)、機(jī)器學(xué)習(xí)，從理論上來說，可以作為感知智能與認(rèn)知智能進(jìn)行打通的路徑。

吳明輝提出，AI具體的落地邏輯有三個(gè)步驟：

第一步，數(shù)據(jù)在線，即將不同行業(yè)、領(lǐng)域且清洗干凈的高質(zhì)量數(shù)據(jù)連接起來，線上線下數(shù)據(jù)打通，不斷完善數(shù)據(jù)維度。

第二步，數(shù)據(jù)分析和挖掘，利用知識(shí)圖譜技術(shù)，把數(shù)據(jù)連接到一起，包括語音、圖像、文本、結(jié)構(gòu)化數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)融合，完成邏輯推理及復(fù)雜運(yùn)算，對(duì)這些數(shù)據(jù)進(jìn)行分析、挖掘、研判。

第三步，形成閉環(huán)實(shí)現(xiàn)人工智能，把人類大腦里的核心的知識(shí)、算法部署到計(jì)算引擎里去，能夠讓計(jì)算機(jī)自動(dòng)地去做決策，完成向行業(yè)大腦的認(rèn)知智能輸出。

從這個(gè)案例可以看到，在實(shí)現(xiàn)真正AI化的不同方案中，明略數(shù)據(jù)思路清晰：

(1)發(fā)力點(diǎn)在于AI推理能力，而AI推理的背后即認(rèn)知智能;

(2)解決路徑是通過“符號(hào)主義與深度學(xué)習(xí)相結(jié)合”，打通感知和認(rèn)知，實(shí)現(xiàn)“人機(jī)協(xié)同”;

(3)大數(shù)據(jù)(深度學(xué)習(xí))、符號(hào)化處理及知識(shí)圖譜等技術(shù)并用，將垂直行業(yè)人類專家的知識(shí)、經(jīng)驗(yàn)、理念等融合，以行業(yè)智能大腦的形式，使AI在垂直行業(yè)落地。

需要注意的是，在打通感知和認(rèn)知的智能化應(yīng)用中，這套邏輯并非一個(gè)機(jī)械的單向路徑，所應(yīng)用的垂直行業(yè)人類專家、服務(wù)對(duì)象，會(huì)不斷反饋更多數(shù)據(jù)、行為、理念，在這套系統(tǒng)中重新循環(huán)，促使具體的垂直行業(yè)人工智能系統(tǒng)繼續(xù)成長、完善，雙向促進(jìn)。

這可能也是所謂“人機(jī)協(xié)同”的一層含義。

下一步，值得期待的行業(yè)人工智能

本屆世界互聯(lián)網(wǎng)大會(huì)以“創(chuàng)造互信共治的數(shù)字世界——攜手共建網(wǎng)絡(luò)空間命運(yùn)共同體”為主題，不僅展示了互聯(lián)網(wǎng)、智能科技在未來廣闊的發(fā)展空間，也為新科技提出了若干命題。

從人工智能角度而言，不管是互信共治的數(shù)字世界，還是網(wǎng)絡(luò)空間命運(yùn)共同體，AI化或者AI+將必然成為一種趨勢。而在人工智能逐步邁向認(rèn)知智能、真正AI化落地、形成行業(yè)人工智能輸出過程中，必然要符合三個(gè)核心原則：

(1)AI技術(shù)要符合人類的價(jià)值觀;

(2)AI不能是黑盒子，要可解釋，特別是在公共安全、醫(yī)療、司法等領(lǐng)域的應(yīng)用;

(3)AI與人協(xié)同工作，提升效率，解放生產(chǎn)力，而不是替代人。

遵循這三個(gè)原則，AI推理或認(rèn)知智能在行業(yè)智能化方面或許會(huì)更有成效。

類似于明略數(shù)據(jù)所推出的 “行業(yè)AI大腦明智2.0系統(tǒng)”的應(yīng)用，不論是“小明(Lite Mind)”自然語言交互入口、“明察”全網(wǎng)絡(luò)即時(shí)匯聚感知平臺(tái)、CONA+Raptor+HARTS數(shù)據(jù)治理平臺(tái)，還是SCOPA知識(shí)圖譜分析平臺(tái)、蜂巢NEST混合型知識(shí)存儲(chǔ)數(shù)據(jù)庫，所起到的作用不僅是數(shù)據(jù)采集、處理、理解，還包括能否為行業(yè)帶來真正便利、高效的服務(wù)和產(chǎn)業(yè)價(jià)值;此外，公平、安全、可靠、可信，也不僅是使用人工智能的行業(yè)或客戶應(yīng)有體驗(yàn)，同樣是人工智能本身是否成功的衡量標(biāo)準(zhǔn)。

從明智2.0系統(tǒng)現(xiàn)有的應(yīng)用和可期的未來行業(yè)應(yīng)用來看，不論是公安大腦、數(shù)字城市大腦、工業(yè)安全大腦、金融風(fēng)控大腦，在“垂直行業(yè)化+人機(jī)交互重大變革”的模式下，行業(yè)人工智能的落地效果顯著，推動(dòng)了人工智能技術(shù)和服務(wù)從個(gè)體賦能到全局智能的產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。

實(shí)際上，探索人工智能的落地應(yīng)用產(chǎn)業(yè)升級(jí)大幕現(xiàn)在剛剛拉開。

在B端特別是傳統(tǒng)行業(yè)尤其面臨著一些困難，包括企業(yè)、政府對(duì)于人工智能的理解和顧慮，數(shù)據(jù)采集、儲(chǔ)存的缺失、分散和復(fù)雜，AI+行業(yè)的應(yīng)用成本高昂、技術(shù)人才團(tuán)隊(duì)的不足等。

更重要的，在人工智能技術(shù)自身發(fā)展層面，也還未達(dá)到成熟，眾多課題還需要攻克。

但不論怎么說，人工智能與行業(yè)深度融合是一個(gè)不可逆的趨勢，人工智能對(duì)人類、人機(jī)關(guān)系的影響也會(huì)日益加深，整個(gè)世界會(huì)在人工智能的催化下聯(lián)系更為緊密。

在這樣的大背景下，探索更為高效的智能化實(shí)現(xiàn)路徑，意義重大。