AI从感知智能到认知智能

文件，人脸，扫描对比，绿灯亮，通过，通过高铁安检闸门的过程，你可能会想：机器认识我。其实不是。

“目前的人工智能(AI)识别只是比较，进入大脑后缺乏信息‘加工、理解、思考’步骤，所以只停留在‘感知’，而并非‘认知’。”6月18日，纪念吴文俊诞辰100周年“认知智能行业应用大会”中国人民大学高淳人工智能学院执行院长文继荣表示，要让AI有类似大脑的活动，要进入认知阶段，握知识和推理。AI从“感知智能”走向“认知智能”目前，在一般情况下，实践相对困难，但正在应用于反洗钱、侦察等领域。

AI“大脑”要成长，首先要建立知识库

“现在的AI在弱人工智能状态下，它没有大脑，让它形成大脑，核心是有‘知识’。”

微软亚洲研究所前研究员、北京一览群智数据技术有限公司首席执行官胡健表示，如果现有的算法和模型是神经或大脑结构，那么知识就是大脑运行的动力。

让AI知识库在业内被称为“知识图谱”，它不仅要关注知识点，还要关注知识点之间的关系。这些联系将被赋予AI联想力。“说到水，它应该反映密度、透明度和其他性质，但也与浇水、饮用功能有关，更先进的是计算多少努力取水。”胡健说。

建立知识图谱非常困难。如何将人类的大量知识翻译成机器语言并与之建立联系是一个问题。特别是这项工作以前是手工完成的，如谷歌词库、百度百科全书、维基百科全书等可以转换为知识地图，但工作量大，内容极其复杂。

“关联密度不足是另一个难以应用的问题‘瓶颈’。”胡健解释说，一个知识点最多可能出现在几种关系中，可以解决比尔·盖茨父亲邻居母亲的单维问题，但反映了现实世界“蝴蝶效应”相互影响还很远。

关联密度不足时，AI的“大脑”即使有一个数千万条的通用知识图谱，也很难达到应用的水平。

可以达到行业知识图谱“认知层面”

知识点的相关密度更像是一个AI大脑皮层越复杂密集AI将越“聪明”。

“聚焦行业，AI能相对聪明一点。”胡健说，有些行业本身就有自己的基本关联图，这有助于他们制定图谱。例如，公安系统有一套系统，包括人、地、事、物、组织、机构和关联。添加出入境数据和第三方物流数据后，可以固定为知识地图。

中国人民公安大学公共安全行为科学实验室主任丁宁介绍，除了引入历史数据的发展趋势和风险感知外，还逐步增加了环境、天气等数据，包括PM2.结果发现了5的值PM2.5的值对公交扒窃有影响。

“我们还提出了虚拟现实网络结合的方向。在掌握了实际的社交网络、资本流和社交流之后，我们对该团伙的描述更加准确。”丁宁说，这将大大提高AI分析辅助决策的能力。