中國工程院院士王恩東提出AI產業呈現出三個明顯的發展趨勢：創新速度成為AI產業發展核心競爭力，AI產業化加速，以及產業AI化。
致力于提供行業人工智能解決方案的獨角獸企業明略數據創始人吳明輝則提到，只有不斷推動人工智能朝著可解釋可理解的方向發展，減少算法所產生的偏見，才能實現人與計算機，碳基生物與硅基生物之間的互信共治、美好協作的世界。
一個明顯的感受是，自2016年所謂的人工智能元年以來，短短兩年時間，來自一線的專家和企業已經到了深入探討和著手實踐人工智能如何落地、如何結合產業創造更大價值的階段。
人工智能現狀：瓶頸or臨界點
清華大學中國科技政策研究中心發布的《中國人工智能發展報告2018》顯示：
中國的人工智能發展迅速，多項領域已經成為世界第一，包括人工智能專利布局、相關科研論文數量、風險投資占比等，而人工智能市場規模也將繼續增長，預計到2020年達到接近1000億人民幣的規模。
但人工智能的發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展還處在初級階段。
這一點不僅國家層面有著清醒的認識，人工智能領域的科研機構、專家及企業對此同樣有著理性判斷。
尤其在B端行業應用、AI產業化、真正的行業人工智能方面，目前還僅僅是起步。
這也是王恩東院士提到人工智能三個發展趨勢、明略數據創始人兼董事長吳明輝強調“不斷推動人工智能朝著可解釋可理解的方向發展”的大背景。
人工智能的發展包含三個層次：計算智能、感知智能、認知智能。
簡單理解，計算智能即快速計算、記憶和儲存能力;感知智能，即視覺、聽覺、觸覺等感知能力，當下十分熱門的人臉識別、語音識別即是感知智能;認知智能則更為復雜，包括分析、思考、理解、判斷的能力。
從現階段人工智能的發展來看，隨著計算力的不斷發展，儲存手段的不斷升級，計算智能可以說已經實現;而隨著移動互聯網普及，大數據、云計算等技術發展，更多非結構化數據的價值被重視和挖掘，語音、圖像、視頻、觸點等與感知相關的感知智能也在快速發展;在計算智能和感知智能發展基礎上，人工智能正在向能夠分析、思考、理解、判斷等認知智能延伸，真正的智能化解決方案已經顯現端倪。
可以說，人工智能的發展已經到了由感知智能向認知智能邁進的臨界點。
類似于明略數據這樣的企業聚焦于認知智能，力圖打通感知和認知之間的隔閡，已經成為眾多人工智能企業中的一種領先方向。
這其中的問題是，如何從更豐富的感知、識別演變為自主推理的認知、理解。
真正AI化的條件：如何從感知智能到認知智能
人工智能向認知智能邁進，并不是割裂計算智能與感知智能，而是如何從計算、存儲+視覺、聽覺、觸覺，形成分析、思考、理解、判斷，實現真正的智能化。
認知智能與感知智能最大的區別在于，感知智能更多是識別，而認知智能則是像人一樣思考，能夠理解數據、理解語言，甚至理解現實世界。
認知智能能夠解釋數據、過程和現象，具備推理能力。
用一個不完全恰當的比喻，感知智能就像寵物，可以通過訓練、學習，識別主人、指令，而認知智能則更像主人，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。
這顯然需要更強大的技術支持。
機器學習、深度學習能夠讓感知智能不斷突破，但卻不擅長使用邏輯。能夠利用已經決定的規則推理關系的是符號AI，卻又不擅長動態學習。
因此，要實現AI推理及其背后的認知智能，需要全新的知識圖譜構建，既能深度學習，又能進行推理，并在更多大數據采集、計算、挖掘中不斷完善知識庫，最終將感知與認知打通，輸出提升效率的智能化服務，形成真正的認知智能生產力和服務力。
明略數據所謂的“符號主義與深度學習相結合”實現人機協同的方案正是這樣的邏輯。
所謂符號主義，是一種基于數據推理的智能模擬方法，通過圖數據庫對數據進行整合分析，用于推導結果的標準。
符號主義加上深度學習、機器學習，從理論上來說，可以作為感知智能與認知智能進行打通的路徑。
吳明輝提出，AI具體的落地邏輯有三個步驟：
第一步，數據在線，即將不同行業、領域且清洗干凈的高質量數據連接起來，線上線下數據打通，不斷完善數據維度。
第二步，數據分析和挖掘，利用知識圖譜技術，把數據連接到一起，包括語音、圖像、文本、結構化數據等多源異構數據融合，完成邏輯推理及復雜運算，對這些數據進行分析、挖掘、研判。
第三步，形成閉環實現人工智能，把人類大腦里的核心的知識、算法部署到計算引擎里去，能夠讓計算機自動地去做決策，完成向行業大腦的認知智能輸出。
從這個案例可以看到，在實現真正AI化的不同方案中，明略數據思路清晰：
(1)發力點在于AI推理能力，而AI推理的背后即認知智能;
(2)解決路徑是通過“符號主義與深度學習相結合”，打通感知和認知，實現“人機協同”;
(3)大數據(深度學習)、符號化處理及知識圖譜等技術并用，將垂直行業人類專家的知識、經驗、理念等融合，以行業智能大腦的形式，使AI在垂直行業落地。
需要注意的是，在打通感知和認知的智能化應用中，這套邏輯并非一個機械的單向路徑，所應用的垂直行業人類專家、服務對象，會不斷反饋更多數據、行為、理念，在這套系統中重新循環，促使具體的垂直行業人工智能系統繼續成長、完善，雙向促進。
這可能也是所謂“人機協同”的一層含義。
下一步，值得期待的行業人工智能
本屆世界互聯網大會以“創造互信共治的數字世界——攜手共建網絡空間命運共同體”為主題，不僅展示了互聯網、智能科技在未來廣闊的發展空間，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字世界，還是網絡空間命運共同體，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知智能、真正AI化落地、形成行業人工智能輸出過程中，必然要符合三個核心原則：
(1)AI技術要符合人類的價值觀;
(2)AI不能是黑盒子，要可解釋，特別是在公共安全、醫療、司法等領域的應用;
(3)AI與人協同工作，提升效率，解放生產力，而不是替代人。
遵循這三個原則，AI推理或認知智能在行業智能化方面或許會更有成效。
類似于明略數據所推出的 “行業AI大腦明智2.0系統”的應用，不論是“小明(Lite Mind)”自然語言交互入口、“明察”全網絡即時匯聚感知平臺、CONA+Raptor+HARTS數據治理平臺，還是SCOPA知識圖譜分析平臺、蜂巢NEST混合型知識存儲數據庫，所起到的作用不僅是數據采集、處理、理解，還包括能否為行業帶來真正便利、高效的服務和產業價值;此外，公平、安全、可靠、可信，也不僅是使用人工智能的行業或客戶應有體驗，同樣是人工智能本身是否成功的衡量標準。
從明智2.0系統現有的應用和可期的未來行業應用來看，不論是公安大腦、數字城市大腦、工業安全大腦、金融風控大腦，在“垂直行業化+人機交互重大變革”的模式下，行業人工智能的落地效果顯著，推動了人工智能技術和服務從個體賦能到全局智能的產業轉型升級。
實際上，探索人工智能的落地應用產業升級大幕現在剛剛拉開。
在B端特別是傳統行業尤其面臨著一些困難，包括企業、政府對于人工智能的理解和顧慮，數據采集、儲存的缺失、分散和復雜，AI+行業的應用成本高昂、技術人才團隊的不足等。
更重要的，在人工智能技術自身發展層面，也還未達到成熟，眾多課題還需要攻克。
但不論怎么說，人工智能與行業深度融合是一個不可逆的趨勢，人工智能對人類、人機關系的影響也會日益加深，整個世界會在人工智能的催化下聯系更為緊密。
在這樣的大背景下，探索更為高效的智能化實現路徑，意義重大。
京公網安備 11010502049343號