AI正从“感知智能”走向“认知智能”

文件，面孔，扫描对比，绿灯亮，通过，当通过高铁安全门的这个过程，你可能会想:机器认识我。事实上，它不是。

“目前的人工智能识别只是一个比较。信息进入大脑后，它缺少“处理、理解和思考”的步骤，所以它只停留在“感知”阶段，而不是“认知”阶段。”6月18日，“认知智能产业应用大会”举行，纪念吴文俊诞辰100周年。中国人民大学人工智能研究所执行主任温·吉荣说，为了让人工智能拥有类似大脑的活动并达到认知阶段，它需要掌握知识和推理。人工智能从“感知智能”走向“认知智能”的实践目前还难以普遍应用，但在反洗钱、侦察等领域得到了应用。

人工智能“大脑”首先成长为知识库

“人工智能现在处于人工智能薄弱的状态。它没有大脑。要形成大脑，最重要的是要有“知识”。"

微软亚洲研究院(Microsoft Asia research institute)前研究员、北京快视集团智能数据技术有限公司(Beijing skip group intelligence data technology ltd .)首席执行官胡建表示，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作的驱动力。

允许人工智能获取知识的知识库在业界被称为“知识地图”。不仅要注意知识点，还要注意知识点之间的相关性。这些关联将赋予人工智能联想能力。“谈到水，它必须反映许多特性，如密度和透明度。它还必须与浇水和饮水功能联系起来。更先进的方法是计算取水需要多大的力气。”胡建说。

知识地图的建立是非常困难的，如何将大量的人类知识翻译成机器语言并与之建立联系是非常困难的。尤其是之前的工作都是手工完成的，比如谷歌辞典、百度百科、*等都可以转换成知识地图，但是工作量大，内容极其复杂。

"相关密度不足是另一个难以达到的“瓶颈”. "胡建解释说，一个知识点最多可能出现在几个关系中，可以解决比尔·盖茨父亲的邻居的母亲的一维问题，但它还远远没有反映现实世界中“蝴蝶效应”的相互作用。

在相关密度不足的情况下，人工智能的“大脑”即使有一个数千万条目的通用知识地图，也很难达到应用水平。

行业知识地图达到“认知水平”

知识点的相关密度更像人工智能大脑皮层，人工智能越复杂、越密集，就越“聪明”。

"专注于行业，人工智能可能会相对聪明."胡建说，一些行业有自己的基本相关地图，这有助于他们绘制地图。例如，公共安全系统有一套系统，包括人、地方、事物、事物、组织、机构和协会。加入出入境数据和第三方物流数据后，可以将其固定到知识地图中。

中国人民*大学公共安全行为科学实验室主任丁宁表示，在对入室盗窃和公共汽车扒窃等行为规律进行研究时，除了介绍历史数据的发展趋势和风险认知外，环境和天气数据(包括PM2.5值)也逐渐被添加到知识地图中。结果表明，PM2.5对公交车扒窃行为有影响。

“我们还提出了虚拟网络和真实网络相结合的方向。在掌握了实际的社交网络并与资本流动和社交网络进行沟通之后，我们对帮派的描述将会更加准确。”丁宁说，这将大大提高人工智能通过分析来辅助决策的能力。

人工智能知识地图越密集、越精确，分析就越全面，就像“霍尔姆斯”，聚集大量信息的知识地图就会形成，这就挑战了传统人工知识地图构建的效率。“因此，我们开发了一个人工智能解决方案，可以自动从大量多源异构数据中提取知识，以建立关系、理解语义，并有效地与业务场景相结合。它更加标准化、高效，并且具有更高的相关密度。”胡建说。

“在此基础上，我们开发了一套针对跨境资本网络中可疑交易的人工智能模型。”中信银行反洗钱专家沈克生表示，在学习了“认知智能”之后，可疑交易预警的数量从每年50万个下降到10万个，人工筛选的工作量减少了80%，结果的准确性提高了80%。记者张家星