AI的下一个战场：认知智能的突围

AI开发者 · 公众号 · AI · 2020-01-26 17:47

正文

点击上方“蓝字”关注“AI开发者”

作者 | 蒋宝尚

“深度学习的钥匙丢在了黑暗角落。”张钹院士不止一次提出这个论点。

深度学习方法易受欺骗、易受攻击已经是研究者们达成的共识，追其根本原因，张钹归结为：大家只是在灯亮的方向对模型修修补补，没有向人类深入学习。

更为具体的是：没有在数据驱动的基础上引进知识，没有改变深度学习网络的模型与结构。

图片来自AI TIME 第十期

对人工智能发展的三个阶段进行剖析：1.计算智能；2.感知智能；3.认知智能。显然，2019年是在第二阶段渡过的，在2019年，我们进一步研究语音识别，计算机人脸的识别，以及想方设法让计算机加强语言文字处理能力。但是，对于第三阶段，让人工智能真正的进行理解，进行思考，进行推理还尚未触及到门槛。

“当前的人工智能很多的研究，并不在于理解，是一个非常表象的匹配。”清华大学黄民烈在AI Time 第十期学术论坛中提到，“当前的感知智能实际上是涉及机器的视觉、听觉和触觉感知的能力，主要是对深数据的处理，能做一些分类、检测，然后基于这些再做初步的决策，特点是数据驱动，是一种典型的弱人工智能的范畴。”

这也就是说深度学习技术的确是推动了感知智能技术的快速发展，但是仅仅依靠深度学习技术是远远不够的，深度学习是纯粹基于数据的方法，属于归纳的范畴，并不具有可解释性。从感知智能走向认知智能，仅仅依靠深度学习是远远不够的，还需要有更多突破。

所以，从感知智能走向认知智能必须把相关研究放在认知层面，即将研究方向聚焦于人的语言、认知和逻辑相关方面，打造具有归纳的能力，有推理的能力，有知识运用的能力的强人工智能。

认知智能的获取，AI研究的瓶颈

感知智能和认知智能是人类的两个不同的性质，无法对这两个行为进行孰高孰低的评价。张钹院士认为人类的智能实际上是三个内容，分别是感知智能、理性行为、人类的一些行为动作，这三个内容加起来才是认知智能。

在感知方面，最大的问题是无法从感性的认识提高到理性，也就是说目前深度学习几乎达不到从感性上升到理性。

然而推理在攻克人工智能项目难题时非常重要，例如交互视觉的相关研究中，如果场景中有镜子，呈现的场景是虚像，当前的深度学习算法无法有效处理，这时候便需要推理。在医学影像中，如果如果两根血管离的非常近，深度学习很容易把两个并在一起，准确区分则需要进行推理。

让机器获得推理能力，就要让机器做一个“人类”，模仿人脑思考的方式，建立新的神经网络结构，赋予其足够的表达力。

正如阿里巴巴的杨红霞在AI Time第10期中谈到：“小朋友观看一次狗的图片，就能认识到狗这个物种，但是机器需要训练成千上万张图片才不会犯错误；对于一只狗眼睛，人可能下意识的感知到这是一只狗的眼睛，机器可能会因为信息不充分判断失败”。

所以，用少量的信息得到最好的效果，也是机器获得认识智能的一个表现。

将数据和知识结合获得认知是学界达成共识的一个方法，但是知识获很困难，将数据和知识结合更加困难。

让AI获得知识的知识库在业界称为“知识图谱”，它不仅要关注知识点还要关注知识点间的关联。这些关联将赋予AI联想力。提到水，它要反映到密度、透明等多个性质联系起来，更高级的是计算出用多大力道去取水。

知识图谱的建立非常困难，人类海量的知识如何翻译成机器的语言，并与之建立联系，很成问题。尤其是之前这项工作一直是人工完成的，例如谷歌词库、百度百科、维基百科等都可以转换为知识图谱，但工作量大、内容异常庞杂。

AI的下一个战场：认知智能的突围

正文

认知智能的获取，AI研究的瓶颈

请到「今天看啥」查看全文