石菲

人類的智慧是如何產(chǎn)生的？人類通過感知得到各種各樣的信息，經(jīng)過認(rèn)知使信息和數(shù)據(jù)成為知識(shí)，并教授給其他人，這個(gè)過程就是智慧的產(chǎn)生過程。

近年來，隨著技術(shù)的飛速發(fā)展，人工智能的應(yīng)用越來越普及。但這一現(xiàn)象很大程度上是由于互聯(lián)網(wǎng)產(chǎn)生的海量數(shù)據(jù)以及大規(guī)模運(yùn)算能力的提升，在從感知智能通往認(rèn)知智能的道路上，依然存在重重障礙。

隨著人工智能逐步從消費(fèi)互聯(lián)網(wǎng)進(jìn)入產(chǎn)業(yè)互聯(lián)網(wǎng)，人們發(fā)現(xiàn)傳統(tǒng)行業(yè)與互聯(lián)網(wǎng)行業(yè)相比，數(shù)據(jù)量少基礎(chǔ)差，需求復(fù)雜，人工智能在傳統(tǒng)行業(yè)的深度應(yīng)用迫切需要一種新的方法。

比如快消行業(yè)，新品發(fā)布后企業(yè)迫切想得知消費(fèi)者的反饋。但這數(shù)據(jù)從何而來？即便在微博、小紅書、抖音等平臺(tái)上發(fā)現(xiàn)用戶對(duì)新品的評(píng)價(jià)，如何將視頻與文本中的觀點(diǎn)評(píng)價(jià)提煉出來，形成對(duì)企業(yè)有價(jià)值的反饋？

作為深耕數(shù)據(jù)智能領(lǐng)域多年的企業(yè)，北京百分點(diǎn)科技集團(tuán)有限公司始終堅(jiān)持在感知、認(rèn)知、決策、行動(dòng)的人工智能應(yīng)用閉環(huán)中不斷探索，在此過程中，百分點(diǎn)科技找到了一種認(rèn)知智能在行業(yè)里落地、決策的新范式。

符號(hào)主義引導(dǎo)下的認(rèn)知智能行業(yè)落地新范式

百分點(diǎn)科技CTO劉譯璟說：“這個(gè)范式我自己稱之為符號(hào)主義引導(dǎo)下的多方法融合技術(shù)，它不是純粹采用深度學(xué)習(xí)，而是首先構(gòu)建出該領(lǐng)域業(yè)務(wù)的本體框架，然后再結(jié)合深度學(xué)習(xí)和樣例數(shù)據(jù)細(xì)化知識(shí)圖譜的本體和事實(shí)數(shù)據(jù)，并根據(jù)知識(shí)圖譜應(yīng)用中的反饋信息不斷調(diào)整和優(yōu)化。經(jīng)過在不同行業(yè)的試用，我們認(rèn)為這是一條傳統(tǒng)行業(yè)人工智能深度應(yīng)用落地的可行方法?！?/p>

劉譯璟補(bǔ)充說，這套框架是融合符號(hào)主義、連接主義和行為主義三種方法的，基于符號(hào)主義引導(dǎo)，圍繞應(yīng)用需求定義出行業(yè)知識(shí)框架；再融合連接主義和行為主義，在應(yīng)用中不斷豐富和完善行業(yè)知識(shí)。由于一開始就是以應(yīng)用為目的，可行性較高。

“該框架經(jīng)過在應(yīng)急領(lǐng)域的嘗試，被證明是適用的。我們有信心把它從一個(gè)行業(yè)再跨越到另外一個(gè)行業(yè)里面，產(chǎn)生價(jià)值。比如對(duì)應(yīng)急預(yù)案的定量判斷、提供數(shù)據(jù)支撐方面都取得了不錯(cuò)的效果。例如暴雨會(huì)導(dǎo)致滑坡，以前更多是靠經(jīng)驗(yàn)進(jìn)行判斷，到底導(dǎo)致滑坡的概率有多大？不同地形滑坡的概率是否不同？這些情況以前大多依靠人工判斷，沒有數(shù)據(jù)支撐。百分點(diǎn)基于歷史數(shù)據(jù)，把暴雨、滑坡、房屋倒塌等災(zāi)害及事件全部搜集出來，構(gòu)建了一個(gè)大數(shù)據(jù)庫，之后計(jì)算發(fā)生次生災(zāi)害的概率，這樣在制定預(yù)案的時(shí)候會(huì)有定量的數(shù)據(jù)進(jìn)行支撐?！彼f。

傳統(tǒng)行業(yè)領(lǐng)域受制于以前的感知能力不強(qiáng)，實(shí)際積累下來的數(shù)據(jù)比較少。因此需要先定義框架，才可以根據(jù)有限的數(shù)據(jù)進(jìn)行分析。

比如上面提到的快消行業(yè)，百分點(diǎn)科技首席算法科學(xué)家蘇海波舉例說，在新品發(fā)布后百分點(diǎn)科技可以先根據(jù)產(chǎn)品的品牌、型號(hào)、類型等維度，對(duì)在不同網(wǎng)絡(luò)平臺(tái)的帖子進(jìn)行海量結(jié)構(gòu)化的抽取、分析，就能夠知道消費(fèi)者對(duì)產(chǎn)品的反饋，甚至可以了解不同競(jìng)品之間具體數(shù)字上的差異。

用融合創(chuàng)新彌補(bǔ)數(shù)據(jù)量不足

數(shù)據(jù)量不足不僅僅是傳統(tǒng)行業(yè)面臨的難題，互聯(lián)網(wǎng)領(lǐng)域也同樣存在這個(gè)問題，此外，數(shù)據(jù)治理成本過高也是人工智能應(yīng)用難的一個(gè)重要原因。近日，由百分點(diǎn)科技和機(jī)器之心聯(lián)合舉辦的數(shù)據(jù)智能技術(shù)實(shí)踐論壇成功舉行。百度視覺技術(shù)部主任架構(gòu)師劉經(jīng)拓在論壇上表示，大規(guī)模有監(jiān)督數(shù)據(jù)的技術(shù)紅利逐漸減弱，AI新基建需要更低的研發(fā)與部署成本。因此，百度在技術(shù)和產(chǎn)業(yè)兩個(gè)維度上都進(jìn)行了融合創(chuàng)新，提出了計(jì)算機(jī)視覺領(lǐng)域從預(yù)訓(xùn)練、定制化到小型化，以及平臺(tái)化的一體化研發(fā)方案。具體來說，首先通過用超大規(guī)模非結(jié)構(gòu)性的數(shù)據(jù)做預(yù)訓(xùn)練，能夠在同樣少量數(shù)據(jù)的情況下取得更好的效果；定制化是指結(jié)合特定場(chǎng)景進(jìn)行自適應(yīng)遷移學(xué)習(xí)，根據(jù)場(chǎng)景數(shù)據(jù)進(jìn)行有監(jiān)督定制化調(diào)優(yōu)；小型化主要是基于模型剪枝、蒸餾、量化等技術(shù)，對(duì)模型進(jìn)行裁剪。

對(duì)此，百分點(diǎn)科技數(shù)據(jù)開發(fā)部負(fù)責(zé)人馬偉凱表示，數(shù)據(jù)治理中的技術(shù)挑戰(zhàn)除了數(shù)據(jù)孤島、數(shù)據(jù)質(zhì)量等問題，還存在多模態(tài)下如何解決數(shù)據(jù)不可用、不能用及不好用等挑戰(zhàn)。百分點(diǎn)科技沉淀了一套數(shù)據(jù)治理“PAI”實(shí)施方法論，即流程化（processoriented）、自動(dòng)化（automation）、智能化（intelligence）。通過引入機(jī)器學(xué)習(xí)算法、NLP等數(shù)據(jù)智能技術(shù)，可以更好地開展數(shù)據(jù)治理工作，建立全域數(shù)據(jù)標(biāo)準(zhǔn)、提升數(shù)據(jù)質(zhì)量、盤活數(shù)據(jù)資產(chǎn)，從而支撐數(shù)據(jù)融通，最終釋放數(shù)據(jù)價(jià)值指導(dǎo)業(yè)務(wù)創(chuàng)新。

知識(shí)圖譜解決認(rèn)知難題

從感知到認(rèn)知的跨越過程中，構(gòu)建大規(guī)模高質(zhì)量知識(shí)圖譜是一個(gè)重要環(huán)節(jié)。但目前知識(shí)圖譜的成本與效用問題突出，如何低成本地從文本及各種資源抽取出有效的知識(shí)是一個(gè)非常大的制約因素。對(duì)此，復(fù)旦大學(xué)肖仰華教授也深有感觸，他表示，作為大數(shù)據(jù)知識(shí)工程的典型代表，知識(shí)圖譜技術(shù)近年來取得了長(zhǎng)足進(jìn)步，并在一系列實(shí)際應(yīng)用中取得了顯著效果。但隨著應(yīng)用的深化，知識(shí)圖譜的落地過程單靠其所代表的知識(shí)智能本身這套技術(shù)體系和范式已經(jīng)難以解決很多問題：一是數(shù)據(jù)獲取和治理困難；二是在知識(shí)層面，小樣本、低資源情況下知識(shí)的表示和獲取代價(jià)仍然非常大；此外，獲取知識(shí)之后，在應(yīng)用、服務(wù)能力方面也存在很多挑戰(zhàn)。

因此，未來破題的關(guān)鍵在于要突破以知識(shí)圖譜為代表的知識(shí)智能的邊界，向認(rèn)知智能這樣的智能新形態(tài)發(fā)展。他認(rèn)為，認(rèn)知智能作為數(shù)據(jù)智能、知識(shí)智能融合創(chuàng)新產(chǎn)物，將是知識(shí)圖譜等知識(shí)工程技術(shù)發(fā)展的必然歸宿。

百分點(diǎn)科技首席算法科學(xué)家蘇海波則認(rèn)為，未來知識(shí)圖譜一定會(huì)深入到各行各業(yè)，只有掌握通用的人工智能技術(shù)，并將技術(shù)和業(yè)務(wù)需求對(duì)應(yīng)起來，才能真正發(fā)揮出知識(shí)圖譜的價(jià)值，解決行業(yè)問題。

此外，人才問題依然是困擾人工智能深度應(yīng)用的重要因素。劉譯 表示，影響人工智能應(yīng)用最重要的是人。人工智能應(yīng)用需要跨學(xué)科、跨領(lǐng)域，需要人工智能專家和業(yè)務(wù)人員一起努力，把現(xiàn)實(shí)的問題轉(zhuǎn)化成AI能理解的數(shù)學(xué)或者計(jì)算機(jī)語言，不斷迭代或優(yōu)化后才能落地。只有構(gòu)建好這樣的融合探索環(huán)境，之后才能孵化出合適的工具，擴(kuò)大人工智能應(yīng)用范圍。

我們已經(jīng)進(jìn)入到一個(gè)從數(shù)據(jù)到知識(shí)的“智變”時(shí)代，隨著人工智能與大數(shù)據(jù)的進(jìn)一步融合，從感知智能到認(rèn)知智能的通路搭建會(huì)越來越快，人工智能賦能各行各業(yè)的時(shí)代即將到來。