下一個十年：資料信仰與認知智慧

下一個十年：資料信仰與認知智慧

 

https://blog.csdn.net/weixin_42137700/article/details/84523196

 

 

下一個十年，哪些技術將帶來革命性的改變？

 

在一個新技術層出不窮的時代，對於這個問題，恐怕大部分企業與組織都在積極思考。

 

百分點技術 副總裁兼首席架構師劉譯璟博士認為， 在產業數字化逐步深入的趨勢下，以自然語言處理（NLP）、知識圖譜為代表的認知智慧技術將會以場景為切入點，透過以點帶面、從區域性到整體、層層推進的方式實現突破，從而為數字世界的互動與決策帶來顛覆性改變。

 

為什麼認知智慧技術得到業界如此重視呢？這一切還得從資料開始說起……

 

// 資料信仰正在加速形成 //

 

尤瓦爾赫拉利曾在《未來簡史》中預言： 資料將成為人們未來的信仰。

 

現實情況中，企業與組織對於資料及其價值的認可度也在迅速提升。 業界普遍認為，資料正在成為一種新型的生產資料，是未來企業/組織業務運轉中不可或缺的要素。 一位製造業企業CIO在向筆者談到資料驅動業務時表示：“隨著研發、製造、倉儲、物流、服務等業務環節的資料全方位打通，為大資料、物聯網、人工智慧等技術的應用奠定了重要基礎，智慧製造已經不再是空想，未來將是資料進驅動業務。”

 

事實上，類似這樣的企業不佔少數。產業數字化和企業數字化轉型的大浪潮下，基於資料的能力正在加速顯現，並且得到越來越多使用者的認可。就如IDG《2018中國企業數字化發展報告》中提到，企業在數字化轉型過程中將逐步形成變革能力、敏捷能力、利用生態的能力、數字化產品與服務、資料資產化能力、經驗資料化能力，這一切的基礎就是資料。

 

劉譯璟博士直言， 用資料的角度去看待業務和現實，在觀念上是一個巨大的轉變，隨著數字化程度越來越高，一個與物理世界相對於的數字世界在加速形成，並且物理世界與數字世界之間的互動會愈發頻繁。因此，感知智慧、認知智慧等人工智慧技術將會有巨大的用武之地，使用者對於資料的信仰也將會加速形成。

 

// 從感知到認知：靠深度學習不夠 //

 

眾所周知，得益於算力大幅提升、資料愈發豐富以及以深度學習為代表的演算法突破，以影像識別、語音識別為代表的感知智慧技術近年來取得了突飛猛進的進步，並且在金融、零售、教育、安防、智慧城市等多行業與領域得到了應用。

 

不過，這還遠遠不夠。

 

從技術發展的角度來看，從感知智慧向認知智慧是必然趨勢，因為無論是影像中事物關係，還是語言中語義，都需要進行識別、理解，這恰恰正是認知智慧技術正在努力解決的事情；從現實的角度來看，認知智慧技術可以從海量資料中不斷挖掘、提煉和匯聚知識，人們渴望有更深層次的認知，從而更好地瞭解客觀世界。

 

在劉譯璟看來，感知智慧技術很快會在實際業務中遇到瓶頸，比如在語音識別中，如果只做文字層面的轉換，而不能從認知層面去理解文字/文字的含義，那麼對於使用者的價值其實並不高；未來一定需要從認知層面去理解視覺中動作的含義、文字中語義與含義，從而瞭解業務變化併為決策提供支撐。“從資料到資訊，再到知識，認知智慧技術將發揮至關重要的作用。”

 

對於深度學習，劉譯璟博士認為 ，深度學習技術的確是推動了感知智慧技術的快速發展，但是僅僅依靠深度學習技術是遠遠不夠的，深度學習是純粹基於資料的方法，屬於歸納的範疇，並不具有可解釋性，在一定階段後具有明顯的瓶頸，從感知智慧走向認知智慧，僅僅依靠深度學習是遠遠不夠的，還需要有更多突破。

 

// 認知智慧：到底應該如何突破？ //

 

某種程度而言，認知智慧技術的發展並沒有像感知智慧那樣快速，依然有著眾多挑戰等待突破。

 

雖然近年來很多大公司在努力推動包括雲端計算、大資料、人工智慧技術的發展，構建出系列技術平臺，希望遮蔽掉底層技術的複雜性，推動包括認知智慧技術在內的應用發展，但在實際業務場景中應用並未取得令人滿意。

 

 

劉譯璟直言，人工智慧的變革需要場景應用來驅動。 正所謂是，獨立存在不是技術追求的目標，依託場景應用才是技術存在的真實意義。劉譯璟認為，以知識圖譜、自然語言處理為代表認知智慧技術的確還有很多需要突破的地方，長期在行業場景實踐中實現突破是最佳的方式。

 

對於任何一項新技術都不能在一開始就抱有不切實際的幻想。“不能過分誇大人工智慧技術現階段的能力，以自動駕駛位列，L5級別的自動駕駛現階段的確是非常難實現，因為它要求機器在任何時候都比人做的好。 但是我們可以先從一些特定場景中實現突破，繼而逐步實現更多場景的應用。像自動駕駛在目前城市計程車、園區接駁車這些場景中就已經得到實現和突破。 ”劉譯璟補充道。

 

“未來3-5年，認知智慧一定會取得更多突破。”劉譯璟表示，人工智慧進入到中期之後，將會更多的下沉到各個行業之中，將會更多更加具體的業務場景，意味著專業化程度會更高，可用的資料也將更少，專家和方法的重要性會大幅提高。“ 像知識工程、語義分析這些認知智慧層面的技術將再次興起。 ”

 

在眾多認知智慧技術中，自然語言處理被認為是人工智慧皇冠上的明珠，而知識圖譜則被認為人工智慧的基石 ，那麼對於這兩項重要的認知智慧技術，未來又會有哪些具體挑戰？

 

// 如何讓 自然語言處理 綻放光芒？ //

 

物理世界與數字世界之間的互動與交流，自然語言處理技術是必不可少。

 

筆者認為自然語言處理一定會在未來得到更多發展和應用。某種程度而言，自然語言處理正在重新定義人與機器，物理世界與數字世界之間的互動方式，過去依靠螢幕、鍵盤的互動方式，會越來越多被語音、動作所取代，這時就需要自然語言處理來理解、判斷和推理。

 

事實上， 自然語言處理技術已經在不同行業的多項業務中得到了初步的使用，比如智慧客服、智慧翻譯、智慧機器人等。 但是，從目前來看，大部分的應用的效果其實沒有符合大眾的期望值。業界也普遍認為，自然語言處理依然存在著很大的挑戰。

百分點首席演算法科學家蘇海波博士認為， 自然語言處理技術的突破的確是目前業界的巨大挑戰。在他看來，挑戰主要包括：帶標識資料嚴重不足、文字遷移、文字推理、多模態融合的文字理解等等。“現階段，沒有通用的自然語言處理技術。自然語言處理四個層面主要為：形式、語義、推理和語用，現階段自然語言處理在從語義到推理的階段發展。”

 

蘇海波博士介紹：“在語料足夠豐富的場景下，比如智慧問答、智慧客服等，深度學習藉助足夠的場景標註語料，自然語言處理是可以達到不錯的效果。但是百分點在大量實際客戶場景中發現，使用者面臨最實際的問題就是如何在標註樣本比較少的情況下，也能運用好深度學習技術，實現更佳的效果。”

 

根據蘇海波介紹， 業界目前的趨勢是融合，希望利用融合來實現自然語言處理技術的突破，比如Google提出的BERT預訓練語言模型，先去預先訓練和學習很多知識，然後融入到語言模型中，再結合使用者的具體場景，達到預想效果。“ 這種方式雖然標註樣本較少，但是同樣可以達到非常好的效果。”

蘇海波博士介紹，百分點目前也積極在一些客戶的場景中採用這種思路去提升NLP效果，並且取得了非常不錯的效果。“預訓練語言模型類似遷移學習的思想，把之前的學習遷移到不同的場景中，這將在本質上突破NLP。”

 

“自然語言處理的突破指日可待，未來它的黃金時代即將到來。”蘇海波博士表示。

 

// 知識圖譜：認知智慧的基石 //

 

如果說人工智慧面臨兩大難題，一是人機互動，那另外一個就是行業知識、專家資源的匱乏。

 

這也是知識圖譜的價值所在。 所謂知識圖譜，就是透過知識的關聯性形成一個網狀的知識結構，形成知識圖譜的過程本質是在建立認知，理解世界、應用或業務。機器透過知識圖譜可以更智慧地從客觀世界中獲得知識，從而更加智慧。

尤其是人工智慧技術越往行業中下沉，越會面臨著專業資料、知識匱乏的難題，缺乏相關訓練的資料來源。劉譯璟博士直言， 傳統機器學習都是歸納的方法。如果在一個新的領域，缺乏足夠的資料將會面臨冷啟動的問題，這時候就必須需要人的經驗和知識，將對業務的理解和認知告訴機器，這種對話就是知識圖譜， 當機器形成一定規模之後，就可以實現知識的共享。

 

“沒有人工，就沒有智慧。”目前，通用性知識圖譜已經逐漸構建成熟，而行業知識圖譜則剛剛興起。 如何構建一套適合這個行業比較有使用價值的知識圖譜，則必須藉助業務專家。劉譯璟表示：“在一個具體行業中，不可能像通用知識圖譜那樣去實現，必須藉助業務專家，有了本體之後去對接資料和應用。”

 

去年，百分點提出了動態知識圖譜的概念。劉譯璟強調，動態知識圖譜核心價值在於動態，即人對於業務的理解不是一層不變的，這種理解隨時隨刻都可能發生改變，動態知識圖譜就是可以快速反應出人的這種認知變化。

 

// 下一個十年：從這場釋出會開始！ //

 

作為國內企業級大資料+人工智慧技術與應用服務商，百分點一直走在人工智慧應用的最前沿，多年以來專注於大資料作業系統、智慧認知產品以及智慧決策應用場景的落地，並致力於大資料、人工智慧技術在行業中的落地與應用，在大資料、認知智慧技術積累了豐富的實踐經驗。

 

 

 

11 月29日，百分點將釋出基於大資料+認知智慧技術的最新產品、成立認知智慧實驗室。此次新品的釋出，這將會是百分點在大資料+人工智慧領域的又一次沉澱。

 

對於認知智慧，一直走在實踐最前沿的百分點會給我們帶來什麼驚喜，敬請期待！