認知AI還未實現，我們仍然正在路上

2020 年是一個不平凡的年份。儘管全球遭遇新冠疫情，但是人工智慧技術發展和學術研究依舊穩步向前、技術與產業融合也進一步擴大和深入。最新資料顯示，2020 年全球人工智慧產業規模達 1565 億美元，增長率 12%，中國人工智慧產業規模大約 3100 億元人民幣，同比增長 15%。

11 月 13 日，國家工業資訊保安發展研究中心、工信部電子智慧財產權中心共同釋出了《2020 人工智慧中國專利技術分析報告》。報告顯示，截止 2020 年 10 月，中國人工智慧專利申請仍共計達到 69.4 萬件，同比增長 56.3 %。新冠疫情加速和促進了 AI 與實際應用的結合、落地以及商業化，特別是在醫療、城市治理、工業、非接觸服務、自動駕駛等領域的快速響應。

疫情加速 AI 技術落地

疫情初期，其傳播速度是十分驚人的，近距離飛沫傳播、接觸傳播、氣溶膠傳播嚴重影響了人們日常生活，在出行和採買都受限的情況下，傳統線下零售和運輸行業壓力倍增。面對這些人類無法解決的難題，人工智慧、大資料、5G、無人機鏈等技術在抗擊新冠肺炎疫情中發揮了不可替代的作用，也讓各地政府和企業界看到了人工智慧技術的實用性和優越性。

2 月 4 日，工信部向人工智慧相關學（協）會、聯盟、企事業單位發出倡議，各主體應充分發揮人工智慧賦能效用，協力抗擊新型冠狀病毒感染的肺炎疫情。層出不窮的無接觸體溫檢測、無人配送機器人、無人機消毒、人臉識別、軌跡追蹤、社交距離監控等技術大顯身手，這些原本無人問津的人工智慧產品和技術，在這場疫情中擔起了“主角”，各企業也紛紛加大了對 AI 技術的研發投入，據《2020 人工智慧中國專利技術分析報告》中的資料顯示，截至 2020 年 10 月，我國創新主體在疫情防控相關人工智慧技術方面申請專利達 3036 件，分佈於疫情監測、防控救治、資源調配等領域。

在疫情監測方面，圍繞自動測溫系統，截至2020年10月底，百度、清華大學等企業和科研院所共申請專利244件，獲得授權41件。在交通大資料技術領域，百度、國家電網等企業共提出198件專利申請，推出疫情地圖、疫情跟蹤、同乘查詢等資訊服務系統，有效保障了人群出行及疫情源頭的追蹤溯源。

在防控救治方面，科大訊飛、百度等企業在智慧語音領域共申請專利301件。以智慧問診平臺、新冠肺炎檢測、智慧監測為代表的人工智慧技術在疫情醫療救治申請470件專利。

疫情期間自動駕駛技術得到了良好應用，如百度Apollo於2月10日宣佈對服務疫情的企業免費開放低速微型車套件及自動駕駛雲服務，幫助合作伙伴快速開發出消毒車、配送車，馳援疫情防控前線，機器人技術為疫情防控提供了強有力的後勤保障服務，華為、中興、騰訊等企業申請智慧機器人專利207件。智慧機器人技術的應用，極大降低了疫情傳播風險。

AI 技術不像汽車、製造業等實體可以獨立存在，它要和某個行業或某些產品做結合。疫情爆發之前 AI 都是在積極主動地區擁抱傳統行業，比如 AI+ 金融、AI+ 醫療、AI+ 教育等，而在疫情爆發後，有更多的傳統行業主動地去尋求 AI 解決方案，希望透過先進的 AI 技術來彌人工能力的短板。

也正是因為此次疫情，才讓人們發現自身其實很弱小，有很多缺點可以在機器人上得到補助。同時這些 AI 技術在人們的高期待之下，也交出了一份令人滿意的答卷，獲得了難得的使用者信任。這份信任就是 AI 產品和技術更加普及的基礎。

認知 AI 還未實現，我們仍舊在路上

如今，隨著相關理論和技術的不斷革新，AI 在資料、算力和演算法“三要素”的支撐下越來越多地走進我們的日常生活。

但是，這一系列驚喜的背後，卻是大多數 AI 在語言理解、視覺場景理解、決策分析等方面的舉步維艱：這些技術依然主要集中在感知層面，即用 AI 模擬人類的聽覺、視覺等感知能力，卻無法解決推理、規劃、聯想、創作等複雜的認知智慧化任務。

當前的 AI 缺少資訊進入“大腦”後的加工、理解和思考等，做的只是相對簡單的比對和識別，僅僅停留在“感知”階段，而非“認知”，以感知智慧技術為主的 AI 還與人類智慧相差甚遠。

究其原因在於，AI 正面臨著制約其向前發展的瓶頸問題：大規模常識知識庫與基於認知的邏輯推理。而基於知識圖譜、認知推理、邏輯表達的認知圖譜，則被越來越多的國內外學者和產業領袖認為是“目前可以突破這一技術瓶頸的可行解決方案之一”。

清華大學計算機系教授、系副主任，智譜·AI 首席科學家唐傑教授表示，當前認知 AI 還沒有實現，我們急需做的是一些基礎性的東西（AI 的基礎設施），比如知識圖譜的構建、知識圖譜的一些認知邏輯，包括認知的基礎設施等。

從 1950 年開始建立人工智慧系統，到 1970 年開始深入的讓計算機去模仿人腦，再到 1990 年計算機學家意識到計算機是 “參考” 人腦而不是完全的 “模仿”。現在我們更是處於一個計算機的變革時代，我們應該用更多的計算機思維來做計算機的思考，而不是人的思考。 現在人們需要思考的是：如何以計算機的方式做認知？唐傑教授談到，可以結合兩種方法去實現。

第一個從大資料的角度上做資料驅動，把所有的資料進行建模，並且學習資料之間的關聯關係，學習資料的記憶模型；第二個是要用知識渠道，構建知識圖譜。

不過，只這兩個方面還是遠遠不夠的。唐傑教授指出：真正的通用人工智慧，我們希望它有持續學習的能力，能夠從已有的事實、從反饋中學習到新的東西，能夠完成一些更加複雜的任務。