“AI正从“感知智能”走向“认识智能””

本篇文章1337字，读完约3分钟

证明书、脸部、扫描，绿灯亮，通过。 当你经过这个高速铁路安全门的过程时，你可能会认为:机器认出了我。 实际情况并非如此。

目前的人工智能( ai )识别只是比对，缺乏新闻进入大脑后的加工、理解、思考的步骤。 因为这只是感知，不是认识。 6月18日，举行了纪念吴文俊诞辰100周年活动的识别智能领域应用大会，中国人民大学高甫人工智能学院执行院长文继荣表示:“让ai从事大脑一样的活动，进入识别阶段，需要掌握知识，进行推理。” 目前，ai从感知智能走向识别智能的实践在共同状态下比较困难，但在反洗钱、侦察等行业得到了应用。

ai大脑必须成长，建立知识库

现在的ai处于弱人工智能的状态，没有大脑，要形成大脑，最核心的就是需要知识。

微软亚洲研究院前研究员、北京一窥群智数据科技有限责任企业首席执行官胡健表示，如果现有的算法、模型是神经或大脑结构，知识就是大脑运行的动力。

让ai获得知识的知识库在业界被称为知识图谱，不仅要关注知识点之间的关联，也必须关注知识点之间的关联。 这些关联会赋予ai联想力。 说到水，反映了密度、透明性等多个性质，也与浇水、饮用的功能相关，更高级的是计算用多大的力取水。 胡健说。

知识图谱的确立非常困难，人类庞大的知识如何被翻译成机器语言，与之联系，成为问题。 特别是到目前为止，这项事业是人工完成的。 例如谷歌词典、百度百科、维基百科等可以转换为知识图像，但业务量大，复制非常繁琐。

关联密度不足是难以实现应用的另一个瓶颈。 胡健解释说，一个知识点最多出现在几个关系上，也许能处理比尔盖茨父亲邻居母亲这个一维问题，但离反映现实世界蝴蝶效果的相互影响还很远。

在关联密度不足的情况下，ai的大脑即使拥有数千个词条语体量的共同知识图像也很难达到应用的水平。

领域知识图谱可以达到认识水平

知识点的相关密度就像ai大脑皮质一样，越多杂密ai越聪明。

聚焦于领域，ai可以比较聪明。 胡健说，一点领域本身有自己的基础相关图，这有助于图像的制作。 例如公安系统有包括人、地、事、物、组织、机构及相关的一系列系统，加入出入境数据、第三方物流数据等后，可以固定在知识地图上。

中国公安大学公共安全行为科学实验室主任丁宁表示，在研究入室盗窃、公交车扒窃等一点行为规律时，知识图谱中除了历史数据的快速发展状况、风险感知外，还存在环境、天气等数据，pm2.5的值影响着公交车扒窃

我们也提出了虚实互联网结合的方向，掌握了实际的社会交流网，与资金流、社会交流流建立了联系之后，我们对集体的描绘就比较准确了。 丁宁说，这将大幅提高ai通过拆解辅助决策的能力。

越密集越准确，ai知识图谱的关系图就像福尔摩斯一样被综合分解，为了形成凝聚大量新闻的知识图谱，挑战了以前流传下来的人工知识图谱的效率化。 为此，我们开发了一种人工智能处理方法，从大量多源异构数据中自动提取知识构建关系，理解含义，与商业场景比较有效地结合，从而更标准化、高效、提高相关密度。 胡健说。

在此基础上，我们研究了跨境资金互联网可疑交易的ai模型。 中信银行反洗钱专家沈可生表示，掌握智能后，每年的可疑交易警报量从50万份减少到10万份，使人工识别的从事量减少80%，结果精度提高80%。 记者张佳星