多位专家连线，共同探讨认知智能发展下一站 | 爱分析活动

5月14日晚，2020爱分析·产业数字化峰会第一期【认知智能专场】已成功举办，活动自上线以来受到了众多业内同仁的关注与认可，也吸引了大量观众踊跃报名并参与讨论。
本期活动邀请到了认知智能领域的三位专家博士从深度迁移学习、NLP、知识图谱等角度切入，拆解认知智能的行业现状及应用案例，探讨企业如何应用认知智能技术实现全面数字化转型，探讨了认知智能发展的机遇与挑战。
作为本场主持人的爱分析合伙人兼首席分析师李喆，首先介绍了几位嘉宾，然后就《爱分析·中国认知智能行业报告》进行了解读。
爱分析认为人工智能行业发展分为感知智能、认知智能、行动智能三个层面，从数据处理流程和应用环节来看，认知智能可以分为连接、分析和决策三大环节。目前，随着感知智能的大规模应用落地，人工智能行业已经进入认知智能时代。
认知智能时代主要体现在两个方面，一是人工智能行业的基础设施——数据标准化，已趋于成熟；二是行业实际需求的牵引，行业亟需机器基于行业Know-how、业务经验沉淀提供决策支持类应用。从行业应用角度来看，在感知智能解决数据采集和识别问题的基础上，各行各业的业务部门开始对认知智能带来的低运营成本，以及知识图谱驱动的业务决策有了越来越明确的诉求。
爱分析预测，2022年，认知智能相关的解决方案占比将达到5-7%，届时认知智能市场规模约为850-1200亿人民币。基于爱分析对各个行业技术渗透情况的了解和判断，以及认知智能市场集中度情况，爱分析认为认知智能未来渗透的核心行业包含智慧城市、自动驾驶、零售、公安、金融、工业、医疗和教育。其中，智慧城市和自动驾驶领域认知智能潜在市场规模较大，零售、公安和金融次之，工业、医疗和教育渗透空间最小。
未来，认知智能的落地应用还将面临诸多挑战。认知智能业务架构可分为数据中台、AI中台、业务中台以及行业场景应用四层，其中数据中台层的海量数据治理、以及AI中台层基于行业知识图谱的关联关系挖掘，是认知智能落地应用的主要挑战。
李喆表示，在以数据为核心资产的认知智能时代，5G、边缘计算等技术将和认知智能相互融合，将形成从终端、边缘到中央云的一体化数据处理流程和解决方案。而人机协同在诸多复杂、高难度行业中的落地应用，可以看作是人类与机器和谐共处的开端，人机协同也将是认知智能发展的下一站。
百分点首席算法科学家苏海波博士与我们分享了深度迁移学习在NLP中的应用与实践。苏海波博士首先明确迁移学习是指利用数据、任务或模型之间的相似性，将在旧领域学习过的模型，应用于新领域的一种学习过程。而我们之所以需要迁移学习，主要是因为有四个问题需要解决：第一，深度学习与少标注之间的矛盾；第二，强算力与弱资源之间的矛盾；第三，通用模型与个性化需求之间的矛盾；第四，特定应用的需求。迁移学习方法可以分为四类，包括基于样本的迁移学习方法、基于特征的迁移学习方法、基于模型的迁移学习方法和基于关系的迁移学习方法，我们所说的深度迁移是指将基于模型的迁移学习在深度神经网络中的应用。
随着 Google BERT的出现，这种预训练模型的方法开始应用在NLP领域，对NLP领域是一次革命性的影响。苏博士通过介绍百分点丰富的应用实践案例，展现了百分点在各种NLP任务中广泛使用BERT技术并进行持续的优化和改进，包括采用 Google TPU 解决算力的瓶颈、采用 BERT 和上层神经网络进行联合参数调优，以及采用 BERT 的各种扩展模型和数据增强进行效果提升等方面的探索和实践。
最后，苏博士认为，深度迁移学习是NLP领域的历史突破，也是NLP未来的技术主流，TPU、数据增强、BERT模型的改进、上层网络设计等技术的引入及迭代更新会进一步提升深度迁移学习方法的效率和效果。当NLP模型的效果实现突破后，在各个行业会产生越来越多的认知智能应用。因此，未来十年将是认知智能发展的黄金十年。
竹间科技知识工程实验室的马永宁博士主要与大家分享了人机交互中NLP与知识图谱。马博士介绍到，竹间智能创办的初衷是希望打造能读懂、看懂、听懂、有记忆、自学习，真正理解人类语言与文字的情感人工智能，不仅要让人读懂AI，更让AI也理解人。竹间智能主要从自然语言处理、知识工程、深度学习&AutoML、文本数据中台、视觉计算、语音辨识六大技术方向进行突破，目前已经在金融、互联网、教育、医疗、互联网等领域广泛应用，马博士以实际应用案例为出发点，介绍了竹间智能在人工智能领域的探索及感悟。
马博士谈到，NLP是人机交互的重要推进力量。在前人工智能时代，机器只能接受固定的命令而无法理解意图，更不能识别用户情绪。发展到人工智能时代，通过自然语言理解、情感理解与深度学习，机器进化成具有认知能力的知识图谱，未来人工智能将走向行动智能，而这个过程需要人机协同来完成。
马博士认为，数据不一定能产生正确的价值，以此次新冠病毒为例，未经处理的海量数据反而有可能会造成各种恐慌与信息不对成。而让数据实现其自身的价值则需要结构化的知识图谱，找出纷杂数据中的因果关系，才能在此基础上做出正确的判断及决策。而这种基于知识图谱实现人机协作的大数据分析。正确的知识构建，才能得到好的结果。
压轴出场的明略科学院知识工程实验室张杰博士分享了从数据到认知的实践与探索。明略科技集团通过对人类智能HI、机器智能AI和组织智能OI三位一体的集成，构建了新的人工智能理论HAO智能，打通感知、认知、行动系统，实现AI闭环落地。
张杰博士解释到近年来知识图谱受到如此重视，原因在于知识图谱是企业新一代的数据组织形式，是连接大数据与人工智能的技术纽带，更是合人工智能三种流派的技术载体。张博士通过美妆需求洞察中的舆情分析、千人千面的广告文案生成、零售行业的导购赋能三个极具代表性的成功案例，演示了从数据图谱到知识图谱最终应用的全过程。
张博士认为，知识图谱的构建有四项关键性技术，首先是句子级实体关系抽取，这种初级的技术看似简单，但当遇到像汉语这类相对复杂的语系，简单的抽取就也变得具有挑战；其次是篇章级图谱摘要；再次是知识表示；最后是包含关联分析、社会网络分析、递进推演、隐性关系推断、探索式BI、客服辅助的人机交互决策。
嘉宾分享后的讨论环节，主持人与三位嘉宾围绕“认知智能的机遇与挑战”表达了各自的观点与想法。
对于外界普遍认为的认知智能落地速度更慢、成熟的应用场景更少的看法，三位博士一致认为该说法过于绝对。苏海波博士认为，NLP等底层技术对于大众而言存在感较弱，所以才会给人一种落地应用慢的假象，相反，正如马永宁博士所说，自然语言虽然存在着更难理解等技术难题，但从发展路径来看，在所有AI技术中是落地应用最快的，只是本身相对“低调”。张杰博士则表示，任何一种技术都有发展的历史阶段规律，相较于感知智能，认知智能的定义并不是十分清晰，边界也比较模糊。
针对时下火热的企业及平台建设，马永宁博士认为构建企业及平台的可能性是有的，但这种可能性更有可能发生在结构灵活、体系完整并有一定经济基础的中型企业身上，相反，大型企业由于规模的庞大、业务的繁杂，即便构建企业级平台意愿强烈但也很难推动执行。张杰博士则认为企业选择某种形式进行技术落地，更大的是取决于智能在该行业的渗透情况，AI落地应用早渗透率高的行业相应的接受度就会更高，技术落地形式也就会更灵活。
随着精彩的讨论逐渐接近尾声，认知智能专场也落下帷幕。但2020爱分析·产业数字化峰会仍在继续，5月19日，云计算专场，依旧大咖云集，阿里云、京东云、中科曙光等专家将论道云计算，注定是一场思想的饕餮盛宴，干货满满，不容错过。
爱分析·产业数字化峰会正式上线，报名通道已开启，欢迎扫码报名！
注：点击左下角“阅读原文”，可浏览新版爱分析官网，了解更多信息。爱分析·报告
K12辅导
数理思维
房地产科技
BI商业智能
人工智能
智慧医院
数据智能
保险科技
第三方支付
爱分析·榜单
新龙榜100强
教育科技50强
医疗科技50强
金融科技50强
人工智能50强
保险科技30强
供应链科技50强
零售科技50强
房地产科技50强
联系我们