文末留言赠书知识图谱与认知智能( 二 ) _认知

（4）认知智能是产业实现突破的核心手段。人工智能产业的发展，迫切需要探索超出存储计算、感知识别价值的商业模式，来撑起更大的人工智能市场。在政府、企业等组织的数据智能化变革中，基于人、物、企业物理连接的协同、共享和博弈是核心业务需求。协同的基础是认知意图、数据、知识之间的逻辑关系和业务意义，以此辅助分析和辅助决策。人工智能的新一代的需求趋势是利用知识、数据、算法和算力，将符号学知识驱动的人工智能和数据驱动的人工智能结合起来，形成更强大的认知决策智能，提升人、物和企业的信息博弈能力。

文章插图
如何从计算、感知提升到认知呢？业内比较推荐的是 DIKWI 模型，即Data（数据）、（信息）、（知识）、（智慧）和（冲击），如下图所示。
分散的数据经过计算和挖掘，通过分类处理形成信息。信息通过连接形成知识，基于知识的推理形成智慧，智慧通过提升认知带来影响。对DIKWI 模型要素的详细解释如下。
Data：指对世界进行记录的符号化的最原始的素材，通常以数字、文本、图像和图拓扑等形式呈现。数据在未被加工、解释前，是不能解决特定问题的。典型的数据有用户点击日志数据、电网电压数据、工厂设备生产日志数据、车辆运行轨迹数据和企业财务报销数据等。
：指被处理、识别后，具有逻辑表达能力的数据，比如通过图像感知智能技术进行人脸识别、车辆识别可获得人名、车牌信息等。
：指信息经抽取、提炼之后形成的实体的状态与关联数据。知识一方面对实体的个体状态具有描述能力，能辅助知识的应用方进行认知与判断；另一方面对实体间的逻辑关联、状态关联具有描述能力，能作为推理的条件、规则、约束、凭据，辅助知识的应用方进行推理与决策。
：指人类等智慧物种表现出来的对物理世界的状态认知、知识补全、条件推理、策略筛选等认知与决策能力。
：指智慧个体的认知、决策与行动给环境带来的影响，会影响个体对环境的认知及环境对个体的认知。
认知智能
从应用实践的角度，认知智能研究的目标是基于知识图谱，提升业务中人、机器和企业组织的认知与决策能力。在整体框架上，认知智能需要在业务知识图谱上通过构建规则、统计推理或图推理的方式构建知识推理引擎。知识推理引擎需要深度挖掘知识图谱网络的隐藏信息，并找到人类专家难以发现的潜在关系、规则和解决方法，通过与业务系统集成来提高人类专家的决策分析能力。
认知智能包含了人类对信息获取、存储、转化、运用的全过程。从心理学的角度，人类个体在进行认知心理活动时，会对信息进行知觉、注意、回忆、思考、分类、推理和决策等认知过程。
人类的认知过程如图 1-6 所示，包括信息输入、注意、信息接收、信息处理、计划执行和信息输出 6 个阶段，在每个阶段中，又有多个子阶段。
那么在产业实践中，对认知智能又该如何定义呢？
如下图所示，在产业实践中，用户认知智能、设备认知智能和企业认知智能是核心业务场景。企业希望通过人工智能技术，提升用户、设备、企业对业务状态的认知与决策能力。
从产业实践的角度，认知智能应是在计算智能、感知智能的基础之上，完成对业务状态的全面认知、知识推理、策略生成、策略筛选并输出可执行策略。比如，在用户营销服务场景中，认知智能可提升社群营销中导购的营销话术、商品推荐能力；在设备生产场景中，认知智能通过状态分析、控制策略推荐可提升业务人员及机器人的调度控制能力；在企业调度、企业组织管理场景中，认知智能通过数据可视化展现、知识辅助解读、任务自动下发等可提升企业管理者与业务员的认知决策能力。

文末留言赠书 知识图谱与认知智能( 二 )

文末留言赠书知识图谱与认知智能( 二 )