知识图谱与认知智能（文末留言赠书）

人工智能综合心理学、统计学、计算机科学等多领域的技术，对人类认知、决策的智能过程进行模拟、延伸和扩展，进而帮助人类创造更大的价值。

人工智能可分为计算智能、感知智能和认知智能，如下图所示。计算智能指对数据的基础逻辑计算和统计分析；感知智能指基于视觉、声学的信号，对目标进行模式识别与分类；认知智能指实现对信息的认知、理解、推理和决策，并实现人、物、企业等智慧实体的认知与协同。那么，三者的差异有哪些呢？接下来会进行讲解。

（1）计算智能，通常指基于清晰规则的数值运算，比如数值加减、微积分、矩阵分解等。计算智能得益于计算机存储与硬件的快速发展，已给互联网、金融和工业等多个领域带来产业价值。然而计算智能也面临显著困境。以金融场景为例，计算智能受限于指定的数据逻辑规则，虽然可以高性能地计算股票的统计特征，但无法运用专家知识，也难以进行深度、动态和启发式的推理，对投资、博弈等业务贡献的价值有限。计算智能所需的高性能硬件和网络支持等，也给企业带来了巨大的成本压力。

（2）感知智能，其核心在于模拟人的视觉、听觉和触觉等感知能力。感知智能目前用于完成人可以简单完成的重复度较高的工作，比如人脸识别、语音识别等。感知智能的核心业务目标是提高效率且降低成本。但是，感知智能在产业落地方面面临诸如成本高昂、智能能力有限、业务突破性价值局限等众多挑战：在成本方面，图像识别的机器成本、样本标注成本都非常高；在智能能力方面，感知智能主要集中在模式识别层面，重在提升视觉、语音等单一场景中的效率，不具备理解和推理能力；在业务突破性价值方面，人工智能在产业中落地时只有集合领域的专业知识，提升对业务场景的认知与决策能力，才能创造核心价值。比如，在发票自动识别、审批和审计，以及工业品质量检测等诸多场景中，需要对基于感知智能获取的图像信息进行审计和检测等知识推理；在与人类行为相关的用户营销、生产安全管理等场景中，企业不仅需要对用户的行为进行感知与识别，更需要对其动机和后果结合专业知识进行认知、理解、预测和判断，例如在生产安全管理场景中，企业可以通过监控设备感知来识别用户的行为，结合安全专业知识、企业业务安全规则，判断其是否违规。

（3）认知智能，则具有人类思维理解、知识共享、行动协同或博弈等核心特征。首先，认知智能需要具有对采集的信息进行处理、存储和转化的能力，在这一阶段需要运用计算智能、感知智能的数据清洗、图像识别能力。其次，认知智能需要拥有对业务需求的理解及对分散数据、知识的治理能力。最后，认知智能需要能够针对业务场景进行策略构建和决策，提升人与机器、人与人、人与业务的协同、共享和博弈等能力。

为什么需要建设认知智能能力呢？答案如下。

（1）当产业落地时，企业对人工智能有更高的预期。综合计算智能、感知智能的缺陷，人工智能在产业中落地时需要基于专业的领域知识和数据，开发具有意图理解、分析、推理和决策能力的认知智能应用，实现业务价值的突破。

（2）认知智能已有基础。产业互联网的发展带来了人与人、机器与机器、人与机器、人与组织、消费者与企业、企业与企业的深度连接。通过物联网、大数据及企业信息系统的基础建设，在产业互联网中存在丰富、分散的数据与知识。

（3）认知智能已在多场景中初步应用。在企业营销推荐、公安侦查、信贷风控等领域，不少企业已基于知识图谱、搜索、问答等技术，提升其在业务场景中引导用户认知及决策的能力。

（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。

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）、Information（信息）、Knowledge（知识）、Wisdom（智慧）和 Impact（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。

Information：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。

Knowledge：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。

Wisdom：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。

Impact：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。

认知智能与知识图谱的技术关联

知识图谱是认知智能状态获取与决策的基石，那么认知智能技术与知识图谱技术有哪些技术关联呢？知识图谱的图关联符号网络结构蕴含了大量信息，认知智能可以基于此运用图挖掘技术从多方面获得收益

更多关于认知智能与知识图谱相关的知识，推荐一本新书《知识图谱与认知智能：基本原理、关键技术、应用场景与解决方案》，现在市面相关认知智能的书非常少，这本书详细讲解知识图谱的基本原理、构建方式、使用场景等，以及产业界应用知识图谱解决不同领域问题的很多案例。强烈推荐感兴趣的同学去阅读学习。

这次活动我们将为读者朋友提供5本赠书，欢迎大家在评论区留言集赞！其中，集赞最多的5位读者将获得该书！

截止时间：2022年2月28日  20:00整