清华《人工智能之认知图谱》：中美高水平学者数量领跑全球-技术圈

导读：近日，由清华大学人工智能研究院、北京智源人工智能研究院、清华—中国工程院知识智能联合研究中心、阿里集团—新零售智能引擎事业群编写的《人工智能之认知图谱》报告正式发布。

报告显示，以知识图谱、认知推理、逻辑表达等技术为支撑的认知图谱是实现机器认知智能的使能器，不仅让机器理解数据的本质，还可以让机器解释现象的本质。

本文经授权转载自学术头条（ID：SciTouTiao）

作者：智谱AI 徐菁

1956 年，人工智能概念提出以后，经过六十多年的发展，人工智能在计算能力、大数据和深度学习的支撑下取得显著成果。根据人工智能解决问题的不同阶段，人工智能发展历程可以分为：计算智能、感知智能、认知智能、意识智能（见图 1）。

计算智能让机器能存会算；
感知智能让机器能听会说、能看会认；
认知智能解决机器能理解会思考的问题；
意识智能是近期图灵奖获得者 Manuel Blum 夫妇提出的全新思想，核心理念是构造一个新型的可用数学建模、可计算的机器认知/意识模型。

▲图1 人工智能发展的几个阶段

如何实现认知智能，清华大学唐杰教授提出了结合知识图谱、认知推理、逻辑表达等关键技术的认知图谱（Cognitive Graph）是一种有力的支撑手段，希望利用知识表示、推理和决策，包括人的认知来解决复杂问题。

这个思路的基本思想是结合认知科学中的双通道理论，在人脑的认知系统中存在两个系统：System 1 和 System 2，如图 2 所示。

System 1 是一个直觉系统，它可以通过人对相关信息的一个直觉匹配寻找答案，它是非常快速、简单的；
而 System 2 是一个分析系统，它通过一定的推理、逻辑找到答案。

▲图2 双通道理论框架

让机器具备认知智能，其核心就是让机器具备理解和解释能力。这种能力的实现与大规模、结构化的背景知识是密不可分的。

结合认知心理学、脑科学和人类知识等，以知识图谱、认知推理、逻辑表达等技术为支撑的认知图谱是实现机器认知智能的使能器，利用结构化的实体、概念、关系等构成元素，不仅让机器理解数据的本质，还可以让机器解释现象的本质。

报告围绕认知图谱及其 3 个技术领域（知识图谱、认知推理、逻辑表达），从概念、发展历程、关键技术（如图 3 所示）、问题与挑战、未来研究方向等方面展开介绍，并进行了论文研究主题分析、经典论文解读，以及技术情报深入挖掘，旨在为读者了解认知图谱领域的基础和应用研究的代表性成果、以及研究动向和进展提供信息窗口。

▲图3 认知图谱报告技术概览

报告借助 AMiner 科技情报大数据挖掘与服务系统平台，不仅深入分析了认知图谱领域的技术研究发展趋势和创新热点，以及中国的专利数据和国家自然科学基金项目支持情况，还从学者分布地图、学术水平分析、国际合作分析、学者流动情况等维度，对比分析了中国和全球其他国家学者在该领域的发展状况，并给出了相应的对策建议，旨在为中国的学科布局和科技人才队伍建设提供数据支撑和指导。以下选取代表性的分析维度进行展示说明。

01 技术研究发展趋势

Knowledge Base（知识库）、Semantic Web（语义Web）、Natural Language Processing（自然语言处理）近年来的研究热度居高不下。