如今，人工智能技术在智能感知范畴曾经获得了宏大的成功，基于深度学习的人工智能系统在计算机视觉、自然言语处理、语音辨认等范畴的感知成绩上纷纷达到了超越人类的程度。但是，在引荐系统、问答系统等运用场景下，仅仅依赖于具有感知智能的机器照旧无法完全满足人类的真实业务需求。因此，「认知智能」作为人工智能技术发展的高级阶段，旨在赋予机器数据了解、知识表达、逻辑推理、自主学习的才能，使机器可以拥有相似人类的智慧，是颇有前景的研讨方向，有望成为新的人工智能研讨「主战场」。
图1：数据与知识双轮驱动的认知智能
2021 年 6 月 2 日下午，由 AI TIME 举行的第 26 期 AI TIME 论道以「让机器像人一样“思索”还有多远？」，作为 2021 智源北京大会「认知智能论坛」的压轴环节登场。此次活动由 AI TIME 担任人何芸与智源研讨院副研讨员袁莎教师联袂掌管，特别约请了搜狗公司高级副总裁许静芳、浙江大学计算机迷信与技术学院副教授杨洋、阿里巴巴算法专家林俊旸、智谱AI CTO张鹏等相关范畴的专家参与论道。与会嘉宾就「机器认知的定义」、「机器认知的才能」、「机器认知中算力、算法、数据、知识的角色」、「完成人类程度的机器认知的标志性事情」等成绩展开了精彩绝伦的讨论。
图 2：论坛现场剪影
何为机器认知？
机器认知应该具有怎样的才能？
作为搜狗集团的高级副总裁，许静芳从搜索的运用场景出发讨论了本人对认知智能的看法。在她看来，认知智能不断是搜索业务追求的目的。随着人工智能技术的发展，我们可以准确地辨认语音、图像、文字，但是假如要想让搜索结果真正处理用户的成绩，就需求了解用户的真正意图，这有赖于认知智能的发展。
杨洋异样以为认知是相对于感知而言，人工系统不只应该辨认出当前接触到的信息，还应该根据以往所积累的阅历和知识停止更深层次的联想和思索。
林俊旸指出，机器认知次要需求具有逻辑推理才能。即便是 GPT-3 这种弱小的模型生成的对话也有很多不合逻辑的地方，将来的机器认知技术需求在算法层面上做到逻辑推理。
在张鹏看来，我们不应该脱离于感知才能来讨论机器认知，感知是认知的基础，而推理才能是对知识的延续。此外，机器认知除了需求具有知识推理的才能，还需求具有学习才能，
杨洋再一次谈到本人对机器的学习才能的看法。详细而言，具有认知智能的机器应该像人一样，具有归纳总结的才能，其学习的效率也应该最值得到提升，从而发展出边际效应不断递减的积累式的学习才能。在将来，集群中的机器需求可以提出一个目的，综合应用本身资源和其它相关资源，与其它机器协作完成既定的目的。
机器认知能否需求常识和逻辑才能？
张鹏首先发表了观点，他以为对于机器认知来说，包括常识在内的一切知识和逻辑推理才能是非常必要的。
许静芳对张鹏的观点表示了赞同。在她看来，人类在处理成绩时，针对详细的输入，需求运用本身经过不断的学习积累的知识，经过「输入+常识逻辑推理」的方式来处理成绩。同时，许静芳抛出了一个值得讨论的观点：机器需求常识和逻辑处理成绩，但是对于机器而言，其处理成绩的途径和方法能否应该和人分歧，这种途径能否是最优的？
杨洋以为机器并不一定需求我们人类所了解的「常识和逻辑」。这是由于，常识和逻辑是人类对本人思想过程的一种翻译。机器在完成义务的过程中的思索方式可以与人类有所区别。人类之所以需求经过常识和逻辑将思想形式翻译出来是由于人与人之间需求协作，完成知识的传承。假如机器不需求与人类停止协作，也就不需求人类所了解的常识和逻辑。
林俊旸从引荐系统的角度出发，指出常识和逻辑推理才能对于当下的人工智能算法研讨是非常重要的。引荐系统、自然言语处理范畴的问答系统等运用都需求依赖于常识和推理技术完成可解释性。
在机器认知范畴，算力、算法、数据、知识将分别扮演怎样的角色？
机器认知与人类认知达到同一程度的标志性事情将会是什么？
林俊旸以为，数据本身对认知智能的影响是宏大的，例如在训练问答系统的过程中，高质量的训练数据可以有效提升生成对话的质量。在拥有了好的数据之后，可以有效应用大规模高质量数据的算法也至关重要。而在知识方面，我们需求探求如何将知识图谱与预训练形式更好地结合起来。此外，面对万亿级别大规模模型的训练，弱小的算力基础非常必要的。
杨洋将算力比作机器认知的骨架、算法比作大脑、而数据则是机器所处的环境。他还畅想道，将来我们能够将知识、数据一致同来。而假如我们所创造出来的智能机器可以顺利经过图灵测试，则标志着机器认知与人类认知达到了同一个程度。
许静芳经过生动的例子阐述了本人的观点。她将算力比作人的食物，数据比作人学习的素材，知识则是人类过去总结出来的有助于解题的规律。算力的竞争是人工智能发展的初级阶段，而优秀的算法需求可以应用数据触类旁通，不断总结、创造知识。我们不应机械地将知识与学习过程分分开来，在学习的过程中应该动态地总结出知识。许静芳以为，「机器自我看法的醒悟」将标志着它们具有了与人类相分歧的智能。
张鹏另举一例，将机器认知比作一辆汽车，数据则是汽车的燃料，算力是车基本的机械结构。此时，算法是车的核心——发动机，它与算力相反相成。最后，要想使汽车正常行驶，还需求知识系统将数据、算法、算力交融起来。至于完成与人类同等程度的认知智能的标志性事情，张鹏教师异样也以为图灵测试是一个很好的标准。但是，在他看来，随着时代的发展，这种图灵测试应该愈加严厉，它需求可以应对不限场景、不限条件的开放式环境。
图 3：与会嘉宾合影
6月10日下午在清华科技园1911，
我们将开启AI TIME Debate 第27期
人脑VS机器？AI时代经济决策的机遇与应战？
希望大家继续关注！ | 
