AI人工智能认知智能，AI 的下一个十年 | AI Procon 2020( 三 )
本文插图
在此之中 ， 算法是核心 ， 计算、数据是基础 。 不过 ， 需要强调的是 ， 场景更为重要 。
同样以一个简单的例子为据：
在认知智能研究中 ， 核心是基于知识图谱之上 ， 并在认知推理、机器学习算法做逻辑表达 。 下述案例中 ， 是一个较为经典的使用认知图谱做算法和认知的结构的问题：
在洛杉矶的 Quality Cafe 的咖啡店中 ， 于 2003 年拍过电影的导演是谁？
如果人想要得到答案 ， 或许会从洛杉矶或 Quality Cafe 地点着手 ， 盘点在这个咖啡厅中拍过的电影有哪些 ， 进而查找电影的导演是谁 ， 在根据 2003 年的年份去判断 ， 最终找到答案 。
如果是机器 ， 它会怎么完成？
在这里 ， 倘若我们采用传统方法或深度学习如 BIDAF、BERT、XLNet 等算法 ， 那么需要构建一个冗长的预训练上下文 ， 从而进行推理匹配 。 这样做其实弊端很多 ， 一方面 ， 它是一个黑盒子 ， 缺乏可解释性 。 另一方面 ， 缺乏在知识上面的推理能力 ， 所以未必会得出的最终结果 。
针对这一问题 ， 或许可以从关键点入手 。 首先可以从维基百科进行相应地查询 ， 找到相关的实体 ， 通过实体再做下一个选择 ， 如从 Old school 找到 Todd Phillips ， 最终人脑进行一个推理决策 ， 判断最终的答案 。
在这个过程中涉及非常简单的两个阶段：
快速匹配 。 比如给定 Quality Cafe ， 我们会迅速找到维基百科的结果 ， 或从大脑中的一个记忆系统中找到相关的记忆；
另外 ， 我们会做决策推理 ， 也就下面的这个过程 ， 人脑进行思考 ， 不过这个过程相对比较慢 。
本文插图
因为认知推理过程中 ， 人脑在思考的时候 ， 会有两个系统 ， 被称之为双系统理论：
System 1 为直觉匹配 ， 它具有无意识性 ， 会快速地进行知觉匹配；
System 2 为逻辑分析 ， 具有规划推理 ， 带有意识的生产过程 ， 做最后的决策 。
时下的深度学习大部分针对 System1 也就是在做无意识的匹配 ， 而未来的深度学习 ， 更应该进行逻辑、规划、推理学习 。 那么 ， 该双系统理论如何与上述的问题结合？对此 ， 可以通过认知图谱的推理模型 ， 与双系统对接 ， 在这一过程中 ， System 1 做知识匹配 ， 简单地将知识节点和知识正文匹配起来 ， System 2 进行决策 。
本文插图
根据上述案例 ， 当问题出现后 ， 我们首先突出两个实体 ， Quality Café 和 Los Angeles， 对 Quality Cafe 做快速匹配 ， 从而找到相应的文档 ， 并从中抽出新的实体 ， 比如 Old School、Gone in 60 seconds ， 这两个实体都是两个电影的名字 ， System2 会做决策 ， 会判断 Old School是我们要的答案吗？或者 Gone in 60 seconds 是我们要的 。
在判断后 ， 如果不是正确答案 ， 那么它会将当前这个作为一个新的线索 ， 放到 System1 中 ， 这就和人脑推理的过程一模一样 ， System1 就会进一步做知识或实体的抽取 ， 比如快速找到 Old school 对应的页面 ， 从里面再抽出新的实体 ， 像 Dodd Phillips ， 或者其他实体 ， System2 再做决策 ， 于是这两个过程就变成抽取决策 。
本文插图
细分而言 ， 对于 System1 实现 ， 可以用 BERT 进行预训练 ， 在预训练的基础上 ， 我们可以做一个快速的匹配 ， 而对于 System2 该如何实现？
推荐阅读
- 小红猪带你看科技|七夕节送女朋友必备左点小艾智能艾灸器X8，3天众筹500万
- 车驰夜幕|详解智慧城市全新方程，开启城市智能非凡时代
- 36氪利用无人驾驶技术切入水域智慧环卫与维护，“欧卡智能”获千万元级融资
- 不得投递智能快递柜 两部门严格要求高校录取通知书寄送
- 热源智能商务 “找万物”引爆直播找好物新模式！，突围传统家博会
- 数字展示在线|更高追求更显专业——明基智能投影E592新品上市
- 北京日报客户端|互动动感单车、智能健身仓……西二环边新增运动休闲好去处
- 王小琉 你的私人健康助理，F25体温智能手表评测：实时监测
- 经济日报新闻客户端|两部门发文：高校录取通知书不得投递至智能快件箱
- 行业互联网澳柯玛，智慧冷链疫苗存储，内循环经济智能家居，叠加芯片概念