從計算智能，到感知智能，再到認知智能，是業(yè)界普遍認同的人工智能技術發(fā)展路徑。隨著技術的演進，人工智能已經(jīng)在“聽、說、看”等感知智能領域達到或超越了人類水準，但是在需要邏輯推理的認知智能領域還處于初級階段。當前被廣泛使用的深度學習方法容易受到對抗樣本的干擾已經(jīng)是研究者們達成的共識，追其根本原因，張鈸院士曾總結為：大家只是在燈亮的方向對模型修修補補，沒有向人類深入學習。更為具體的是：沒有在數(shù)據(jù)驅動的基礎上引入知識，沒有改變深度學習網(wǎng)絡的模型與結構。

那么，引入了知識的人工智能，將給產(chǎn)業(yè)帶來怎樣的改變呢？

11月12日，華為云知識圖譜負責人鄭毅博士在我國人工智能領域頂尖學術會議—2020全國知識圖譜與語義計算大會（CCKS）上帶來《知識計算即服務：賦能企業(yè)知識化轉型》主題演講。

鄭毅博士認為，各行各業(yè)在發(fā)展的過程中沉淀了大量的知識，比如生產(chǎn)系統(tǒng)中的機理模型、豐富的技術典籍文獻、專家大腦里面的寶貴經(jīng)驗、方法總結、測試報告等等。但是這些知識分散在不同部門，分散在不同地域，分散在不同介質中。對于一些專業(yè)領域，例如石油勘探，煤焦化配比，行業(yè)經(jīng)驗都沉淀在專家頭腦中，新進人員需要漫長的學習過程才能逐漸掌握業(yè)務所需的知識，這些知識都無法做到高效傳承，嚴重制約了企業(yè)業(yè)務的拓展。企業(yè)亟需一個內部的平臺，將專家的寶貴知識，整理成統(tǒng)一的知識底座，消除知識孤島，實現(xiàn)知識標準化、共享化和智能化，構建可持續(xù)傳承的知識體系。

在工業(yè)領域，工業(yè)機理模型是工業(yè)生產(chǎn)的核心，而由于認知程度、假設因素、計算簡化等眾多因素，機理模型在實際運用中往往會產(chǎn)生偏差。用打靶做個比喻，機理模型可以保證打中靶標，但是穩(wěn)定命中靶心還是很難。通過知識計算，把機理模型帶入深度神經(jīng)網(wǎng)絡，一起參與大規(guī)模數(shù)據(jù)驅動的運算，就可以實現(xiàn)二者的優(yōu)勢融合，將打靶的水平穩(wěn)定到10環(huán)，彌補機理模型局限。

為助力企業(yè)知識化轉型，華為云推出業(yè)界首個全生命周期知識計算解決方案，賦能企業(yè)構建屬于自己的知識計算平臺。該方案提供從知識獲取、知識建模、知識管理到知識應用的全流程服務，形成知識全生命周期的管理及使用。

如今，知識計算正在成為行業(yè)知識與 AI 結合的一條全新且高效的路徑，逐漸被應用到各類行業(yè)場景中，使能企業(yè)進行知識化轉型。知識計算不僅能夠賦能機器，還可以賦能于人，讓專家經(jīng)驗直達一線，大幅提升行業(yè)從業(yè)人員的工作能力。在汽車領域，一汽通過使用知識計算平臺可以讓4S門店一次修復率提升4%、等待時間下降23%，讓車企專家培養(yǎng)周期縮短30%。在油氣領域的儲層識別場景中，華為云知識計算解決方案將多源異構數(shù)據(jù)、空間地質關系、錄井傳感器特征等進行聯(lián)合表征，通過結合聯(lián)合表征與深度學習預測模型，使得符合率提升6%，通過一站式知識圖譜流水線平臺降低了圖譜構建維護門檻，提升了知識建模及更新的效率，縮短了70%的油氣層評估時間。鄭毅表示知識計算已經(jīng)在知識聚合、降本增效、增儲上產(chǎn)等多方面為油氣企業(yè)帶來了巨大價值。

人們常說，知識就是力量。知識計算將深度改變知識的使用方式，再次釋放知識的強大力量，突破當下的 AI 認知瓶頸，全方位地賦能企業(yè)，提高產(chǎn)業(yè)智能化程度，實現(xiàn)商業(yè)場景的迭代和升級，讓AI真正做到普惠大眾。（一鳴）

免責聲明：本網(wǎng)轉載自其它媒體的文章，目的在于弘揚科技創(chuàng)新精神，傳遞更多科技創(chuàng)新信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責，在此我們謹向原作者和原媒體致以崇高敬意。如果您認為本站文章侵犯了您的版權，請與我們聯(lián)系，我們將第一時間刪除。