AI的下一个战场,一文看懂认知智能
1129
2020-01-07 11:01    文章来源:爱分析ifenxi 原创:专业研究的(ifenxicom)
文章摘要:知识图谱驱动的认知智能时代来临

当前,人工智能的应用已不算新鲜,从 B 端的物体识别、智能路径规划等各类提升效率的应用,到 C 端的智能交互等代替人工的场景,人工智能虽不敢说到了完全成熟的地步,但其在日常生活和产业中的持续渗透已是既定事实。

经过多年的跟踪调研,爱分析发现,人工智能在行业的渗透有着明显的规律和阶段性。从大的层面来说,人工智能的发展,可以归结为三个阶段——感知智能、认知智能和行动智能。

在过去几年中,人工智能的渗透处于感知智能阶段,四小龙的诞生就是典型的代表。未来,人工智能行业将全面进入认知智能时代。

2.png

人工智能行业图谱

感知智能主要是数据识别,需要完成对大规模数据的采集,以及对图像、视频、声音等类型的数据进行特征抽取,完成结构化处理。

认知智能则需要在数据结构化处理的基础上,理解数据之间的关系和逻辑,并在理解的基础上进行分析和决策,即认知智能包括理解、分析、决策三个环节。

行动智能是在认知智能基础之上的执行,主要是人机协同。人机协同是在复杂的环境下,以知识图谱为支撑,进行数据推理,合理调度资源,使人类智能、人工智能和组织智能有效结合,打通感知、认知和行动的智能系统。


一:AI 已全面进入认知智能时代

当前,随着人工智能在安防、智能音箱等领域的大规模应用落地,整个人工智能行业已经走过感知智能阶段,进入认知智能时代。

体现在两个方面,一是人工智能行业的基础设施——数据的标准化,已经趋于成熟;二是行业实际需求的牵引,行业亟需机器基于行业 Know-how、业务经验沉淀提供决策支持类应用。

3.png

行业从感知智能到认知智能的体现

在感知智能阶段,智能语音和计算机视觉技术的成熟,以及自然语言处理技术在文本识别等场景的大规模应用,使得大量的多源异构、非结构化数据,成为可应用于知识库和知识图谱构建的标准化、结构化数据,完善了认知智能发展的基础设施。

比如,感知智能相关的机器视觉、语音识别、自然语言处理领域,已有大量的通用数据库,应用于视觉、语音、文本等各类数据的识别训练。

4.png

感知智能通用数据库

数据来源:2018 世界人工智能产业发展蓝皮书

感知智能在识别领域的行业应用也早已普及,比如语音识别、通用物体识别、人脸识别、目标跟踪、姿态识别等。

5.png

感知智能行业应用

从行业应用角度来看,人工智能的下一场,将进入认知智能的战场。

在感知智能解决数据采集和识别问题的基础上,各行各业的业务部门开始对认知智能带来的低运营成本(比如更高效节省时间成本、或者是直接的人力替代)、以及知识图谱驱动的业务决策有了越来越明确的诉求。

6.png

认知智能行业应用需求

以认知智能渗透较为领先的金融行业为例,当前金融行业面临运营成本高,客户服务压力大;产品服务单一,无法很好的覆盖长尾客户;交易欺诈风险高等实际业务问题,这些都无法通过感知智能技术解决,而知识图谱驱动的认知智能则能提供相应的解决方案。

7.png

知识图谱驱动的认知智能在金融领域的业务决策应用

基于语义理解的智能客服能够与客户就简单问题进行人机交互,降低金融机构客户服务的成本,而且效率和客户体验都能大大提升。人工客服培训成本高、服务效果难以统一、而且流动性很大。智能客服能够依靠知识图谱回答简答的、重复性的问题,减少人工客服使用,提升银行等金融机构客服效率及效果。不仅仅是金融领域,全行业来看,根据德勤的数据,当前客服机器人已替代 40%-50% 的人工客服工作,预计到 2020 年,85% 的客服工作将依靠人工智能完成。

在理财高端市场,理财规划师能够提供专属服务,但在中产之下的长尾市场,付费能力有限,单靠理财师也很难覆盖大众的个性化需求。利用大数据、人工智能技术开发的智能投顾,能够向更多客户提供个性服务,助力零售银行低成本覆盖广大长尾市场。比如,招商银行推出的「摩羯智投」可提供投资理财咨询,2016 年户均购买金额为 3.69 万元,机器在理财师很难覆盖的领域大显身手。

相比于人工信贷审核,人工智能不仅效率高,更重要的是能够进行更多维度的关联数据分析,将知识图谱应用于风控环节。例如蚂蚁金服推出的「蚁盾」、「芝麻信用」,网易金融推出的风控系统「北斗」,相比于比传统银行,这类解决方案能够基于更多维度的用户数据(知识图谱可以关联到用户职业、行为、社交等各类数据),开展更高效的信贷业务,同时也能降低交易欺诈等信贷风险。

在公安领域,行业应用也已经从最初的人脸识别、车辆识别等感知层应用,向情报研判等认知智能应用发展。

近些年公安大数据建设、各垂直系统的纵向业务拉通,各单位横向数据的融合和分层解耦奠定了公安业务数据规范化、标准化的基础,同时感知智能的快速发展,基于人脸特征的聚类、分类,一人一档、一车一档,视图库的建设,图像不仅能辨认人,更能连接人、管理人。视频网和公安信息网的内容融合趋势愈发强烈,构建全域感知图谱,并在此基础上构建公安知识图谱,驱动更多上层应用的时机日益成熟。

8.png

认知智能在公安领域的应用

数据来源:明略科技

在这样大背景下,明略科技将海量感知数据纳入知识构建与积累,打造了认知力更强、时效性更快、更具行动力的全域知识图谱,让机器更好的进行推理与规划,从而从平台服务、数据服务到应用服务构建了由感知到认知再到行动的完整闭环,形成了基于 AI 技术的警务支撑体系和安全保障体系,目前已经广泛应用于专业研判、情指一体化、社区治安防控等场景中。


二:知识图谱将成为认知智能核心竞争力

在感知智能阶段,AI 不具备理解和推理能力,从特征抽取和不断的学习训练中完成识别任务,机器解决的多是人类能够解决的模式识别类的问题,重在提升效率。

而认知智能则注重与行业知识的融合,通过 NLP 和知识图谱两大核心技术来构建行业知识图谱,机器能够通过知识图谱挖掘隐性关系,洞察「肉眼」无法发现的关系和逻辑,用于最终的业务决策,实现更深层次的业务场景落地。

比如,借助知识图谱技术,业务流程中积累的数据将被沉淀为组织经验和知识,结合数据作为内部不同部门沟通的翻译转换器,降低沟通成本。

以明略科技服务的上海申通地铁来说,基于作业指导说明及过往的维修工单,明略科技轨交数据中台建立了轨交运维知识图谱,将老师傅经验进行沉淀传承:通过工况相似度进行检修方法推荐,形成「故障检修建议」推送给员工进行参考。

同时,针对各种应急处置场景,基于实时车辆状态,系统将司机操作数据实时还原给地面运营工作者,从而规避了司机与运营者直接沟通话语体系不一致的问题,运营者根据数据反馈可为司机提供最适当的应急处置建议。

因此,构建和积累行业知识图谱,将是认知智能时代的核心竞争力。

基于知识图谱的决策应用在公安领域可及时、准确推送破案线索,大幅度提升民警办案效率。明略科技在某省公安厅部署的合成作战智能案件侦破平台,在实际应用中,推送线索速度比传统同类系统提升 10 倍,准确率提升 50%。

在服务公安客户的过程中,明略科技积累了三十多大类公安数据来源中的 6529 张表和 1538 亿条数据,沉淀了 80% 以上不同种类公安数据的处理经验。其公安知识图谱系统能够实现人、事、地、物、组织、虚拟身份的关联,目前已经部署到 60 多个省、市级公安厅局,广泛应用于专业研判、逃犯追踪等各类场景。

未来,随着业务需求的挖掘,不仅仅是在工业、公安领域、零售、金融、医疗等领域都将对基于知识图谱的分析、决策类应用产生巨大需求。


三:先发优势明显,构筑「全面型」认知智能供应商

在认知智能领域,除了积累行业知识图谱,供应商实力还体现在算法能力、实现解决方案的工程化能力、以及交付实施能力上。

9.png

认知智能供应商能力体系

在认知智能供应商能力体系中,行业知识图谱构建和积累能力,既代表了供应商对于行业的洞察和对业务场景的理解,也代表了供应商的底层数据治理能力。知识图谱是认知智能解决方案必须具备的核心能力,也是整体解决方案的基础。

算法领域,头部供应商之间不会有质的差异,尤其到产业应用成熟阶段的算法本身,大多是公开发表的。但是具体到知识图谱层面的应用,需要进行一定的完善和处理,比如能够实现关联关系挖掘的最短路径、聚类分析等经典算法,需要做并行化、分布式化处理,才能达到图挖掘技术的所需的性能要求。

工程化和交付能力,多是在服务行业头部客户过程中积累的业务经验和组织经验等。

对于认知智能供应商来说,以上四类能力的练就绝非一日之功,根据爱分析的调研和研究,人脸识别、语音识别等感知智能类解决方案,能够跨行业、跨场景实现应用落地,即感知智能供应商更容易凭借技术优势,在各个领域快速落地。

而认知智能解决方案在跨行业和跨场景层面则更具挑战,主要是由于行业知识图谱的构建和积累需要深耕细作。

这也意味着,未来认知智能的落地将是行业性解决方案的输出。因此,优先积累行业知识图谱的认知智能供应商,将具备先发优势,并凭借服务头部客户的经验,以及在历次项目实施过程中,打磨算法、工程化和交付能力,构建其核心竞争力。

比如,认知智能领域的典型供应商明略科技,已在公安、工业、零售、金融、政务等领域实现基于知识图谱的解决方案落地。

明略科技从 2006 年开始深度钻研海量数据采集、存储、计相关技术,2008 年在商业领域实现洞察分析类场景落地,2015 年中标中车株洲所项目,开始携其数据治理能力进军工业。到今天,明略科技已有十多年的数据治理能力积累、算法积累、以及工程化和交付能力积累。近年来,明略科技正致力于各行业的知识图谱构建,构建起在认知智能领域的竞争力。


四:认知智能落地挑战重重,需要从数据治理到业务理解的全新解决方案

虽然认知智能的行业大势已定,但实际落地依然面临技术和业务双重挑战。其中,中台的构建是认知智能解决方案落地的重点,也是数据治理、业务梳理挑战所在。

传统企业分为前台和后台部门,前台是以客户为中心的组织,通常是事业群或事业部,后台是各种职能部门。但这种组织长期发展扩大的过程中,除了后台人事和财务管控以外,公司后台很难真正的服务支撑前台部门,反而很多情况下会成为管理束缚。

所以多元化的组织要想长期稳健发展,需要把前台部门的核心可复用的能力再剥离出来,成为企业相比于竞争对手差异化的核心竞争力,这个部分叫中台。

中台的核心竞争力打造主要分为两个部分,核心能力、核心资源。数据未来会成为很多企业的核心资源,所以数据中台就是未来很多企业中台的重要组成部分。

沉淀了业务模块和逻辑的业务中台,也是企业中台的重要组成部分,一般每个行业都能抽象出相应的业务中台,某些通用的场景也能抽象出业务中台,应用于各行各业。

在中台的支持下,认知智能相关的行业应用场景落地就更为便捷化和敏捷化。比如金融领域,认知智能相关的应用场景有反欺诈、反洗钱等。

在认知智能解决方案实际的落地过程中,面临重重挑战:比如,由于需要处理海量数据,必须用分布式存储和计算;并且行业知识图谱的构建,本身就需要数据积累和基于业务场景的数据理解;再者,很多分析决策类应用的实现,都依赖于基于知识图谱的关联关系挖掘……

该如何跨越挑战,实现认知智能在行业的深度应用?

基于对人工智能行业的多年研究探讨,对金融、零售、政务等各个行业的多年跟踪,以及对数字化转型浪潮中认知智能渗透的深度理解,爱分析将在随后发布的《中国认知智能行业报告》中揭晓答案,敬请期待!


版权声明:

凡本网内容请注明来源:T媒体(http://www.cniteyes.com)”的所有原创作品,版权均属于易信视界(北京)管理咨询有限公司所有,未经本网书面授权,不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的,应在授权范围内使用,并按双方协议注明作品来源。违反上述声明者,易信视界(北京)管理咨询有限公司将追究其相关法律责任。

评论