現(xiàn)在很多安檢口都裝上了人臉識別的閘機(jī),掃描對比,綠燈亮,通過,經(jīng)過高鐵安檢閘口的這一流程時,你也許會想:機(jī)器認(rèn)識我。而實際上,并不是。 如果強(qiáng)行把這個劃分為認(rèn)知智能實際是上是不合理的,當(dāng)前的人工智能(AI)識別做的只是比對,缺少信息進(jìn)入大腦之后的‘加工、理解、思考’步驟,因此僅僅停留在‘感知’,而并非‘認(rèn)知’。”6月18日的“認(rèn)知智能行業(yè)應(yīng)用大會”舉行,中國人民大學(xué)高瓴人工智能學(xué)院執(zhí)行院長文繼榮表示,要讓AI有類似大腦的活動,走到認(rèn)知階段,需要讓它掌握知識、進(jìn)行推理。但是如果完全的將AI從“感知層面”拋向“認(rèn)知層面”以當(dāng)下的技術(shù)來實現(xiàn)通用狀態(tài)下智能水平是比較困難的。 雖然不能完全從“感知層面”跳躍到“認(rèn)知層面”但是我們可以先試試第一步,先給AI裝上“大腦”,也就是核心知識庫?!艾F(xiàn)在的AI處于弱人工智能狀態(tài),它沒有大腦,要讓它形成大腦,最核心的是要有‘知識’。”如果現(xiàn)有的算法、模型是神經(jīng)或腦結(jié)構(gòu),那么知識是大腦能夠運(yùn)轉(zhuǎn)起來的原動力。 讓AI獲得知識的知識庫在業(yè)界稱為“知識圖譜”,它不僅要關(guān)注知識點還要關(guān)注知識點間的關(guān)聯(lián),那么這些“知識圖譜”從何而來呢?那要?dú)w功于現(xiàn)在互聯(lián)網(wǎng)產(chǎn)生的大數(shù)據(jù),無數(shù)的數(shù)據(jù)通過引擎進(jìn)行抓取反饋記錄。這些關(guān)聯(lián)將賦予AI聯(lián)想力。提到水,它要反應(yīng)到密度、透明等多個性質(zhì),還要和澆水、能喝的功能聯(lián)系起來,更高級的是計算出用多大力道去取水。 通過大數(shù)據(jù)建立的“知識圖譜”非常困難,人類海量的知識如何翻譯成機(jī)器的語言,并與之建立聯(lián)系,很成問題。尤其是之前這項工作一直是人工完成的,例如谷歌詞庫、百度百科、維基百科等都可以轉(zhuǎn)換為知識圖譜,但工作量大、內(nèi)容異常龐雜。 在關(guān)聯(lián)密度不足的情況下,AI的“大腦”即便擁有一個上千萬詞條體量的通用知識圖譜也難以達(dá)到應(yīng)用的級別。 但是行業(yè)知識圖譜能達(dá)“認(rèn)知層面” 雖然在大數(shù)據(jù)上面的建立類似“大腦”一樣的“知識圖譜”并不能突破目前應(yīng)用的瓶頸,但是情至少有了向好處發(fā)展的變化,也許聲紋識別也是一個突破的方向。 “目前市面上,以語音識別、轉(zhuǎn)寫為主打方向的SaaS服務(wù)提供商已經(jīng)有很多;但是鑒于聲紋識別的技術(shù)難度要更為復(fù)雜,這個領(lǐng)域應(yīng)該還在剛起步階段,但隨著應(yīng)用場景的越來越多,它很快會迎來爆發(fā)。”相比于人臉識別和指紋識別,聲紋的采集只需要麥克風(fēng)模塊,成本相比于攝像頭或者指紋識別模塊而言要低,采集的方便性和安全性則要高,將此技術(shù)用于電話機(jī)器人客服,會有更高的私密性和安全性,因此這項技術(shù)有著比較明確的市場前景。 “現(xiàn)在還只是一個弱人工智能時代,長遠(yuǎn)來看,AI需要和行業(yè)以及場景結(jié)合,提升效率;可以說,有多少行業(yè)就需要多少個方向的AI,這個領(lǐng)域無疑需要更多資本的進(jìn)入。”相比于行業(yè)格局已經(jīng)趨向穩(wěn)定的語音識別識別而言,聲紋識別確實是一個潛力有待挖掘的賽道,如果將這兩者結(jié)合在一起,肯定會碰撞出不一樣的火花,應(yīng)用瓶頸的突破也指日可待。 |
|
來自: 發(fā)光的房子君 > 《智能》