以前有一次和盆友不知道如何谈到这一话题讨论，在他帮我解释以前，说他要好好地描述一下要我体会体会。

“ 你看一下这世界，它对刚出生的婴儿有哪些实际意义呢？那么它对一个机器人有哪些实际意义呢？”

我：………

人力智能的发展趋势有三个较为关键的环节：计算智能，感知智能和认知智能。

这几年针对AI的科学研究关键在发展趋势感知智能的环节，语音识别技术啊，面部技术性啊这些。但针对人力智能而言，他们仍无法真真正正开展思索和了解。

这两个定义实际上 也有点儿模糊不清，有些人觉得感知智能也是认知智能的一部分。（我本人较为认可这类观点）

别的智能的前提条件全是在给电子计算机键入了大批量的消息后，所计算的結果。但它也是呆板的，例如它能感知到红苹果是iPhone，但是假如用来一个绿苹果，AI就不认识了。

而认知智能，做为一个外行人我大约的理解是，认知智能代表着AI可能非常少的方式里捕获最重要的点。红苹果，绿苹果，或是割开的iPhone，乃至仅仅一个苹果核，AI都能将其鉴别出去。

微生物对全球全是有认知的，如同两三岁的小孩能精确指认出来不一样样子的小动物的名称。连我家的狗，在教几回以后也可以分辨不一样小玩具的名称。

以前见到过一个跟我技术专业有关的事例举的挺不错的。例如在一个影像医学的剖析中，假如影象里二根毛细血管靠的太近，依据当前的深度神经网络优化算法，就会把二根毛细血管表明成一根。想让设备把它区别开，就必须 它具有一个效仿人的大脑的逻辑推理逻辑性。

让设备的情形和事件处理方法能更贴近人们的思索，便是认知智能所要科学研究的范围。

人力智能在效仿人们感观的“听，说，看”的感知智能领域，早已一定水平上超过了人们自身的極限。下面必须 增强的是与认知智能有关的其他专业知识，逻辑判断和领域转移等层面。

认知智能尽管还处于发展趋势环节，但在一些领域早已拥有基本的运用。

例如电子商务行业，在检索和推荐系统方位的挑战早已即将触碰到吊顶天花板了，这个时候就必须 挖掘新式的，从“用户需求“来推动的强烈推荐体制。

阿里巴巴为了更好地健全这一方面，就逐渐准备基本建设规模性电子商务认知图普（E-commerce ConceptNet），将人们的要求点与电子商务领域的产品，品类，通用性领域等关系起來，对推荐系统进一步提升及其给予大量的概率。

短视频行业，也是实行了差不多的方法，AI根据获取的数据信息，依据视頻信息开展了解，依据角色外貌的相关信息开展剖析，为此产品研发出了各种各样识别技术，例如面部识别，身体鉴别等，也因而衍化出了真实的AR游戏玩法。

为了更好地丰富多彩AI的认知，这就必须 因此开创一套数据仓库的认知管理体系，这可以称作AI的“记忆力”，为此将各种各样定义具象化。对同一时间段的声频，视頻等多层面综合分析，产生更加立体式的认知，而不是简易的文字跟编码。

有关人力智能发展趋势，也有此外一个关键技术性NLP（natural language processing），又被称为自然语言理解解决。有关自然语言理解这个东西，我朋友的表述是“人们文化艺术和言语的结晶体“。

如何处理自然语言理解，是人力智能里最艰难的难题之一。在不足的词汇里会话时，AI能够表达的非常好，但本质里每一个语句都是有很多的表达方式，这个时候就会越来越错漏层出不穷。最經典的便是Siri也有这些智能音响所普遍的：

“我不会太清晰你说什么”

因此NLP和数据仓库，是目前发展趋势认知智能的根基，哪一个公司能首先把握这二种技术性，就将在认知智能上获得强劲的主动权。

此次的KDD Cup将众多的关键放到了怎样促进认知智能上，也表示着AI界技术性发展趋势一个大的发展趋势方位。

写了这么多以后，再返回去看着我盆友最初说的话…

创作者 |馍馍Moko