泪之呼唤人工智能作为新一轮科技革命和产业变革的重要驱动力量，在深刻改变世界的同时也在不断深入发展。当前人工智能正在从“感知智能”走向“认知智能”。认知智能市场需求增加、应用场景深化。面对这些变化，如何跟上它的脚步？《中国认知智能行业报告》将对这些问题一一解读。

　　人类基于视觉、触觉、听觉等具备对环境的感知，基于知识库和逻辑理解形成对世界的认知，并在此基础上展开相应的行动。人工智能对人的模拟也分为感知智能、认知智能、以及行动智能三个层面，也是人工智能行业发展的三个阶段。

　　人工智能对人智能模拟的实现，建立在数据、知识及其算法之上，因此数据是人工智能领域最重要的生产资料。从感知、认知到行动的三大发展阶段，也代表了数据处理的流程和深度。

　　感知智能主要是数据识别，只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（比如知识图谱）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。

　　比如在公安场景下，知识图谱有16亿实体，数据比较全，是人工智能展现能力的绝佳场景。在做人物关系的二度或三度搜索时，其搜索复杂度与数据量是指数级关系，如果单纯靠机器来做，5个礼拜或者5个小时以后，才能做出空间的全景搜索，耗时相当长；如果人机协同，结合人类经验和洞察，看到哪一个点有线索就瞄准这一个方向调查，判断可能存在线索和可疑之处，进行深入探查，就能快速得出结论，高效解决问题。

　　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。在感知智能阶段，智能语音和计算机视觉技术的成熟，以及NLP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、NLP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。

　　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。人工智能的下一场，将进入认知智能的战场。

　　从行业应用角度来看，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。

　　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。

　　认知智能时代，数据是核心资产，在数据产生、传输、存储、计算、分析和应用的过程中，5G、边缘计算等技术将和认知智能相互融合，形成从终端、边缘到中央云的一体化数据处理流程和解决方案。

　　当前正处于认知智能的起步阶段，展望未来，人工智能必然走向行动智能，这个过程需要人机协同来完成。在感知智能和认知智能阶段，机器能够自主完成特定的任务，但有很多知识和管理复杂度高的领域，机器很难独立完成工作，人机协同是新一代AI技术在知识和管理复杂度高的行业中的落地，也是人类与机器和谐共处的开端。简单来说，人机协同的业务逻辑就是，在复杂任务中充分发挥机器和人的各自优势，创造性的完成特定任务。