为什么认知技术可能比人工智能更好

凯瑟琳·沃尔奇（Kathleen Walch） 

追踪人工智能行业的人们面临的挑战之一是，令人惊讶的是，对于真正的人工智能还没有公认的标准定义。AI专家对AI是什么都有稍微不同的定义。罗德尼·布鲁克斯（Rodney Brooks）表示，“人工智能并不意味着一件事……它是人们将各种实践和实践结合在一起的集合”。当然，对于需要了解什么是人工智能技术以及如何将其应用于特定需求的公司来说，这并不是特别适合的选择。

通常，大多数人会同意AI的基本目标是使机器具有以前只有人类或其他智能生物才具有的认知，感知和决策能力。Max Tegmark只是将AI定义为“非生物智能”。很简单，但是我们还不完全了解生物智能本身的含义，因此，试图人为地构建它是一个挑战。

从最抽象的层面上讲，AI是模仿人类智慧和行为的机器行为和功能。具体来说，这通常是指我们认为是学习，解决问题，理解和与现实环境交互以及对话和语言交流的东西。但是，细节很重要，尤其是当我们试图应用这种智能来解决企业，组织和个人所面临的非常具体的问题时。

说的是AI但实际上是别的意思

追求AI技术以解决最终问题为目标的人中有一部分是：创建可以处理人类可以解决的任何问题，情况和思考过程的人工智能（AGI）。AGI无疑是许多在学术和实验室环境中进行的AI研究的目标，因为它的核心是回答智力是否只有生物实体才能拥有的基本问题。但是，当今市场上谈论AI的大多数人并不是在谈论AGI或解决这些基本的智能问题。相反，他们正在考虑将非常特定的AI子集应用于缩小问题区域。这是经典的宽/窄（强/弱）AI讨论。

由于没有人成功构建AGI解决方案，因此，当前所有的AI解决方案都很狭窄。虽然肯定有一些狭窄的AI解决方案旨在解决更广泛的智能问题，但绝大多数狭窄的AI解决方案并未试图实现比该技术所应用的特定问题更大的目标。这里我们要说的是，我们并不是为了解决一般的AI问题而进行狭义的AI，而是为了狭义的AI而进行狭义的AI。对于那些特定的组织来说，它不会变得更广泛。实际上，应该说很多企业对AGI并不十分在意，而这些组织的AI目标不是AGI。

如果真是这样，那么看来该行业对AI是什么以及它走向何方的认识与许多研究或学术界的想法不同。企业最感兴趣的不是AI，它正在解决通用智能的问题，而是人类在组织中一直在做的特定事情，而现在他们希望机器去做。这些任务的范围因组织及其要解决的问题类型而异。如果是这种情况，那么为什么要为一个定义不明确的术语而烦恼呢？在这个术语中，最初的定义和目标与实际实施中的有很大差异？

什么是认知技术？

仅仅因为狭窄的应用程序而应用狭窄的AI的更好的说法是认知技术。企业不是在尝试构建人工智能，而是在利用认知技术来自动化并实现需要认知某些方面的广泛问题领域。通常，您可以将这些方面的认知分为三个“ P”类别，这些类别是从自动驾驶汽车行业借来的：

• 感知（Perceive） –了解您周围的环境和来自传感器的输入。

• 与感知相关的认知技术包括图像和对象识别和分类（包括面部识别），自然语言处理和生成，非结构化文本和信息处理，机器人传感器和IoT信号处理以及其他形式的感知计算。专注于感知的功能是高级研究神经网络方法（尤其是深度学习）的发展获得最大推动的AI研究领域。

• 预测（Predict） –了解模式以预测下一步将发生什么，并从不同的迭代中学习以提高系统的整体性能。

• 专注于预测的认知技术利用一系列机器学习，强化学习，大数据和统计方法来处理大量信息，识别模式或异常并建议下一步和结果。神经网络在这里很有帮助，但是其他进行机器学习的方法以及更简单的方法（例如知识图和统计贝叶斯模型）也是如此。面向预测的认知技术涵盖了从大数据分析到复杂的，类似于人的决策模式的范围。

• 计划（Plan） –使用所学到的知识和感知力来做出决策并计划下一步。

• 以计划为中心的认知技术包括决策模型和方法，这些模型和方法试图模仿人类如何做出决策。早期尝试包括专家系统。较新的方法使用了在诸如启用认知的网络安全或贷款决策等情况下使用的一系列方法。由于当前的机器缺乏直觉，常识，情感智商以及其他使人类在计划和决策方面变得更好的因素，因此以计划为中心的认知技术是可以使用更多AI通用研究进行改进的领域。

从这个角度来看，很明显，虽然认知技术确实是人工智能技术的一个子集，但主要区别在于，人工智能既可以应用于AGI的目标，也可以应用于狭ly的AI应用。另一方面，使用术语“认知技术”而不是“ AI”表示接受这样一个事实，即所应用的技术是从AI功能中借用的，但除了用于狭窄的特定任务的技术外，没有其他野心。

在下一个AI冬天中生存

AI行业的情绪正在发生明显变化。营销炒作，风险投资资金和政府兴趣都有助于将对AI技能和技术的需求推向极限。我们离AGI的最终愿景还很遥远。公司正在迅速认识到AI技术的局限性，并且正如企业在第一个AI Winter大会上所经历的那样，随着企业推迟过度承诺和交付不足的风险，我们冒着行业反弹的风险。最大的担忧是，兴趣将降温太多，并且AI投资和研究将再次放缓，从而导致另一个AI Winter。但是，也许人工智能从来没有涉及这个问题。人工智能一直是树立学术研究和兴趣的崇高目标，就像在火星上建造定居点或星际旅行一样。但是，就像太空竞赛已导致当今技术被广泛采用一样，即使我们从未实现AGI的目标，AI Quest也将导致认知技术得到广泛采用。