- 人工智能
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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！
