登录
注册
回到首页
AI
搜索
发现报告
发现数据
发现专题
研选报告
定制报告
VIP
权益
发现大使
发现一下
行业研究
公司研究
宏观策略
财报
招股书
会议纪要
海南封关
低空经济
DeepSeek
AIGC
大模型
当前位置:首页
/
其他报告
/
报告详情
面向知识的可解释认知推理
2021-12-17
阿里巴巴
x***
AI智能总结
查看更多
一、从感知智能到认知智能的挑战
人工智能的三轮驱动
:数据、算力和算法是人工智能发展的三大驱动力,现阶段人工智能进入了一个由这三者同时驱动的时代。
感知智能与认知智能的区别
:感知智能如同“单轮交互”,输入输出直接,无需推理和知识图谱;认知智能则是“多轮交互”,涉及复杂推理和知识应用。
认知智能的挑战
:现阶段人工智能在认知智能方面仍处于探索阶段,主要挑战在于如何将知识与数据、算法、算力结合,实现推理过程。
基础技能(Foundationskills)的重要性
:周明提出,人工智能应建立基础技能体系,如同SaaS平台,让各领域专家构建领域知识库,实现知识的传承和应用。
从System1到System2的融合
:人工智能应融合直觉系统(System1)和逻辑推理系统(System2),实现更高效的推理和决策。
二、人工智能研究领域最需要哪些突破
李涓子教授的观点
:当前人工智能大模型在参数层面已取得显著进展,但尚未达到知识或认知层面。
突破方向
:一是通过训练让大模型具备认知能力,二是构建知识库结合大模型进行复杂问题推理。
知识图谱技术架构
:中国正在构建分阶段、分领域的知识图谱技术架构,以支持不同领域的人工智能应用。
三、人工智能在场景应用中的突出表现和挑战
程璟的观点
:人工智能在提升效率和风控方面作用显著,例如双十一客服、假冒伪劣商品筛选等场景。
人工智能应用场景
:包括优酷世界杯精彩片段集锦、阿里鹿班智能设计平台、庭审语音识别等。
人工智能实践挑战
:主要包括对准确率的要求、鲁棒性以及样本量问题。
未来探索方向
:人工智能应用将从以人为本转向以城市或科学发现为视角。
四、关于阿里研究院
阿里研究院是国内互联网企业中第一家内设研究智库,致力于数字经济和数字治理研究。
五、基于超大规模预训练模型的小样本和零样本学习
苏中的观点
:人工智能应具备小样本和零样本学习能力,如同人类可以通过少量信息快速学习新知识。
人工智能的三轮驱动
:数据、算力和算法是人工智能发展的三大驱动力,预训练技术为人工智能提供了海量数据和学习能力。
M6模型
:阿里开发的中文多模态预训练模型,参数量已达十万亿级别,具备强大的学习和推理能力。
M6应用场景
:包括商品设计、广告文案生成等。
PLUG模型
:中文预训练语言模型,参数量达百亿级别,具备菜谱生成、小说续写等能力。
AliceMind模型
:大规模预训练模型,在VQA任务上超越了人类水平。
从弱人工智能到通用人工智能
:人工智能发展目标是实现从感知到认知,从弱人工智能到通用人工智能的跨越。
六、面向知识的可解释认知推理
复杂问答(ComplexQA)
:答案需要通过推理获得,涉及多跳推理、技术比较等逻辑操作。
可解释认知推理框架
:利用图逻辑表达和推理,将复杂问题转化为程序进行推理,实现可解释性。
知识导向编程语言(KoPL)
:将复杂问题表示为程序,通过编程语言进行推理,具有可解释性和可控性。
KQAPro数据集
:包含近12万带推理程序的复杂问答数据,支持人工智能模型在复杂问答任务上的训练和评估。
研究结论
:面向知识的可解释认知推理框架能够有效解决复杂问答问题,KoPL语言和KQAPro数据集为人工智能在知识推理领域的应用提供了新的思路和方法。
你可能感兴趣
面向神经影像应用的可扩展且可解释的空间模型
牛津大学
2025-07-28
5G网络生命周期管理的认知推理
文化传媒
Ericsson
2022-09-01
知识推理在金融场景的应用与尝试 -京东科技 – 肖楠
金融
DataFunSummit 2022 :第二届知识图谱在线峰会PPT汇总
2022-03-21
【机构调研】这家公司面向推理的AI芯片形成CPU GPGPU的最佳解决方案-20240228
未知机构
2024-02-28
6-3 面向可解释性的知识图谱推理研究
文化传媒
DataFunSummit2022:图机器学习峰会
2022-07-18