人工智慧已經在“聽、說、看”等感知智慧型領域達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智慧型領域還處於初級階段。認知圖譜將從認知心理學、腦科學及人類社會歷史中汲取靈感，並結合跨領域知識圖譜、因果推理、持續學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運用，實現從感知智慧型到認知智慧型的關鍵突破。認知圖譜（Cognitive Graph）旨在結合認知心理學、腦科學和人類知識，研發知識圖譜、認知推理、邏輯表達的新一代認知引擎，實現人工智慧從感知智慧型向認知智慧型的演進。認知圖譜是計算機科學的一個研究分支，它企圖了解智慧型的實質，並實現感知智慧型系統到認知智慧型系統的重大技術突破。該領域的研究包括認知圖譜表示、認知圖譜構建、認知圖譜推理、認知圖譜套用等。
基本介紹
- 中文名：認知圖譜
- 外文名：Cognitive Graph
- 性質：多領域交叉學科
- 涉及學科：心理學、腦科學、社會學、人工智慧、計算機科學與技術等
- 屬性：專有計算機類名詞
人工智慧發展至今經歷了三個主要的階段：符號推理與感知機、機率學習與知識庫、深度學習與知識圖譜。目前的智慧型系統在感知方面已經達到甚至超越人類水平，但在可解釋性、魯棒性、安全可靠等方面還存在很多不足。反觀人的認知系統則不同，認知理論認為人的認知系統包含兩個子系統：System 1即直覺系統，主要負責快速、無意識、非語言的認知，比如當人被問到一個問題的時候，可能下意識的或者說習慣性的回答，這就屬於System 1的範疇。System 2是邏輯分析系統，是有意識的、帶邏輯、規劃、推理以及可以語言表達的系統。人在通過System 2處理問題的時候，往往要收集相關數據、進行邏輯分析和推理，最終做出決策。今年在NeurIPS 2019大會上圖靈獎得主Yoshua Bengio指出當前的深度學習主要就在做System 1的事情，而缺少System 2所需要的推理和邏輯處理能力。發展具有認知能力的人工智慧系統是人工智慧發展的未來。這不僅是未來深度學習需要著重考慮的，更可能是下一代人工智慧興起的基礎。一個可行的思路是認知圖譜=知識圖譜+認知推理+邏輯生成，但如何實現認知智慧型亟需學術界和工業界的進一步深入研究。
