2020 年 8 月 7 日，第五屆全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR 2020）在深圳正式開(kāi)幕。

CCF-GAIR 2020 峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）聯(lián)合承辦，鵬城實(shí)驗(yàn)室、深圳市人工智能與機(jī)器人研究院協(xié)辦。

作為中國(guó)最具影響力和前瞻性的前沿科技活動(dòng)之一，CCF-GAIR 大會(huì)已經(jīng)度過(guò)了四次精彩而又輝煌的歷程。在大會(huì)第二天的「視覺(jué)智能?城市物聯(lián)」專場(chǎng)上，暗物智能聯(lián)合創(chuàng)始人&CEO林倞博士，分享了暗物智能在人工智能前沿技術(shù)與產(chǎn)業(yè)化方面的思考與實(shí)踐。

林倞指出，目前很多成功的人工智能應(yīng)用大部分還是依賴于大數(shù)據(jù)計(jì)算泛式，需要針對(duì)各種復(fù)雜的場(chǎng)景收集多樣化的數(shù)據(jù)，使得其成本一直居高不下；另一方面，這些算法對(duì)噪聲比較敏感。因此，林倞認(rèn)為，即便對(duì)于被廣泛研究和應(yīng)用的感知層的智能，尤其是計(jì)算機(jī)視覺(jué)，目前系統(tǒng)還有很大的局限性，一是成本問(wèn)題，二是穩(wěn)定性、魯棒性并沒(méi)有達(dá)到或真正超越人的水平。

其次，林倞認(rèn)為，視覺(jué)跟語(yǔ)言的大部分理解是依靠想象和推測(cè)的，并不是依靠大數(shù)據(jù)的感知，因而AI系統(tǒng)自下而上的感知智能和自上而下的認(rèn)知智能不可分割，必須統(tǒng)一在一個(gè)計(jì)算過(guò)程中。

最后，大量實(shí)驗(yàn)表明，目前AI的智力水平不足12個(gè)月大的嬰兒，無(wú)法推測(cè)他人意圖，缺乏可解釋性。這引出林倞的第三個(gè)觀點(diǎn)，認(rèn)知人工智能必須要理解人的意圖，懂因果，可解釋。

基于這些情況，林倞介紹提出的五層認(rèn)知架構(gòu)，通過(guò)統(tǒng)一的人工智能操作系統(tǒng)和具有場(chǎng)景定義、任務(wù)描述能力的編程語(yǔ)言，實(shí)現(xiàn)高自然度人機(jī)交互。進(jìn)一步的，林倞介紹該架構(gòu)在教育行業(yè)的應(yīng)用實(shí)踐以及在游戲、金融等相關(guān)行業(yè)的拓展。

以下是林倞現(xiàn)場(chǎng)演講的全部?jī)?nèi)容，雷鋒網(wǎng)作了不改變?cè)獾木庉嬇c整理：

林倞：非常感謝CCF-GAIR平臺(tái)，我在2017年就作為嘉賓參加過(guò)論壇的分享，三年之后再來(lái)又見(jiàn)到很多老朋友。這次我主要從人工智能技術(shù)發(fā)展的角度來(lái)談?wù)劗a(chǎn)業(yè)化的新機(jī)遇，特別是目前備受關(guān)注的認(rèn)知推理技術(shù)；另一方面，我也著重介紹跨模態(tài)AI能力在產(chǎn)業(yè)中的實(shí)踐落地。

圖1. 人工智能發(fā)展現(xiàn)狀

首先，現(xiàn)在的人工智能發(fā)展到什么階段了呢？根據(jù)阿里巴巴達(dá)摩院2020年的科技趨勢(shì)報(bào)告，人工智能在“聽(tīng)、說(shuō)、看”等感知智能領(lǐng)域已經(jīng)達(dá)到或超越了人類水準(zhǔn)，但在需要外部知識(shí)、邏輯推理或者領(lǐng)域遷移等認(rèn)知智能領(lǐng)域還處于初級(jí)階段。對(duì)于這個(gè)趨勢(shì)的判斷我認(rèn)為是對(duì)的，但是從技術(shù)及產(chǎn)業(yè)應(yīng)用的角度來(lái)看，其實(shí)并沒(méi)有這么樂(lè)觀。

圖2. 大數(shù)據(jù)-小任務(wù)的研究范式

以計(jì)算機(jī)視覺(jué)為例，目前大部分成功的AI/CV應(yīng)用是依賴于大數(shù)據(jù)統(tǒng)計(jì)的研究范式。前沿的自監(jiān)督/無(wú)監(jiān)督以及神經(jīng)網(wǎng)絡(luò)搜索等算法，本質(zhì)上還是依賴于大規(guī)模標(biāo)注/未標(biāo)注的數(shù)據(jù)，擬合數(shù)以億計(jì)的參數(shù)，學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)以及其模型參數(shù)（參考于圖2）。另外，為了使得學(xué)習(xí)得到的模型能夠泛化到不同場(chǎng)景，需要為每一類物體，搜集大量的例子（涵蓋各種形狀、攝像頭視角、材質(zhì)、顏色、花紋、光照條件、遮擋等）并進(jìn)行人工標(biāo)注，每當(dāng)遇到新樣例或者新物體出現(xiàn)的時(shí)候，則一直重復(fù)這個(gè)過(guò)程，這也導(dǎo)致人工智能的應(yīng)用成本居高不下?，F(xiàn)有很多公司宣稱在一些任務(wù)上指標(biāo)達(dá)到驚人的99%，或者說(shuō)已經(jīng)達(dá)到甚至超過(guò)人類，基本都是通過(guò)這種方式實(shí)現(xiàn)的。

圖3.行人重識(shí)別隨機(jī)噪聲干擾系統(tǒng)

圖4.干擾前后行人再識(shí)別系統(tǒng)召回圖像示例

我們?cè)倏戳硪粋€(gè)例子，我們今年發(fā)表在CVPR上的工作，在行人再識(shí)別(Person Re-ID)問(wèn)題中驗(yàn)證AI模型的魯棒性 (如圖3)。我們?cè)谟?xùn)練好的行人再識(shí)別的模型中隨機(jī)地增加干擾信號(hào)并觀察其對(duì)性能的影響。我們發(fā)現(xiàn)，目前宣稱達(dá)到或者超越人類的行人再識(shí)別算法，其精度從宣稱的99%降到1.4%，降幅超過(guò)90%。如圖4所示，我們可視化部分干擾前后的檢索圖像，綠色框是在加入干擾之前目前行人再識(shí)別系統(tǒng)給出的最相似圖像，其相似度是非常高的，但是在加入干擾之后，則召回的都是在外觀特征上差異非常大的圖像。

上述例子說(shuō)明，即使是對(duì)于感知層的任務(wù)，例如計(jì)算機(jī)視覺(jué)，目前的AI/CV 算法的應(yīng)用依舊存在較大的局限性。其一是成本非常高，其二是算法的穩(wěn)定性和魯棒性遠(yuǎn)沒(méi)有達(dá)到人類的水平。

我們?cè)倏匆粋€(gè)比較有趣的例子。1944年Heider-Simmel提出了一個(gè)著名的視覺(jué)認(rèn)知實(shí)驗(yàn)：給定一個(gè)抽象的動(dòng)圖，把三個(gè)幾何體帶入進(jìn)行想象，大的三角形表示男人，小三角形表示女人，小圓點(diǎn)代表小孩，我們需要從動(dòng)圖中思考，他們?cè)谀睦?？發(fā)生了什么？根據(jù)這些幾何體簡(jiǎn)單的運(yùn)動(dòng)，人類可以從中感受到豐富的人物、性格、意圖等社會(huì)屬性。這說(shuō)明人類基于自身認(rèn)知，可以根據(jù)簡(jiǎn)單的視覺(jué)信息推理出背后更豐富的邏輯和因果信息。

另一方面，通過(guò)腦科學(xué)研究發(fā)現(xiàn)，人的大腦皮層感知區(qū)和認(rèn)知推理區(qū)域是不可分割的，其中，大概有1%的區(qū)域處理客觀的視覺(jué)感知，而有10倍于此的區(qū)域根據(jù)視覺(jué)感知的信息進(jìn)行自頂而下的推理。由此可見(jiàn)，人類對(duì)視覺(jué)和語(yǔ)言的理解，大部分是依賴于想象和推測(cè)，而不是依靠于大數(shù)據(jù)感知。因此，我認(rèn)為，感知智能和認(rèn)知智能不可分割，必須統(tǒng)一在一個(gè)計(jì)算過(guò)程中。人腦是這樣，未來(lái)的AI系統(tǒng)也是如此。

圖5. 基于知識(shí)圖的精細(xì)化物體識(shí)別和視覺(jué)問(wèn)答推理

基于上述觀察和討論，目前產(chǎn)學(xué)各界提出一個(gè)新的研究思路：在深度表達(dá)學(xué)習(xí)的基礎(chǔ)上，引入知識(shí)圖譜以及基于圖的推理，就能進(jìn)一步實(shí)現(xiàn)認(rèn)知智能?，F(xiàn)有的很多白皮書(shū)以及產(chǎn)業(yè)報(bào)告都認(rèn)同這個(gè)研究思路，我們團(tuán)隊(duì)基于這個(gè)研究思路也做了非常多嘗試，例如，我們團(tuán)隊(duì)把知識(shí)圖推理和深度表達(dá)學(xué)習(xí)結(jié)合在一起，實(shí)現(xiàn)精細(xì)化的物體識(shí)別和大規(guī)模物體檢測(cè)，論文分別發(fā)表于IJCAI 2018和NIPS 2018；也通過(guò)構(gòu)建常識(shí)規(guī)則庫(kù)，促進(jìn)視覺(jué)問(wèn)答推理任務(wù)。盡管這些方法采用了更接近人類的認(rèn)知模式，也取得不錯(cuò)的效果，這類系統(tǒng)還是距離我們理想中的認(rèn)知AI有較大的差距。

早期神經(jīng)和心理學(xué)實(shí)驗(yàn)表明，12個(gè)月大的嬰兒就能夠理解父母或者親人的意圖，也能通過(guò)手指的方式去表達(dá)意圖。而這種能力是目前的AI系統(tǒng)所欠缺的：既無(wú)法理解人類或者服務(wù)對(duì)象的意圖，也無(wú)法解釋識(shí)別或者決策背后的目的和邏輯。所以如何實(shí)現(xiàn)高自然度的人機(jī)協(xié)同與互動(dòng)一直是困擾我們的難題，在產(chǎn)業(yè)應(yīng)用中落地起來(lái)也很不容易。

美國(guó)國(guó)防高級(jí)研究計(jì)劃局(Defense Advanced Research Projects Agency，DARPA)發(fā)布XAI計(jì)劃(如圖6)，計(jì)劃指出，目前人工智能研究是通過(guò)大數(shù)據(jù)的學(xué)習(xí)來(lái)實(shí)現(xiàn)，當(dāng)我們得到AI的結(jié)果后，對(duì)于為什么會(huì)有這樣的結(jié)果、什么時(shí)候會(huì)更好、什么時(shí)候會(huì)失敗、我們能不能信賴AI等一系列問(wèn)題，用戶并不知曉。也就是說(shuō)，目前的人工智能系統(tǒng)，遠(yuǎn)沒(méi)有達(dá)到可解釋和可信賴的階段。針對(duì)這些問(wèn)題，我們團(tuán)隊(duì)已經(jīng)開(kāi)展了較長(zhǎng)時(shí)間的研究了，其實(shí)DARPA展示未來(lái)的“Explainable Model”(圖6下半部分)就是DMAI創(chuàng)始人朱松純教授的研究成果。該模型不僅可以預(yù)測(cè)任務(wù)的結(jié)果，還可以進(jìn)一步知道得到該結(jié)果的原因、知道在什么情況下模型可以成功預(yù)測(cè)以及什么情況下會(huì)錯(cuò)誤預(yù)測(cè)等,相關(guān)的工作發(fā)表在去年的《科學(xué)》子刊上。這也引出了第三個(gè)觀點(diǎn)，認(rèn)知人工智能必須要理解人的意圖，懂因果，可解釋。

圖6. 可解釋可信賴的人工智能系統(tǒng)

圖7. 暗物智能科技公司團(tuán)隊(duì)成員

這里順便介紹一下我們團(tuán)隊(duì)，由朱松純教授領(lǐng)銜創(chuàng)立的暗物智能科技DMAI， 2017年底在美國(guó)洛杉磯成立，2018年搬遷至廣州，目前在中國(guó)廣州和美國(guó)洛杉磯都有研發(fā)中心。公司致力于推進(jìn)“小數(shù)據(jù)、大任務(wù)”的研究范式，探索人工智能在認(rèn)知層面的新突破，實(shí)現(xiàn)真正的高自然度的人機(jī)交互和協(xié)同。

圖8. DMAI陪伴機(jī)器人原型系統(tǒng)

圖8是我們公司研發(fā)的第一個(gè)陪伴機(jī)器人原型系統(tǒng)，這個(gè)樣機(jī)于2017年底研發(fā)出第一個(gè)版本，可以通過(guò)豐富的方式跟人交互，能看到、能聽(tīng)懂、能回復(fù)、甚至能知道計(jì)算數(shù)學(xué)背后的因果邏輯，并且跟用戶進(jìn)行多種方式的交互。目前這個(gè)產(chǎn)品已經(jīng)通過(guò)多種形式和渠道在中國(guó)和美國(guó)市場(chǎng)逐步落地應(yīng)用了。

圖9. DMAI五層認(rèn)知架構(gòu)

在這樣的人機(jī)交互協(xié)作的背后，就是DMAI提出的五層認(rèn)知架構(gòu)，如圖9所示。最底層是IoT物聯(lián)網(wǎng)層，包括傳感器和控制部件，主要實(shí)現(xiàn)音視頻信息獲取以及交互指令輸出和執(zhí)行；往上第二層是感知層，包括基于機(jī)器學(xué)習(xí)的音視頻多模態(tài)分析，可以分析包括人臉人體屬性/行為、手勢(shì)動(dòng)作、物體類別、語(yǔ)音轉(zhuǎn)錄信息等；第三層是進(jìn)一步的推理調(diào)度層，包括場(chǎng)景和任務(wù)定義、任務(wù)調(diào)度和規(guī)劃、以及邏輯推理等相關(guān)算法；第四層是知識(shí)和意圖建模層，為第三層的邏輯推理和任務(wù)調(diào)度提供額外的知識(shí)支撐；第五層則是更高的人類常識(shí)和社會(huì)價(jià)值層。基于這個(gè)架構(gòu)，我們打造了相應(yīng)的人工智能操作系統(tǒng)及編程語(yǔ)言，并且延展出在不同的應(yīng)用場(chǎng)景中的產(chǎn)品和解決方案。

圖10. DMAI新一代人工智能操作系統(tǒng)

首先，從操作系統(tǒng)角度來(lái)說(shuō)，底層的Windows、Linux、Android，他們管理的是計(jì)算機(jī)的資源，包括軟件和硬件，提供的是計(jì)算機(jī)的圖形化服務(wù)。而對(duì)于人工智能操作系統(tǒng)來(lái)說(shuō)，其主要的目的是針對(duì)特定領(lǐng)域任務(wù)，實(shí)現(xiàn)不同類型的AI能力的自動(dòng)化調(diào)度，例如集成調(diào)度視覺(jué)、語(yǔ)音、文字以及相關(guān)運(yùn)動(dòng)控制等AI能力(資源)，在特定的應(yīng)用場(chǎng)景下實(shí)現(xiàn)多模態(tài)的人機(jī)協(xié)作與交互，比如虛擬教師、個(gè)人助理方面的應(yīng)用中都有很多這類場(chǎng)景。

圖11. DMAI描述知識(shí)、任務(wù)、價(jià)值體系的AI編程語(yǔ)言

除了調(diào)度系統(tǒng)本身以外，怎么去定義一個(gè)領(lǐng)域的任務(wù)以及實(shí)現(xiàn)一個(gè)任務(wù)的流程，是另外一個(gè)難題。為此，我們做了另外一件事情，設(shè)計(jì)一個(gè)描述知識(shí)、任務(wù)、價(jià)值體系的AI編程語(yǔ)言DMPL。目前的人工智能系統(tǒng)一直在強(qiáng)調(diào)算法、算力、以及數(shù)據(jù)，我們認(rèn)為更重要的是場(chǎng)景以及面向場(chǎng)景的任務(wù)，如果拋開(kāi)場(chǎng)景和任務(wù)談AI算法，是不切實(shí)際的。假如我需要描述一個(gè)場(chǎng)景或者任務(wù)，可以通過(guò)DMPL編程語(yǔ)言以及我們的開(kāi)發(fā)平臺(tái)，把場(chǎng)景和任務(wù)相關(guān)的模型、場(chǎng)景、價(jià)值以及流程定義且描述出來(lái)，最后部署集成到人工智能操作系統(tǒng)，通過(guò)操作系統(tǒng)的調(diào)度和智能分析算法運(yùn)行。

綜上所述，為推進(jìn)高自然度人機(jī)協(xié)作為導(dǎo)向的人工智能，實(shí)現(xiàn)小數(shù)據(jù)、大任務(wù)的研究范式，我們研發(fā)和設(shè)計(jì)了兩個(gè)基礎(chǔ)平臺(tái)：第一個(gè)是具有調(diào)度能力的綜合人工智能能力的平臺(tái)；第二個(gè)是能定義場(chǎng)景、描述任務(wù)的編程語(yǔ)言。我們平臺(tái)可以支持多平臺(tái)的部署方式，計(jì)算能力可以根據(jù)實(shí)際需要放在云上或者端上，實(shí)現(xiàn)云端融合的計(jì)算，以支撐不同的應(yīng)用。

在平臺(tái)研發(fā)和設(shè)計(jì)過(guò)程中，我們也一直在探索怎么把認(rèn)知人工智能及多模態(tài)人工交互技術(shù)應(yīng)用于具體的產(chǎn)業(yè)實(shí)踐中。針對(duì)這個(gè)問(wèn)題，我們公司選擇的賽道是教育，特別是自適應(yīng)、個(gè)性化的陪伴型教育。通過(guò)廣泛的調(diào)研和分析，我們對(duì)教育行業(yè)有以下幾點(diǎn)的總結(jié)：

第一，教育對(duì)真正的強(qiáng)交互人工智能提出了很大的挑戰(zhàn)，教育行業(yè)的核心是能夠像老師一樣教育和輔導(dǎo)學(xué)生，幫助老師提高教學(xué)效率和協(xié)助提高學(xué)生的學(xué)習(xí)興趣和效能，這需要依托于高自然度強(qiáng)交互的AI能力。對(duì)此，我們研發(fā)學(xué)齡前兒童個(gè)性化、自適應(yīng)的陪伴式學(xué)習(xí)，該產(chǎn)品已經(jīng)在美國(guó)落地了，就是陪小孩學(xué)習(xí)英語(yǔ)和數(shù)學(xué)的桌面機(jī)器人；

第二，教育對(duì)高度智能化認(rèn)知推理智能提出了很大挑戰(zhàn)，針對(duì)中小學(xué)生的自動(dòng)化講題、輔導(dǎo)和批改可以更大程度降低老師和家長(zhǎng)的工作負(fù)擔(dān)，對(duì)提升學(xué)生學(xué)習(xí)積極性也有很大幫助。對(duì)此，我們研發(fā)集講題、輔導(dǎo)和批改為一體的學(xué)習(xí)服務(wù)平臺(tái)，通過(guò)構(gòu)建中小學(xué)知識(shí)體系，并基于該知識(shí)體系研發(fā)類腦推理系統(tǒng)，實(shí)現(xiàn)全自動(dòng)、標(biāo)準(zhǔn)化、自適應(yīng)地題目批改和講解；

第三，現(xiàn)在的線上教育行業(yè)發(fā)展非常快，如何針對(duì)多模態(tài)音視頻信息，有效分析老師和學(xué)生教學(xué)情況，形成對(duì)教情學(xué)情的分析，對(duì)規(guī)范化和促進(jìn)線上教學(xué)，至關(guān)重要。為此，我們研發(fā)AI互動(dòng)在線教育平臺(tái)，該平臺(tái)融合多模態(tài)AI技術(shù)，打造全方位、跨平臺(tái)的AI可視化教學(xué)分析系統(tǒng)。

接下來(lái)我們?cè)敿?xì)闡述，如何把我們的人工智能操作系統(tǒng)和編程語(yǔ)言應(yīng)用到上述教育行業(yè)幾個(gè)垂直化的產(chǎn)業(yè)實(shí)踐：

我們第一款產(chǎn)品是諳心學(xué)伴，如圖12，這是一款家庭陪伴教育終端，這款產(chǎn)品目前在美國(guó)亞馬遜賣了數(shù)萬(wàn)套，是美國(guó)排名第一的電子類教育產(chǎn)品，該產(chǎn)品用到豐富的多模態(tài)分析算法，包括人臉識(shí)別、人臉表情/屬性分析、道具/卡片識(shí)別、以及語(yǔ)音識(shí)別等，其中核心模塊和軟件也通過(guò)與企業(yè)合作的形式逐步在國(guó)內(nèi)市場(chǎng)展開(kāi)銷售。我們?cè)诋a(chǎn)品開(kāi)發(fā)和體驗(yàn)過(guò)程中看到，人工智能操作系統(tǒng)并不是針對(duì)單點(diǎn)AI算法非常高的識(shí)別率，例如，對(duì)道具的識(shí)別做到99.0%或99.5%實(shí)際上沒(méi)有太明顯的區(qū)別，關(guān)鍵是以任務(wù)為導(dǎo)向，智能化地調(diào)度各個(gè)AI算法，把用戶體驗(yàn)做到極致。為了切實(shí)推進(jìn)產(chǎn)品化落地，我們也投入了很多成本做非核心AI能力的產(chǎn)品，包括原創(chuàng)生產(chǎn)很多動(dòng)畫(huà)內(nèi)容，以及設(shè)計(jì)很多認(rèn)知啟發(fā)、思維引導(dǎo)的體驗(yàn)。這是我們的第一個(gè)例子，通過(guò)人機(jī)交互的方式改善幼兒語(yǔ)言學(xué)、啟蒙學(xué)的教學(xué)。

圖12. DMAI諳心學(xué)伴，家庭陪伴教育終端

我們公司第二款產(chǎn)品是針對(duì)中小學(xué)教育市場(chǎng)，集解題、講題、輔導(dǎo)、批改為一體的學(xué)習(xí)服務(wù)平臺(tái)。為此，我們首先對(duì)中小學(xué)教育知識(shí)體系進(jìn)行結(jié)構(gòu)化建模，其次，我們研究教學(xué)過(guò)程的理解和描述，并設(shè)計(jì)類腦運(yùn)算的系統(tǒng)，做到在不依賴于題庫(kù)的情況下自動(dòng)化推理其解題過(guò)程。圍繞教學(xué)任務(wù)，我們還研究中英文和公式的識(shí)別和結(jié)構(gòu)化解析、語(yǔ)音識(shí)別理解以及針對(duì)高自然度語(yǔ)音合成等智能算法。其次，該平臺(tái)還支持智能講題，通過(guò)動(dòng)畫(huà)提示、語(yǔ)音/文字引導(dǎo)等多種方式，協(xié)助學(xué)生梳理其解析思路和邏輯。最后，該平臺(tái)在一些易錯(cuò)點(diǎn)和難點(diǎn)上實(shí)現(xiàn)個(gè)性化講解和輔導(dǎo)，即根據(jù)學(xué)生的掌握情況，自適應(yīng)選擇解題和講題過(guò)程，實(shí)現(xiàn)自適應(yīng)教學(xué)?；趶?qiáng)交互AI的自動(dòng)化解析和講題，可以降低老師和家長(zhǎng)的工作負(fù)擔(dān)，以及彌補(bǔ)優(yōu)質(zhì)師資缺失的問(wèn)題，是AI進(jìn)入教育產(chǎn)業(yè)的核心價(jià)值。

圖13. DMAI集解題、講題、輔導(dǎo)、批改為一體的學(xué)習(xí)服務(wù)平臺(tái)

我們看到很多講AI的應(yīng)用，雖然有很多刷臉、支付、安全類的，但并沒(méi)有解決太多的問(wèn)題，幾十年來(lái)沒(méi)有這些東西也沒(méi)什么，不能刷臉可以用指紋，可以用密碼。但是AI真正能體現(xiàn)價(jià)值，能替代人部分智能的能力，或者說(shuō)延展人的能力，這才是最有價(jià)值的，我們覺(jué)得關(guān)注智慧城市，應(yīng)該關(guān)注它的主體，關(guān)注每一個(gè)人，所以我們公司一直希望提升人類的福祉，以智慧生活為導(dǎo)向。

因此，我們公司除了在教育行業(yè)落地以外，我們也基于認(rèn)知AI的能力形成綜合的AI解決方案，并在金融、游戲和電競(jìng)等方向做了延展。今年，我們跟一家主板上市企業(yè)吉比特做了一個(gè)案例：游戲NPC智腦平臺(tái)。該平臺(tái)以人工智能操作系統(tǒng)和編程語(yǔ)言為基礎(chǔ)，具體場(chǎng)景任務(wù)定義和智能算法調(diào)度的能力，使得“智腦”NPC具有更加擬人化的思考、交互、和行動(dòng)能力。具體地，NPC以生存目標(biāo)為驅(qū)動(dòng)，會(huì)因價(jià)值觀而異，能自主思考和行動(dòng)，自主選擇演化路線，能夠理解人類語(yǔ)言并與玩家進(jìn)行自動(dòng)化交互。這是我們今年做的初步嘗試，我覺(jué)得未來(lái)以認(rèn)知推理和多模態(tài)分析為基礎(chǔ)的人工智能技術(shù)，會(huì)應(yīng)用在很多領(lǐng)域的應(yīng)用場(chǎng)景。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

圖14. 基于強(qiáng)認(rèn)知AI的能力輸出和行業(yè)拓展

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。