神州泰岳人工智能认知+

对于当前人工智能和大数据发展的这个阶段，我们认为有两个挑战：技术创新和场景创新，当然大家提到的大数据应用的创新是一个关键的阶段。

在人工智能领域，分成两个方面，一方面是感知智能，有视觉识别和语音识别两个方向。另外，人工智能中比较挑战的领域是认知智能，因为认知智能背后的自然语言的语义识别技术比较难。当然，如果技术创新没有一个很好的基础，会导致场景创新没有那么大的力量。因此，我们知道大数据分析的很多应用并没有得到长足的进步，这是与技术创新有一定关系的。而当技术创新有了很好的进步时，大数据需要在垂直行业寻找更好的创新场景，垂直行业的场景创新依然很重要，在场景领域很难做出平台级的产品。

现在，机器学习以深度学习为代表已经成为一个算法基础。人工智能本身包括深度学习，它的历史有五六十年。为什么现在我们认为它有很大的应用价值，或者是有了很大的进步？

我认为有两个原因：第一是大数据的发展，为整个人工智能提供了支持，人工智能在整个机器学习的过程中需要有樣本、需要有可学习的数据，大数据使得这些可学习的样本更加丰富。第二是算力的发展，没有当前如此大的算力，同样的深度学习需要的周期，可能是我们无法承受的。

整个深度学习，在数据丰富以及算力这两个维度的支持下，使得感知智能发展取得了很大的成就。如果作为创业的选择，能在这些领域找到一定的场景挖掘，我认为是一件很有价值且很值得做的事。

为什么这样说？我认为有几个先天的优势：机器学习算法各位都可以学、可以掌握，是一个普惠的资源。而GPU带来的算力的提升，只要你有资本投入，这些事情都可以轻松地完成。另外，大数据的发展使得我们获取样本数据的困难在降低，加之政府逐步开放数据，因此数据的获取并不难。

综上几点所述，此时来做“众创”是一个很好的机会，从现实情况看，做场景创新的创业公司越来越多。

从认知角度考虑，我们认为认知智能在深度学习方面是达不到预期效果的。尤其是在行业领域深度学习还将面临三个挑战：缺乏足够丰富的样本数据，算法训练、调优、测试困难；来自中文歧义性的挑战，相同的含义不一样的表达，或者相同的表达不一样的含义；应答结果专业性的要求，应答准确性不可让步。

在神州泰岳，在智能认知领域有我们自己的技术：基于概念计算的智慧语义认知技术，这是一个自由的流派。

从具体的几个方面来看，我们要做概念识别，比如手里拿一个杯子，大家看到杯子时的概念是一样的，但语言不一样。有人叫杯子，有人叫茶具，有人叫杯具，如果说“杯具”，有可能是不好的意思。所以，我们通过符号化的表示，来表达真实的意思。此外我们可以实现多语种支持，而不需要分别处理。

应用创新和技术创新的支持不能简单粗暴，我们推出了非结构化大数据的文本分析挖掘平台，这个平台通过建模帮助大家实现很好的创新。并且，这个平台也是目前业界首款完全面向行业建模的平台。

基于这个平台，你在进行大数据创新的时候，不需要语料、不需要通过CPU，我们每秒处理15万汉字，大大降低了大数据的创新成本。基于这个理念，神州泰岳提出了“语义云”这一概念。我们会向各个行业输出，方便大家应用。

举例来看，我们做了一个智脑系统，就是报案分析，机器可以根据报案的信息进行分析，比如案件发生的时间、判断并识别案件中的关键信息等。目前，北京市公安系统已经在真正应用。

接下来，我们看一下这套系统的“疗效”，针对入室盗窃案情分析，北京市去年入室抢盗案件有22710起，串并规则19个，续串案总量2400起。依据分析线索，经过人工研判，实现串并案35个，每个串并案涉及10起左右案件，总计研判涉及未破案件362起，结果属实；使用引导式串并，发现3个串并案，共涉及27个案件，经研判属实；自动续串3起，经人工分析之后，确实属于续串案件。针对电信诈骗案情分析，分析案件总量7375起，实现串并总量765串。

总结下，神州泰岳人工智能认知+的三大战略理念是：

技术创新战略，以“平台化”策略驱动核心技术研发，围绕语义认知主题，开放语义认知平台“泰岳语义云”，吸引更多行业合作伙伴，共同打造语义认知生态链。

工具创新战略，以“智能化”策略驱动人工智能应用产品研发，围绕行业应用，以文字为载体，需要深度语义认知技术的应用场景，推出系列的智能化应用产品。

场景创新策略，以“云计算”策略驱动非结构化大数据应用产品研发，继续整合行业知识，在原有基础云服务基础上，挖掘行业应用内涵，推出系列大数据云服务产品。比如“智媒”腾讯智慧传播管理平台、证券研报分析云等。（根据演讲内容整理，未经本人审核）