阿里云：
《思维的边界：认知智能-从感知智能迈向认知智能》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

这份报告围绕 “认知智能” 展开深度探讨，汇聚了创新工场、清华大学、阿里巴巴等机构专家的观点，从技术演进、研究突破、场景应用、核心模型与数据集等多维度，系统剖析了人工智能从感知智能迈向认知智能的关键路径与挑战，同时介绍了阿里研究院在该领域的实践成果。

一、认知智能的核心挑战与技术演进

在人工智能发展中，数据、算法、算力构成 “三轮驱动” 格局，但要实现从感知智能到认知智能的跨越，仍面临多重核心挑战。感知智能作为单轮交互模式，仅需接收输入并输出结果，不涉及复杂知识与推理，目前我国在该领域已达世界领先水平；而认知智能属于多轮交互，需结合知识图谱、常识进行复杂推理，全球范围内仍处于摸索阶段。

周明提出，当前人工智能存在 “基础技能缺失” 问题。人类依靠语言理解、计算等基础技能，面对新任务只需微调即可应对，而现有端到端预训练模型忽略基础技能，每次新任务都需从零设计，导致小样本学习（Few-shot）时数据量不足。他设想构建类似 SaaS 平台的基础技能库，各领域专家可在此基础上搭建领域知识库，实现知识传承与跨领域扩展，且这一基础技能库需兼顾通用性与领域专用性，底层为通用技能，深入领域后补充专属底层技能。

李涓子则指出，当前大模型虽能建模参数与多模态关系，但未上升到知识或认知层面。她提出两种突破思路：一是训练大模型时融入认知要素，二是构建 “知识库 + 大模型” 架构，从大模型中蒸馏知识，结合两者进行复杂推理。我国正按知识生命周期分领域建立知识图谱技术架构，为认知智能提供基础设施支撑。

二、人工智能的场景应用与实践挑战

在场景应用中，人工智能在提升效率与风控领域表现突出。以阿里双十一为例，智能客服可处理高并发场景下大量简单重复咨询，大幅提升服务效率；在风控方面，面对阿里平台十亿级商品，人工智能能高效筛选假冒伪劣商品，解决人工难以完成的任务。此外，人工智能还广泛应用于优酷赛事精彩片段实时制作、阿里鹿班智能设计、法庭记录角色识别等场景，不同场景对其应用需求层次各异，推动技术持续迭代。

不过，实践中仍存在三大挑战。一是准确率要求差异大，如钢铁厂钢材评级需极高识别准确率，否则直接影响产品价格，而网店智能客服在缓解人工压力时，对回答准确率要求相对较低；二是鲁棒性不足，测试阶段表现良好的数据，在实际场景加入随机噪音后，模型稳定性会大幅下降；三是样本量制约，互联网场景数据积累多、成本低，人工智能应用效果显著，而政企场景数据量少且复杂，对技术应用形成较大挑战。程璟还提出，未来人工智能或可探索主体转化，如从城市视角思考问题，以及在科学发现领域发挥更大作用，同时云计算将持续作为数字时代基础设施，为人工智能发展提供支撑。

三、超大规模预训练模型的创新与应用

苏中详细介绍了阿里在超大规模预训练模型领域的成果，指出人工智能已进入数据、算力、算法三轮驱动时代，2019 年成为 AI 大模型参数爆炸增长元年，从 GPT-2 开始，模型参数从 10 亿级逐步迈向千亿、万亿级，大模型在海量数据与强大算力支撑下，开始展现融会贯通的能力，甚至可能通过图灵测试。

阿里的中文多模态预训练模型 M6 极具代表性，2020 年启动后，参数规模从 3 亿逐步突破至万亿、十万亿级，在训练过程中攻克了计算机体系架构、海量计算、绿色计算等多方面挑战。M6 实现图片与文本协同学习，在电商领域应用广泛，如输入商品文字描述可生成对应高清晰度产品图，助力时装设计；输入产品图片能生成多条推广文案，满足商家营销需求。

超大规模中文预训练语言模型 PLUG 参数达 270 亿，是当时中文领域最大纯文本预训练模型，在语言理解与生成任务上表现优异，不仅刷新 Chinese GLUE 分类榜单记录，还能完成诗词创作、小说续写、菜谱生成等多样化任务，例如输入 “西红柿炒胡萝卜的做法”，可生成多种菜谱，输入《红楼梦》片段能进行合理续写。

大规模预训练模型 AliceMind 在 VQA（视觉问答）任务上取得重大突破，以 81.26% 的准确率超越人类 80.83% 的基准，在 “读图会意” 场景中，能准确回答复杂问题，展现出在复杂数据集上媲美甚至超越人类的能力，为认知智能中小样本、零样本学习问题的解决提供了新思路。

四、面向知识的可解释认知推理框架

李涓子团队提出面向知识的可解释认知推理框架，聚焦复杂问答（Complex QA）与可解释推理，指出认知的核心是知识获取与应用过程，第三代人工智能需实现可解释、安全可信，构建 “知识 + 数据 + 算法算力” 框架，图灵奖获得者也强调需结合表示学习与复杂推理，融合符号表示与深度学习。

复杂问答区别于简单问答，无法直接从文本或图片中获取答案，需具备多跳推理、计数、比较、逻辑运算等能力。现有语义解析、图神经网络、多步查询等方法存在可解释性差、知识处理类型有限等问题。为此，团队提出 “图 + 逻辑表示 + 推理” 的核心思路，图结构符合人类认知习惯，能显式表示知识，且适用于知识图谱、场景图等不同形式，结合深度学习工具可实现高效表征。

基于此思路，团队设计了知识导向编程语言（KoPL），由知识库上的原子函数构成，可将复杂问题转化为多步推理程序，具有高可解释性，便于人工修正与控制。KoPL 定义了知识库（含概念、实体、关系、属性、限定词）、14 个操作原子函数与 13 个查询原子函数，通过函数组合形成推理程序，在执行后可得到问题答案，不仅适用于知识库问答（KBQA），还能结合文本与大模型实现知识引导的复杂问答。

为推动推理程序自动化、智能化，团队构建了 KQA Pro 数据集，包含 117,970 个带推理程序的复杂问题，基于 FB15k-237 数据集扩展，融入 Wikidata 中的多种知识类型，保证问题复杂性与多样性。数据集构建过程严格，先通过模板生成大量问题，再由母语者重述使其更贴近自然语言，最后经多人评估筛选。实验表明，传统端到端模型在该数据集上准确率极低，而基于 KoPL 程序进行语义解析，能大幅提升问题理解准确率，且在零样本学习场景中表现出色，展现出强泛化能力。

五、总结与未来展望

文档总结指出，认知智能处于起步阶段，虽面临诸多未知，但前景广阔，需从知识、图谱、融合等方向探索突破。当前在感知智能领域已取得领先，但认知智能仍需攻克知识融合、可解释推理、小样本学习等关键问题。

未来发展方向明确，一是完善可扩展的推理函数库，增强认知推理框架的适用性；二是结合文本与预训练语言模型，拓展复杂问答的知识来源；三是探索多模态认知推理，融合多种信息形式提升推理能力；四是实现增量学习推理，允许对错误推理程序进行修正与优化，持续提升模型性能。同时，需推动认知智能在工业界的广泛应用，将搜索、问答、推理等能力落地到更多实际场景，释放技术价值。

【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：阿里云，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”

戳“阅读原文”下载报告。