<em id="1xhdj"><del id="1xhdj"></del></em>

        <b id="1xhdj"></b>
             
          您当前所在位置:首页 > 新闻资讯 > 行业资讯 > 正文

          在大数据分析的场景下,感知并不等于认知!

            在我的脑子里,“感知”和“认知”不是被严格定义的学术概念。两个概念常常被混用,而有时则希望能将它们分开。分开的时候,两者的边界又有一点模糊。一件小事,让我似乎明白了一点。
          昨天骑车买菜前,发现轮胎快没气了。而家里的打气筒却也找不到了。等我骑着沉重的车子走到小区北门,发现保安正在用打气筒帮人打气。于是我眼前一亮......
          过去,我似乎见过小区门口“提供打气筒”这种字眼。但是,我家里有自己的打气筒,即便见到这样的字眼,脑子里也几乎没有留下痕迹。但是,这次看到打气筒,却产生了一系列的联想和计划:马上在这里打气;以后没气了,可以过来打气;以后可以到更近的门去打气;家里不必再去找打气筒了......这种转变,其实就是“感知”到“认知”的转变——对“提供打气筒”的“视而不见”可以理解为单纯的感知,而通过与其他知识和需求的结合、认识到这条信息的价值则可称之为认知。
          对人类老说,感知和认知往往是瞬间发生的,人们甚至意识不到它的区别。在自动控制系统中,“感知”和“认知”往往也是同时发生的:系统采集到一个数字,就知道它代表温度、压力还是流量,就知道它的大小、甚至知道它是否正常。所以,人们往往不太注意区分这样的概念。

            但是,在大数据分析的场景下,感知并不等于认知——人们采到一大批的数据,希望知道这些数据意味着什么。比如,设备正常吗?运行合规吗? 研究AI的时候,更要区分这两个概念:采集到“提供打气筒”的图像,只是图像信息。要知道它的含义,先要转化成文字信息,再转化成语义信息。这个时候,就有必要区分感知和认知了。
              人的认知水平,很大程度上反映了人的智力和能力

          智利发生大地震时,有人就意识到铜的价格可能要升了(因为智利有大铜矿),趁机买入铜的期货;开车时,看到前面车子的速度变化、意识到要变道,于是提前应对;领导说了某句话,赶紧改变资金配置、以降低风险,这些其实都是认知上的能力。在我看来,认知就是从一种信息中提取或者发现更加深层次的知识,以便于更好地决策。
               从感知到认知,或许应该是AI的重要研究方向。但这种研究应该是和目的与手段相结合的。一条信息是否触发认知的深入,因人而异:如果我家的打气筒不坏,我就想不到这么多;如果不是搞金融的,恐怕也想不到智利地震可以用来赚钱。换句话说,认知是与需求和条件相关联的,而不是漫无目的的胡乱联想。
               马云最近说,人工智能不等于模仿人的智能,因为机器的智能可能比人更强大。其实,这个观点并不新鲜:几十年前,人类就认识到不要和计算机竞争计算速度和存储能力了。但AI领域关心的是:对人类很简单的问题,计算机却难以处理。比如,看到“提供打气筒”图像信息,人类立刻就知道它的含义。这个过程让计算机去做,就会很难。换句话说,传统AI学科研究的重点是针对计算机不如人的这一部分。对于这一部分问题,人类想不出别的更好的办法(或者说传统算法不行),才会想到模拟人的思维或学习机制。
               “计算机不如人类”的本质,或许是机器的认知能力差。认知能力差的本质,或许是计算机拥有的知识不足。传统上,计算机拥有的知识都是由人类通过编码写进去的。“计算机不如人类”这种现象的本质,是人类自身的知识难以用程序语言编码。所谓机器学习,就是让机器自己从数据中得到这些知识,而不用人类去编码。
              “机器学习”虽然取得了很大的成绩,但背后的关键之一却是人类给出的学习算法。人类还是要告诉计算机怎么学、学什么,这些还人编码的而要搞好学习算法,往往需要回过头来深入理解或模仿人类的思维过程,尤其是认知的过程。
               再回到“人工智能”与“机器智能”之辨问题:当感知和认知接近的时候,机器的“智能”完全有能力超过人类;当感知不等于认知时,机器和人之间存在差距。我认为,推进智能化的过程,一般是先把人做事的逻辑想清楚,再采用智能技术去优化。某种意义下,就是要发挥人在认知方面的优势。这样思考问题的好处,是容易得到人和机器都能扬长补短的技术路径,以取得更好的技术和经济可行性。
          来源:广西物联网 广西智能安防整理,仅用于交流学习如有异议请联系。

          万觅科技 (编辑:gxwmkj)
          精品 在线 视频 亚洲_亚洲 欧美 国产 综合