華為雲知識計算,助力企業構建可持續傳承的知識體系

　　從計算智能，到感知智能，再到認知智能，是業界普遍認同的人工智慧技術發展路徑。隨著技術的演進，人工智慧已經在「聽、說、看」等感知智能領域達到或超越了人類水準，但是在需要邏輯推理的認知智能領域還處於初級階段。當前被廣泛使用的深度學習方法容易受到對抗樣本的幹擾已經是研究者們達成的共識，追其根本原因，張鈸院士曾總結為：大家只是在燈亮的方向對模型修修補補，沒有向人類深入學習。更為具體的是：沒有在數據驅動的基礎上引入知識，沒有改變深度學習網絡的模型與結構。

　　那麼，引入了知識的人工智慧，將給產業帶來怎樣的改變呢？

　　11月12日，華為雲知識圖譜負責人鄭毅博士在我國人工智慧領域頂尖學術會議—2020全國知識圖譜與語義計算大會（CCKS）上帶來《知識計算即服務：賦能企業知識化轉型》主題演講。

　　鄭毅博士認為，各行各業在發展的過程中沉澱了大量的知識，比如生產系統中的機理模型、豐富的技術典籍文獻、專家大腦裡面的寶貴經驗、方法總結、測試報告等等。但是這些知識分散在不同部門，分散在不同地域，分散在不同介質中。對於一些專業領域，例如石油勘探，煤焦化配比，行業經驗都沉澱在專家頭腦中，新進人員需要漫長的學習過程才能逐漸掌握業務所需的知識，這些知識都無法做到高效傳承，嚴重製約了企業業務的拓展。企業亟需一個內部的平臺，將專家的寶貴知識，整理成統一的知識底座，消除知識孤島，實現知識標準化、共享化和智能化，構建可持續傳承的知識體系。

　　在工業領域，工業機理模型是工業生產的核心，而由於認知程度、假設因素、計算簡化等眾多因素，機理模型在實際運用中往往會產生偏差。用打靶做個比喻，機理模型可以保證打中靶標，但是穩定命中靶心還是很難。通過知識計算，把機理模型帶入深度神經網絡，一起參與大規模數據驅動的運算，就可以實現二者的優勢融合，將打靶的水平穩定到10環，彌補機理模型局限。

　　為助力企業知識化轉型，華為雲推出業界首個全生命周期知識計算解決方案，賦能企業構建屬於自己的知識計算平臺。該方案提供從知識獲取、知識建模、知識管理到知識應用的全流程服務，形成知識全生命周期的管理及使用。

　　如今，知識計算正在成為行業知識與 AI 結合的一條全新且高效的路徑，逐漸被應用到各類行業場景中，使能企業進行知識化轉型。知識計算不僅能夠賦能機器，還可以賦能於人，讓專家經驗直達一線，大幅提升行業從業人員的工作能力。在汽車領域，一汽通過使用知識計算平臺可以讓4S門店一次修復率提升4%、等待時間下降23%，讓車企專家培養周期縮短30%。在油氣領域的儲層識別場景中，華為雲知識計算解決方案將多源異構數據、空間地質關係、錄井傳感器特徵等進行聯合表徵，通過結合聯合表徵與深度學習預測模型，使得符合率提升6%，通過一站式知識圖譜流水線平臺降低了圖譜構建維護門檻，提升了知識建模及更新的效率，縮短了70%的油氣層評估時間。鄭毅表示知識計算已經在知識聚合、降本增效、增儲上產等多方面為油氣企業帶來了巨大價值。

　　人們常說，知識就是力量。知識計算將深度改變知識的使用方式，再次釋放知識的強大⼒量，突破當下的 AI 認知瓶頸，全方位地賦能企業，提高產業智能化程度，實現商業場景的迭代和升級，讓AI真正做到普惠大眾。