哲学|爱数的“认知”哲学智能

凯文·凯利在他的《必然》中，对未来世界做出过几项重要的预测，其中就有一个关键词叫做“知化”，所谓知化就是“赋予对象认知的能力”。
正如凯文·凯利在书中所总结的那样，“我们想要的不是人工智能，而是人工智慧。与一般的智能不同，智慧是专注的、能衡量的、专门化的，它还能够用完全不同于人类认知的方式思考。”
人工智能与人工智慧的区别，其实就是感知智能与认知智的区别。如果说感知智能只是打开了人工智能的那扇门，而认知智能才能让我们真正走进智能世界。

文章插图

7月9日，爱数发布了新的企业愿景：以数据重塑生产力，共创智能世界。爱数总裁贺鸿富表示，“未来的企业都将是数据驱动的，而数据驱动的核心要义是要实现认知智能。”显然，智能世界背后的支撑，也恰是基于认知智能所描绘的新蓝图。
人工智能还有90%的路要走完
IDC发布的《2020-2021中国人工智能计算力发展评估报告》显示：人工智能作为新基建的重要领域之一，将迎来快速增长，2020年中国人工智能市场规模将达到62.7亿美元，截至到2024年之前的年复合增长率高达30.4%。
市场规模的不断膨胀，源自人工智能与传统行业的结合。《智能时代：大数据与智能革命重新定义未来》中预言，传统的行业都将采用智能技术实现升级换代，也会改变原有的商业模式。
我们也看到，人工智能在应用端的创新如雨后春笋，无人驾驶、智能推荐等AI应用已经成为现实；在行业端，越来越多的企业将人工智能视为数字化转型的下一站。国家十四五规划和2035年远景目标中也多次提到人工智能技术，很明显，未来人工智能将改变千行百业，人工智能将会作为企业新的生产力而存在。

文章插图

但爱数品牌及人力副总裁李曼舞认为，企业在应用人工智能时依然存在很多 “世界级难题”：比如有效数据缺乏与高模型精度之间的矛盾，人工智能应用开发难度与人才难以匹配以及高昂的建设成本与收益的不确定性。
确如此言，很多企业对人工智能有一种误区，认为算法决定一切，但如果将一个应用形容成万米长跑，算法刚刚跑了一千米，场景还要跑完后面的九千米。而场景化的这九千米，就会造成大量的数据成本和不确定性。因为一个应用场景采用多种模型、每个模型训练都需要大量的样本数据支撑，场景和数据变化会导致原有模型不可用。
另外，对传统企业来说人才的难题也是一个“不可承受之重”，互联网公司的快速发展，已经“抢”走了最顶级的技术人才，传统企业很难去匹配相应的薪酬，自身业务情况，也不允许培养自己的技术人才。
再有，在数据层面，也存在组织使用人工智能的周期长、生效难的问题。AIOps 模型部署缺乏数据，需要采集的数据的周期，有故障风险风险，而且适应性差，不易调整等难题一直是企业通向智能化的阻碍。

文章插图

正是为了打破这些行业痛点，爱数将新愿景定位于：以数据重塑生产力，共创智能世界。其目的，就是联合一大批数字伙伴，帮助企业走向数据驱动型组织，并共同迈向智能世界。
从数据到知识,爱数的新“支点”
在讨论认知智能之前，我们先来谈一下“数据驱动型组织”。这是爱数在2020年提出的一个新的理念。
在传统流程驱动业务中，数据是副产物，业务人员通过基于行业经验和原有流程去做业务，数据主要是用于监测业务进展和洞察一些规律。而数据驱动意味着业务的核心是数据，企业要将内部和外部数据整合形成数据中台，来支撑业务的运转和创新。