导读：近日，清华大学计算机系教授、系副主任，智谱AI 首席科学家唐杰在 MEET 2021 智能未来大会上作了题为《认知图谱人工智能的下一个瑰宝》的精彩演讲。

唐教授在演讲中首先简单介绍了人工智能的三个时代：符号智能感知智能认知智能。提出现在需要探讨的问题是：计算机有没有认知？计算机能不能做推理？甚至计算机到未来有没有意识能够超过人类？

唐教授表示，当前认知 AI 还没有实现，我们急需做的是一些基础性的东西（AI 的基础设施），比如知识图谱的构建，知识图谱的一些认知逻辑，包括认知的基础设施等。

作者：唐杰

来源：学术头条（ID：SciTouTiao）

AI 的下一次机遇在哪里？

自 1956 年 AI 的概念首次被提出，至今已有 60 多年的发展史。如今，随着相关理论和技术的不断革新，AI 在数据、算力和算法“三要素”的支撑下越来越多地走进我们的日常生活。

但是，这一系列惊喜的背后，却是大多数 AI 在语言理解、视觉场景理解、决策分析等方面的举步维艰：这些技术依然主要集中在感知层面，即用 AI 模拟人类的听觉、视觉等感知能力，却无法解决推理、规划、联想、创作等复杂的认知智能化任务。

当前的 AI 缺少信息进入“大脑”后的加工、理解和思考等，做的只是相对简单的比对和识别，仅仅停留在“感知”阶段，而非“认知”，以感知智能技术为主的 AI 还与人类智能相差甚远。

究其原因在于，AI 正面临着制约其向前发展的瓶颈问题：大规模常识知识库与基于认知的逻辑推理。而基于知识图谱、认知推理、逻辑表达的认知图谱，则被越来越多的国内外学者和产业领袖认为是“目前可以突破这一技术瓶颈的可行解决方案之一”。

从 1950 年开始创建人工智能系统，到 1970 年开始深入的让计算机去模仿人脑，再到 1990 年计算机学家意识到计算机是 “参考” 人脑而不是完全的 “模仿”。现在我们更是处于一个计算机的变革时代，我们应该用更多的计算机思维来做计算机的思考，而不是人的思考。

现在人们需要思考的是：如何以计算机的方式做认知？唐教授谈到，可以结合两种方法去实现。

第一个从大数据的角度上做数据驱动，把所有的数据进行建模，并且学习数据之间的关联关系，学习数据的记忆模型；第二个是要用知识渠道，构建知识图谱。

不过，只这两个方面还是远远不够的。唐教授指出：真正的通用人工智能，我们希望它有持续学习的能力，能够从已有的事实、从反馈中学习到新的东西，能够完成一些更加复杂的任务。

唐教授从人的认知和意识中抽象出来了9 个认知 AI 的准则：

适应与学习能力

定义与语境化能力

自我系统的准入能力

优先级与访问控制能力

召集与控制能力

决策与执行能力

错误探测与编辑能力

反思与自我监控能力

条理与灵活性之间的能力

在这 9 个准则的基础上，提出了一个全新的认知图谱的概念，包括三个核心：

常识图谱。比如说高精度知识图谱的构建，领域制度的应用系统，超大规模城市知识图谱的构建，还有基于知识图谱的搜索和推荐等。

逻辑生成。与计算模型相关，需要超大规模的预训练模型，并且能够自动进行内容生成。

认知推理。即让计算机有逻辑推理和思维能力，像人一样思考。

唐教授表示，知识图谱+深度学习+认知心理，打造知识和认知推理双轮驱动的框架，将是接下来一个重要的研究方向。

以下为唐教授演讲实录（稍有删减）：

01 机器思考vs人类思考

为什么叫认知图谱？首先来看一下人工智能发展的脉络，从最早的符号智能，再到后面的感知智能，再到最近，所有人都在谈认知智能。我们现在需要探讨计算机有没有认知，计算机能不能做认知，计算机能不能做推理，甚至计算机到未来有没有意识，能够超过人类。

人工智能发展到现在已经有三个浪潮，我们把人工智能叫做三个时代，三个时代分别是符号 AI、感知 AI 和认知 AI。认知 AI 到现在没有实现，我们正在路上。

那现在急需的东西是什么？是一些基础性的东西，比如说里面的认知图谱怎么构建，里面认知的一些逻辑，包括认知的基础设施怎么建，这是我们特别想做的一件事情。

做这个之前，我们首先回顾一下机器学习。提到机器学习，很多人立马就说我知道机器学习有很多分类模型，比如说决策树，这里最左边列出了分类模型、序列模型、概率图模型，再往右边一点点就是最大化边界，还有深度学习，甚至再往下循环智能，再往右就是强化学习，深度强化学习，以及最近我们大家提到更多的无监督学习，这是机器学习的一个档位。

那么，机器学习离我们的认知，到底还有多远呢？我们要看一看这个认知以及人的思考，包括人的认知到底怎么回事。

于是，我看了很多诺贝尔奖和图灵奖得主的资料，大概整理出了这样一页 PPT。下面是人的思考，在人的思考中得到所有的模型，上面是计算机图灵奖跟认知相关的信息。

在 1900 年初的时候，就有神经系统结构。后来到 1932 年左右有神经元突触的一个诺奖，再到 60 年代有神经末梢传递机制，到 1975 年左右有了视觉系统，到近年也就是 20 年前才有了嗅觉系统，直到二零一几年的时候我们才有了大脑怎么定位导航，以及大脑的机理是怎么回事，这是诺奖。

我们看一下计算机怎么思考的，即机器思考。在 1950 年左右创立了人工智能系统，但是 1970 年左右大家开始拼命去模仿人脑，我们要做一个计算机，让他跟人脑特别相同。但到 1990 年左右，计算机学家们突然发现我们没有必要模仿，我们更多的是要参考人脑，参考脑系统，做一个让计算机能做更多的机器思考，机器思维。

所以我们在这个时代，可以说是一个计算机革命的一个变革，我们用更多的计算机思维来做计算，来做计算机的思考，而不是人的思考。

最后，我们出现了概率图模型、概率与因果推理还有最近的深度学习。当然，有人会说，到最后你还在讲机器学习，在讲一个模型，这个离我们真正的是不是太远了？

我举另外一个例子，Open AI。我们要建造一个通用人工智能，让计算机系统甚至能够超越人，在过去几年连我自己都不信，我觉得通用人工智能很难实现。Open AI 做了几个场景，在受限场景下，比如游戏环境下已经打败了人类。上面的几个案例甚至开放了一些强化学习的一些框架，让大家可以在框架中进行编程。

下面就是最近几年最为震撼的。两年前 Open AI 做了 GPT，很简单，所有人就觉得是语言模型，并没有做什么事情；去年做的 GPT-2，这时候做出来的参数模型也没有那么大，几十亿的参数模型做出来的效果，我估计很多人都玩过，有一个 Demo，叫 talk to transformer，就是跟翻译来对话，你可以输入任何文本，transformer 帮你把文本补齐。

但是今年 6 月份的时候，Open AI 发布了一个 GPT-3，这个模型，参数规模一下子达到了 1750 亿，数量级接近人类的神经元的数量，这个时候给我们一个震撼的结果，计算机的参数模型，至少它的表示能力已经接近人类了。

也就是说在某种理论证明下，如果我们能够让计算机的参数足够好足够充足的话，他可能就能跟人的这种智商表现差不多。

这时候给我们另外一个启示，我们到底是不是可以直接通过计算机的结果，也就是计算的方法得到一个超越人类的通用人工智能？

我们来看一下，这是整个模型过去几年发展的结果。几乎每年参数规模是 10 倍左右的增长，右边的图给出了自然语言处理中最近几年的快速变化，几乎是一个指数级的变化，可以看到，前几年变化相对比较小，今年出了 GPT-3，谷歌到了 6000 亿的产出规模，明年可能还会到万亿级别。所以这是一个非常快速的增长。

现在给我们另外一个问题，我们到底能不能用这种大规模、大算力的方法，大计算的方法，来实现真正的人工智能呢？这是一个问题。

当然另外一方面，大家看到也是另外一个痛点，所有训练的结果，大家看一下，GPT-3 如果用单卡的训练需要 355 年，整个训练的成本达到几亿的人民币，一般的公司也做不起来。现在另外一个问题就是，就算是有美团这样的大公司做了这个模型，是不是大家都可以用了，是不是就够了？

这是一个例子，左边是模型，右边是结果。第一个是长颈鹿有几个眼睛？GPT-3 说有两个眼睛，没有问题。第二个，我的脚有几个眼睛？结果是也有两个眼睛，这就错了。第三个是蜘蛛有几个眼睛？8 个眼睛。第四个太阳有几个眼睛？一个眼睛。最后一个呢，一根草有几个眼睛？一个眼睛。

可以看到，GPT-3 很聪明，可以生成所有的结果，这个结果是生成的，自动生成出来的，但是它有一个阿喀琉斯之踵，它其实没有常识。

02 什么是知识图谱？

我们需要一个常识的知识图谱。

2012 年的时候谷歌发出了一个 Knowledge Graph，就是知识图谱，当时概念就是，我们利用大量的数据能不能建一个图谱？于是在未来的搜索中，我们自动把搜索结果结构化，自动结构化的数据反馈出来。

知识图谱不仅可以包括搜索引擎，另外一方面可以给我们计算带来一些常识性的知识，能不能通过这个方法帮助我们未来的计算呢，这给我们引出了另外一个问题。

其实知识图谱在很多年前就已经发展，从第一代人工智能，就是符号 AI 的时候就开始在做，当时就在定义知识图谱，就在定义这个符号 AI 的逻辑表示，70 年代叫知识工程，但是为什么到现在知识图谱还没有大规模的发展起来？

第一，构建的成本非常的高，如果你想构建得很准的话，人工成本非常高。

你看 CYC 在 90 年代发展起来的，定义一个知识断言的成本，就是一个 ABC 三元组，A 就是主体，B 就是关系，C 是受体，比如说人有手，人就是主体，有就是关系，手就是受体，就是这么简单的一个问题，当时的成本就是 5.7 美元。

另外一个项目，用互联网完全自动方法的生成出来，错误率一下提高的 10 倍，这两个项目目前基本上处于半停滞状态。

那怎么办呢？我们现在就在思考，从计算角度上看认知，究竟应该怎么做？如果还用计算做认知，该怎么实现？如果把刚才两个东西结合起来应该有这么一个模型。

第一，从大数据的角度，做数据驱动，我们用深度学习举十反一的方法，把所有的数据进行建模，并且学习数据之间的关联关系，学习数据的记忆模型。

第二，我们要用知识驱动，构建一个知识图谱，用知识驱动整个事情。我们把两者结合起来，这也许是我们解决未来认知 AI 的一个关键。

那够不够呢？答案是不够，我们的未来是需要构建一个真正能够超越原来的，超越已有模型的一个认知模型。这样的认知模型，它首先要超越 GPT-3 这样的预设模型，我们需要一个全新的架构框架，也需要一个全新的目标函数，这时候我们才有可能超过这样的预训练模型，否则我们就是在跟随。

举几个例子，这是我们最近尝试做的一件事情。这两个，大家觉得哪个是人做的？哪个是机器做的？其实这两个都是机器做出来的，这是我学生做出来的一个来给大家娱乐的。其实下面这个结果都不大对，内容也是不对的，上面这个结果也是完全由机器生成出来的。

但是你看一下逻辑基本上可行，就是目前我们需要做的是，让机器有一定的创造能力，光文本还不够，我们希望创造出真正的图片，它是创造，不是查询。

这里有一篇文字，我们希望通过这篇文字能够把原来的原图自动生成新的图片，这个图片是生成出来的，我们希望这个机器有创造能力。

当然，光创造还不够，我们离真正通用的人工智能还有多远？我们希望真正的通用人工智能能有持续学习的能力，能够从已有的事实，从反馈中学习到新的东西，能够完成一些更加复杂的任务。

这时候一个问题来了，什么叫认知？只要做出可持续学习就是认知吗？如果这样的话 GPT-3 也有这种学习的能力，知识图谱也有学习的能力，因为它在不停的更新。如果能完成一些复杂任务就是认知吗？也不是，我们有些系统已经可以完成非常复杂的问题。

03 认知 AI 的九准则

什么是认知呢？于是我们最近通过我们的一些思考，我们定义了认知 AI 的九准则。这九个准则是我从人的认知和意识中抽象出来的九个准则。

第一个，叫适应与学习能力，当一个机器在特定的环境下，比如说我们今天的 MEET 大会，这个机器人自动的学习，它能知道我们在这种模型下，在这个场景下应该做什么事情。

第二个，叫定义与语境能力，这个模型它能够在这个环境下感知上下文，能做这样的一个环境的感知。

第三个，叫自我系统的准入能力，我们描述的是这个机器它能够自定义什么是我，什么是非我，这叫人设。如果这个机器能知道自己的人设是什么，那么我们认为它有一定的认知能力。

第四个，优先级与访问控制能力，在一定的特定场景下它有选择的能力。我们人都可以在双十一选择购物，如果机器在双十一的时候能选择我今天想买点东西，明天后悔了，不应该买，这时候这个机器有一定的优先级和访问控制。

第五个，召集与控制能力，这个机器应该有统计和决策的能力。

第六个，决策与执行能力，这个机器人在感知到所有的数据以后它可以做决策。

第七个，错误探测与编辑能力，这个非常重要，人类的很多知识，其实是在试错中发现的，比如我们现在学的很多知识，我们并不知道什么知识是最好的，我们在不停的试错，也许我们今天学到了 1+1 等于 2 是很好，但是你尝试1+1 等于 3，1+1 等于 0，是不是也可以呢？你尝试完了发现都不对，这叫做错误探测与编辑，让机器具有这个能力，非常地重要。

第八个，反思与自我控制、自我监控，如果这个机器人在跟你聊天的过程中，聊了很久，说“不好意思我昨天跟你说的一句话说错了，我今天纠正了。”这时候机器具有反思能力。

最后，这个机器一定要有条理和理性。

我们把这些叫做认知 AI 的九准则。在九个准则的基础上，我们提出一个全新的认知图谱的概念。

04 常识图谱的三个核心要素

常识图谱有三个核心的要素。

第一，常识图谱，比如说高精度知识图谱的构建、领域知识图谱的应用系统、超大规模知识图谱的构建，还有基于知识图谱的搜索和推荐，这是传统的一些东西。

第二，跟我们计算模型非常相关，我们叫逻辑生成，这时候需要超大规模的预训练模型，并且能够自动进行内容生成。同时我们在未来可以构建一个数字人的系统，它能够自动的在系统中，能够生成相关的东西，能够做得像人一样的数字人。

第三，需要认知推理，需要有认知推理的能力，让计算机有推理、有逻辑的能力。说起来比较虚，大家会问什么叫推理逻辑？人的认知有两个系统，一个叫系统 1，一个叫系统 2，系统 1 就是计算机做的匹配，你说清华大学在哪，它立刻匹配出来在北京。

但是你说清华大学在全球计算机里面到底排在第几？以及为什么排在第几？这时候就需要一些逻辑推理，这时候计算机就回答不了，这时候需要做逻辑推理，我们要思考优势在哪，人思考的时候叫系统 2，慢系统，里面要做更多复杂的逻辑思考。

我们当前所有的深度学习都是做系统 1，解决了系统 1 问题，是直觉认知，而不是逻辑认知。我们未来要做更多的就是系统 2 的事情。

我们从脑科学来看，相对现在做的事情有两个最大的不同，第一，就是记忆，第二就是推理。

记忆是通过海马体实现，认知是前额叶来实现，这两个系统非常关键，怎么实现呢？我们看记忆模型，巴德利记忆模型分三层，短期记忆就是一个超级大的大数据模型，在大数据模型中，我们怎么把大数据模型中有些信息变成一个长期记忆，变成我们知识，这就是记忆模型要做的事情。

当然从逻辑推理下，还有更多的事情要做，那我们现在怎么办？认知图谱核心的东西就变成我们需要知识图谱，也需要深度学习，我们还要把认知心理的一些东西结合进来，来构造一个新的模型。

于是，最后一页，我们构建了这样一个框架，这个框架左边是一个查询接口，这是输入，你可以说用户端，中间是一个超大规模的预训练模型，一个记忆模型，记忆模型通过试错、蒸馏，把一些信息变成一个长期记忆存在长期记忆模型中，长期记忆模型中会做无意识的探测，也会做很多自我定义和条例的逻辑，并且做一些认知的推理。

在这样的基础上我们构建一个平台，目标是打造一个知识和认知推理双轮驱动的一个框架。底层是分布式的存储和管理，中间是推理、决策、预测，再上面是提供各式各样的 API。

关于作者：唐杰，清华大学计算机系教授、系副主任，获杰青、IEEE Fellow。研究人工智能、认知图谱、数据挖掘、社交网络和机器学习。发表论文 300 余篇，引用 16000 余次，获 ACM SIGKDD Test-of-Time Award（十年最佳论文）。主持研发了研究者社会网络挖掘系统 AMiner，吸引全球 220 个国家/地区 2000 多万用户。担任 IEEE T. on Big Data、AI OPEN 主编以及 WWW’21、CIKM’16、WSDM’15 的 PC Chair。获北京市科技进步一等奖、人工智能学会一等奖、KDD 杰出贡献奖。