简要介绍 计算智能、感知智能、认知智能
计算智能得益于计算机存储与硬件的快速发展，已给互联网、金融和工业等多个领域带来产业价值。然而计算智能也面临显著困境。以金融场景为例，计算智能受限于指定的数据逻辑规则，虽计算智能感知智能认知智能然可以高性能地计算股票的统计特征，但无法运用专家知识，也难以进行深度、动态和启发式的推理，对投资、博弈等业务贡献的价值有限。计算智能所需的高性能硬件和网络支持等，也给企业带来了巨大的成本压力。
可以简单完成的重复度较高的工作，比如人脸识别、语音识别等。感知智能的核心业务目标是提高效率且降低成本。但是，感知智能在产业落地方面面临诸如成本高昂、智能能力有限、业务突破性价值局限等众多挑战：在成本方面，图像识别的机器成本、样本标注成本都非常高；在智能能力方面，感知智能主要集中在模式识别层面，重在提升视觉、语音等单一场景中的效率，不具备理解和推理能力；在业务突破性价值方面，人工智能在产业中落地时只有集合领域的专业知识，提升对业务场景的认知与决策能力，才能创造核心价值。比如，在自动识别、审批和审计，以及工业品质量检测等诸多场景中，需要对基于感知智能获取的图像信息进行审计和检测等知识推理；在与人类行为相关的用户营销、生产安全管理等场景中，企业不仅需要对用户的行为进行感知与识别，更需要对其动机和后果结合专业知识进行认知、理解、预测和判断，例如在生产安全管理场景中，企业可以通过监控设备感知来识别用户的行为，结合安全专业知识、企业业务安全规则，判断其是否违规。
知智能需要具有对采集的信息进行处理、存储和转化的能力，在这一阶段需要运用计算智能、感知智能的数据清洗、图像识别能力。其次，认知智能需要拥有对业务需求的理解及对分散数据、知识的治理能力。最后，认知智能需要能够针对业务场景进行策略构建和决策，提升人与机器、人与人、人与业务的协同、共享和博弈等能力。
免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186
