前言：我们正处在认知智能的起步的阶段，还有很多未知的因素，也不知道未来往哪走，但是有一条，无非是要么从知识，要么图谱、要么融合，但是可用肯定前景是无限的。这里有很多的机会，把我们的认知智能，搜索、问答问题、推理这些东西用在工业互联网的很多场景里面，认知智能技术，搜索、回答问题、推理的这些数据用在工业借的很多场景里，认知智能技术蕴藏着巨大的前景。
企业人工智能从技术战略到行业落地论坛
CCF是由中国计算机协会CCF CTO Club发起，面向企业技术专家的热门技术和战略分享会。活动旨在连接企业CTO以及高级人才和资深学者，每次以一个技术话题为核心，走进一家技术领先企业。
从感知智能到认知智能的挑战
相比以前的小数据智能，现在的人工智能是一个大数据的智能，因此数据、算法和算力相关作用，形成三轮迭代的过程，但是这其中还是需要将知识融合进去，这也是目前对人工智能的挑战。
人工智能的三要素，算法、数据、算力，人工智能进入三轮同时驱动的时代，基于超大规模预训练模型的小样本和零样本学习
人工智能是可以交互的，可以把简单的问题换一个角度重新阐述，但是在大数据海量运算中是无法实现的，所以人工智能的发展方向是将知识系统进入三轮中以便更好的推理和训练模型
在认知智能方面，本身很复杂，在全世界的发展都在处于摸索阶段，所谓的感知智能就像我们看到东西，听到东西，是第一步，而认知智能就是相当于我们接受到了感知信号之后，用大脑思考、回答问题、做决策的一个过程，希望电脑也能学习这个过程。
从感知智能跟认知智能在实现机理上面的区别来看，感知智能可以理解为一个sigle-turn（单轮交互），一个输入和一个输出，基本不涉及知识图谱和常识，不需要推理步骤；相对应的认知智能就是nulti-turn（多轮交互场景），包括复杂的内容和推理步骤，可能不单单是算法、算力和数据能够解决的。
现阶段人工智能还是刚刚起步，需要建立了知识库，实现推理过程。达到这一目的有不同的途径，可以从符号、知识图谱、常识来出发；也可以从数据出发，这个两个加起来，就好像人脑的两个思维的过程，用人用system1&system2来表示，system1直觉系统是用大数据完成输入后直接快速输出答案，end=to=end，无关对错，也没有太多的解释；而sysytem2逻辑推理系统，就是一步一步推理最后给出答案。
未来这两种模式能够一起使用，虽然方向还不明确，但是无论怎么处理，无非是从知识出发，要么从数据出发，要么融合来解决问题，这是一个重要的课题和挑战。想象一下如果一个人要解释一件事情可能会举例说明，但不会举例一百个，为什么电脑没有那么聪明呢？就是end=to=en的预训练，假设大脑是一片空白，什么都没有，对任何任务都要做end=to=end设计。
实际中我们大脑是有基础的技能，foundation skill，比如语言表达和理解能力、计算能力，这些技能是需要预训练的，只需要将他们连接在一起，当有新任务出现的时候，大脑会基于基础技能只需要做一些微调就可以轻松的解决了。
