盡管過去幾年中，人工智能取得了長足的進(jìn)步，但相信很多人都還記得20世紀(jì)90年代，由于開發(fā)者過分夸大承諾以及最終用戶不切合實(shí)際的期望所導(dǎo)致的AI寒冬。現(xiàn)在有行業(yè)內(nèi)部人士(例如Facebook的AI負(fù)責(zé)人Jerome Pesenti)預(yù)測(cè)，AI很快又會(huì)陷入困境，這次的原因是缺乏語義理解。

[[315399]]

Pesenti說：“深度學(xué)習(xí)和當(dāng)前的AI技術(shù)有很多局限性。我們離實(shí)現(xiàn)人類智能還非常非常遠(yuǎn)，并且有一些批評(píng)實(shí)際上是有道理的：AI可能會(huì)傳遞人類的偏見，不容易解釋，不具備常識(shí)，更多的是模式匹配，而不具有魯棒性的語義理解。”

還有一些計(jì)算機(jī)科學(xué)家認(rèn)為，人工智能正面臨“可再現(xiàn)性的危機(jī)”，因?yàn)楹芏鄰?fù)雜的機(jī)器學(xué)習(xí)算法都是“黑匣子”，無法輕易復(fù)制。McGill計(jì)算機(jī)科學(xué)教授Joelle Pineau指出，復(fù)制和解釋AI模型的工作原理可以提供AI透明性，有助于未來的技術(shù)創(chuàng)新和研究工作，當(dāng)算法取代人工決策來決定誰被判入獄、誰被批準(zhǔn)抵押，這一點(diǎn)就變得至關(guān)重要。”

下面就讓我們看一下如何避免另一個(gè)“AI寒冬”的出現(xiàn)。

從符號(hào)主義AI開始

無法解釋和重現(xiàn)AI模型是我們需要克服的一大障礙，我們需要讓AI既可信賴又實(shí)用。要解決這個(gè)問題，我們可以退后一步，考慮利用符號(hào)主義AI，然后采取兩個(gè)措施，將符號(hào)主義AI(經(jīng)典知識(shí)表示、基于規(guī)則的系統(tǒng)、推理、圖形搜索)與機(jī)器學(xué)習(xí)結(jié)合起來。

符號(hào)主義AI通過使用本體和分類法為數(shù)據(jù)添加了含義或者語義。基于規(guī)則的系統(tǒng)是符號(hào)主義AI的一項(xiàng)主要技術(shù)。這些系統(tǒng)非常依賴于這些本體和分類法，因?yàn)檫@些方法有助于制定正確的、有意義的if/then規(guī)則。使用規(guī)則和基于規(guī)則的系統(tǒng)，好處在于提供了一致且可重復(fù)的結(jié)果，有助于獲得可解釋的結(jié)果。

消除數(shù)據(jù)孤島

為了讓AI滿足當(dāng)前的期望，我們還需要消除跨IT系統(tǒng)查詢的孤島，發(fā)布更精細(xì)的聚合查詢，自動(dòng)執(zhí)行模式和數(shù)據(jù)驗(yàn)證措施，以獲取準(zhǔn)確的分析結(jié)果。

為機(jī)器學(xué)習(xí)模型聚合各種不同的訓(xùn)練數(shù)據(jù)集，要求能夠跨數(shù)據(jù)庫進(jìn)行查詢，或者迅速為此整合各種不同的來源。語義圖數(shù)據(jù)庫通過基于標(biāo)準(zhǔn)的方法支持統(tǒng)計(jì)AI的這一先決條件，在這個(gè)方法中，圖形的每個(gè)節(jié)點(diǎn)和邊緣都具有唯一的、機(jī)器可讀的全局標(biāo)識(shí)符。

因此，企業(yè)組織可以將不同的數(shù)據(jù)庫連接在一起，以便在這些數(shù)據(jù)庫之間進(jìn)行查詢，同時(shí)合并各種常見用例的來源，例如預(yù)測(cè)個(gè)人的下一個(gè)健康問題或者及時(shí)的供應(yīng)鏈管理。

這種聯(lián)合查詢可以確保數(shù)據(jù)始終保持相關(guān)性，并且對(duì)任何新興技術(shù)都具有前瞻性。在這個(gè)需要AI和分析進(jìn)行實(shí)時(shí)決策的時(shí)代，企業(yè)組織根本沒有時(shí)間在孤島數(shù)據(jù)庫之間重建架構(gòu)和術(shù)語。

自動(dòng)驗(yàn)證數(shù)據(jù)

模式概念與數(shù)據(jù)驗(yàn)證本質(zhì)上是相關(guān)，這對(duì)于信任查詢結(jié)果從而進(jìn)行分析來說是至關(guān)重要的。語義知識(shí)圖通過自然發(fā)展的數(shù)據(jù)模型、自描述模式和按需模式選項(xiàng)(例如JSON、JSON-LD和SHACL)實(shí)現(xiàn)所有模式的標(biāo)準(zhǔn)化。

SHACL之類的框架對(duì)于驗(yàn)證數(shù)據(jù)來說是至關(guān)重要，這是通過確保數(shù)據(jù)形狀一致來自動(dòng)驗(yàn)證的。現(xiàn)實(shí)情況是，如果沒有明確的機(jī)制，就幾乎不可能在不編寫過程代碼的情況下針對(duì)數(shù)據(jù)質(zhì)量這一基本方面來驗(yàn)證數(shù)據(jù)，這個(gè)過程可能是非常費(fèi)時(shí)(取決于任務(wù)規(guī)模)。

人工智能時(shí)代，自動(dòng)化已經(jīng)迫在眉睫。手動(dòng)生成用于數(shù)據(jù)驗(yàn)證措施的腳本是非常浪費(fèi)時(shí)間的，而這個(gè)過程就像認(rèn)知計(jì)算本身一樣是可以自動(dòng)化和可以重復(fù)的。

詞匯標(biāo)準(zhǔn)化有助于聚合查詢

操作型AI要求的查詢精細(xì)度是極高;但是，知識(shí)圖形中的詞匯表和分類法標(biāo)準(zhǔn)化支持順序查詢聚合，這些聚合很難在其他設(shè)置中復(fù)制。一旦企業(yè)組織對(duì)不同概念的詞匯及其含義實(shí)施了標(biāo)準(zhǔn)化，那么不僅可以創(chuàng)建各種分類法，還可以通過鏈接進(jìn)行查詢。

例如在醫(yī)療領(lǐng)域，你可以查詢所有患有某種疾病的患者，該疾病的特定治療方法，在接下來的三個(gè)月內(nèi)要進(jìn)行移植，以及為患者開具的特殊藥物。通過查詢不同分類法將各種查詢聚合為單個(gè)查詢以獲得特定結(jié)果，這一能力一定程度上有助于這種復(fù)雜的、臨時(shí)的查詢操作。