

阿里云：思维的边界，认知智能，从感知智能迈向认知智能

求数科技

2025-09-16

导读：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。

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。

所谓感知智能就像我们看到东西，听到东西，这是第一步，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。我们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的区别来看，感知智能可以理解为一个 single-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 multi-turn （多轮交互），包含复杂的内容和推理步骤，可能不单是算法、算力和数据能够解决的。

现阶段人工智能还只是刚刚起步，我们需要建立知识库，实现推理过程。达到这一目有不同的途径，可以从符号、知识图谱、常识来出发；也可以从数据出发，这两个加起来，就好像人脑的两个思维过程，有人用 system 1 & system 2 来表示，system 1（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 system 2（逻辑推理系统）就是一步一步推理最后给出答案。未来这两种模式能否交汇？

虽然方向还不明确，但无论往哪儿走，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。周明副理事长举了个例子：我们想象一下如果一个人要解释一件事他可能会举例说明，但不会举一万个例子，为什么电脑没有这么聪明呢？就是 end-to-end 预训练，它是假设大脑一片空白，什么都没有，对任何新任务都要做 end-to-end 设计。但实际中我们的大脑是有基础技能的，周明称之为 foundation skill，比如语言表达和理解能力、计算能力，这些技能是不需要预训练的，只需要将它们连在一起，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解决。

但现在的 end-to-end 预训练忽略了基础技能的存在而永远是从零开始设计，这就导致数据样本量持续不足的现象（Few-shot）。foundation skill 可以是数据的也可以是知识的，也可以是融合的，我们需要做的是将每一个基础技能做好，然后设法将它们连成一片，让每一次新任务出现时都可以进行快速调整输出。

那么面对众多行业，foundation skills 是通用的还是专用的？首先，人作为一个人智能体有一些 foundation skills，比如语文数学英语，生活常识，等等这些不分领域的技能是最底层，这就像现在预训练模型，无论你干什么具体任务，都是可以通用的。当深入到某个领域的时候，由于领域的特点，又有一些领域独有的底层 foundation skill，比如电工、交通警察、医生。如果我们把这些知识体系都建立好以后，当有新任务的时候就可以自由的调用不同领域的知识体系来使用，也很容易从一个领域扩展到另一个领域。