从感知智能跨越到认知智能，NLP领域要做哪些创新？_感知引擎认知引擎

欢迎大家关注「澜舟科技」公众号，加入孟子开源社区，一起探索 NLP 领域的前沿技术！

官方网站：langboat.com

在自然语言领域，感知智能之后的下一个窗口是什么呢？澜舟科技创始人周明对「认知智能」的发展前景和需要解决的问题做了详细的综述和展望。

3月23日，机器之心AI科技年会在线上召开。在下午的人工智能论坛上，创新工场首席科学家、澜舟科技创始人、ACL前主席和CCF副理事长周明做了主题为《认知智能的创新时代》的演讲，点击小程序可观看演讲视频回顾。

机器之心对演讲内容进行了不改变原意的整理，以下为整理内容。

01 认知智能的崛起

感谢机器之心的推荐，有这样的机会向大家介绍一下我们在澜舟科技所从事认知智能的想法，我的演讲题目是「认知智能的创新时代」。

大家都知道人工智能经过过去几十年的发展，经历了起起伏伏。从最早的图灵测试到达特茅斯会议，带来了AI的起源，然后是 60 年代的专家系统，接着人工智能很不幸地进入了第一次冬天，大家都不太信人工智能了。到 80年代，日本第五代计算机的兴起带来了新的希望，比如Prolog编程语言等。但随后很快又进入了人工智能的第二个冬天。

到90年代，机器学习开始兴起，即基于数据驱动做统计机器学习。当时统计机器翻译等领域也都开始实用化。人工智能真正飞跃源于深度学习的崛起，大概在 2006 年。2016 年出现一个里程碑——ImageNet 评测超过人类。2017年，AlphaGO战胜人类围棋冠军。对自然语言来讲，2018年预训练模型开始兴起，以及后来AlphaFold高精度预测蛋白质结构。所有这些都是人工智能发展历程的里程碑。

总的来讲，人工智能技术大概分为两个流派。第一个流派是人工智能前期基于符号计算的流派，第二个流派是以最近深度学习为代表的神经网络流派。当然，这两个流派各有千秋，前者可解释性比较强，但是需要专家内醒，而且比较脆弱。后者依赖大数据，缺乏可解释性。

无论如何，最近几年深度学习带来的人工智能技术深深改变了人类的生活，从图像到语音到自然语言处理、知识图谱、搜索和推荐都实现大幅提升，并且自动驾驶、安防、自动翻译、医疗诊断等热门技术深深融入到了人们的生活。

我们是从事自然语言理解的，关心的是在感知智能之后自然语言的机会在哪里？我这里在判断感知智能之后的认知智能开始崛起，推动了产业的发展。

这里有几个关键点。第一个关键点是最近基于预训练模型的研究推动了很多自然语言处理任务的飞跃，其中一个代表性工作是 2019 年谷歌用Bert预训练模型做阅读理解，超过了人类的标注水平。再加上知识图谱和推理领域的一些进步，人们对自然语言为代表的认知智能的崛起充满了期待。

认知智能到底要解决什么问题呢？实际上，认知智能要解决语言理解、问题求解、辅助决策和预测规划问题，它还有非常广泛的应用，从机器翻译到搜索、聊天、专家系统、广告、情感分析、对话、信息抽取、故障诊断、推理、知识图谱、情感计算等。

有了认知智能，人们就可以从大数据出发，走到信息检索，走到知识和推理，再走到洞见的发现，基于大数据充分地加强智能引擎，促进各行各业的数字化转型，推动业务的升级。

02 澜舟科技在认知智能领域做了什么？

 

我们在创新工场孵化了一个团队——澜舟科技，旨在推动认知智能的发展。

我们首先做了预训练模型，它是基于自研的孟子轻量化模型，可以处理多语言和多模态，同时支持理解和生成，通过定制来满足不同领域和不同场景的需求。

然后在预训练的基础上做一系列自然语言处理任务。以机器翻译为例，我们用预训练模型和多语言联合训练，加上术语识别和翻译的技术，实现了以中文为中心的世界主要语言之间的翻译，而且在很多垂直领域都做到了业界顶尖的水平，通过与传神等公司的合作，帮助译员提高生产效率。