感知智能向认知智能转化人工智能新动向
全国政协副主席、中国科协主席万钢在第五届世界智能大会上开幕式上称，新一代人工智能正在逐步从感知智能向认知智能转化。“感知智能是机器具备了视觉、听觉、触觉等感知能力，将多元数据结构化，并用人类熟悉的方式去沟通和互动。”万钢认为，认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力。
人工智能的三个阶段
行业一般将人工智能的发展分为三个阶段，分别是计算智能、感知智能和认知智能。
第一个阶段是计算智能，即机器对信息进行存储和计算。机器能够像人一样拥有“记忆”和“计算”能力，即可以存储和处理海量的数据。例如分布式计算、神经网络。
第二个阶段是感知智能，感知智能即视觉、听觉、触觉等感知能力。这一阶段机器通过传感器，例如摄像头、麦克风等设备，捕获到物理世界的信号，理解一些直观的物理世界，高效的完成“看”和“听”的相关工作。例如可以识别人脸的摄像头。
第三个阶段就是认知智能，机器具备了像人类一样的思考和学习能力，并且能够自主做出决策并采取行动。例如完全自动的无人驾驶汽车。这一阶段还处于探索初期，仍有很长的路要走。
感知智能和认知智能的距离有多远？人类语言交流的过程中，会有很多场景用到记忆和逻辑推理。假如两个人在昨天发生了一次对话，今天再次提到昨天对话的信息时，可以很快发现两次对话在逻辑上和时间上的联系；但是对机器来说，能否有同样的“记忆”和“逻辑推理”呢？
为什么人工智能很难像人类一样思考？
机器能否达到人类的思维逻辑能力和认知能力？还有下列问题亟需解决。
首先是主题知觉。主题知觉指的是人直接感知到的知觉，是意识直接感应到“我”的过程。比如一个人回忆昨天晚上吃了什么，他立马就能够想到自己昨天吃了什么，这就是主题知觉。这个问题虽然复杂，但经过一定的研究，在未来很可能得到解决；对机器而言，真正难以逾越的是人类的目标知觉。
目标知觉指的是人对于某个特定目标产生的知觉。比如人感到渴了，就会想要喝水，这就是一种目标知觉。然而，人类除了主动做一些具有目的性的事情，还会做一些无意义的事情，这对于目前的机器来说是“不可理喻”的。
机器进行计算的目的是要求出一个过程的最优解。例如下围棋的机器人阿尔法狗，其被设计的计算目标只有赢得对手。但是纵观人类的围棋发展历史，有一些时期是以下“和棋”为目标的。对人类而言，有时追求最优解并不是最终目的，人类的意图往往是复杂而不可揣测的。
人工智能行业将何去何从？
目前，距离实现让机器像人一样思考、拥有自由意志的目标还比较遥远。但是，对于现阶段，科研人员让机器在人工智能的加持下可以更好地代替人类工作更具有现实意义。
比如汽车工厂的智能机械臂，在人工智能的加持下，大大节省了劳动力，保证了重复作业的准确性；在大数据的应用上，人工智能算法的加入可以更加方便快捷地为用户提供需要的信息，提高应用软件的运转效率；在手机中，为智能语音助手加入更好的人工智能算法，也可以减轻互联网庞大信息流给人们带来的负担。
感知智能将给人们的生活带来怎样的改变？
在可预见的未来，感知智能一定会跟随科技的潮流到来，对人们的生活产生长远的影响。我们或许没有办法准确地预知感知智能何时能真正融入日常生活，但就像现今生活中不可或缺的互联网、手机一样，感知智能也许也将会成为人类社会不可分割的一部分。
实际上，人工智能行业或许不应该以让机器更像人类为目标，而是以解放生产力，从而替代人类的工作为目标。人工智能如果能够实现提升，让机器得以完成更复杂、更危险的工作，就能成为社会进步的推动力、人类幸福生活的催化剂。（盛振明）
指导老师：中国传媒大学副教授于晗
专家：中国传媒大学信号与信息处理专业副教授余心乐
(责编：董菁、杨鸿光)分享让更多人看到
最新研究：智能机器人的感知能力可通过听觉来提升
原标题：最新研究：智能机器人的感知能力可通过听觉来提升现代机器人主要依靠视觉和触觉来进行操作，但卡耐基梅隆大学的一项新研究发现——机器人的感知能力可以通过听力提高。这项研究是首次大规模研究声音与机器人动作之间的相互作用。研究发现，通过使用听觉，机器人可以确定是什么样的动作引起声音，并区分物体及预测新物体的物理性质。
根据研究，机器人的性能相当高，特别是利用声音成功分类物体的准确率为76%。由于结果符合研究小组的期望，他们现在将探索其他的选择，比如给机器人装备装有仪器的手杖，使机器人能够通过敲击来识别物体。
在这项研究中，研究人员创建了一个大型数据集，同时记录了60个常见物体的视频和音频，有玩具积木、手工工具、苹果、鞋子和网球等，记录物体在托盘上的滚动和碰撞。
研究小组用TiltBot（倾斜机器人）捕捉到这些交互作用，它是一个连接到机器人手臂的方形托盘。托盘用来在表面上推动物体，收集其他类型的数据。其中一项新发现是，机器人可以利用自己的经验和对一组特定物体的声音的了解，来预测另一组看不见的物体的物理特性。
声明：本文源自网络，版权归原作者或原出处所有，观点仅代表作者本人，不代表SENSORO立场。如有侵权或者其他问题，请联系我们；违规转载法律必究。返回搜狐，查看更多
责任编辑：