经过半个世纪的发展，人工智能已经有了巨大的飞跃。按照人工智能的发展程度，我们可以将其分为三个阶段：
01 计算智能：
机器具备像人类一样的记忆能力和计算能力，从而能够存储和处理海量数据。能够帮助人类完成大量的存储和复杂的计算。这一步是感知和认知的基础。
02 感知智能：
机器具备像人类一样的感知能力，通过“眼睛”、“耳朵”、“皮肤”等器官，机器也拥有视觉、听觉、触觉等感知能力。能够帮助人类完成“看”和“听”的简单工作。
03 认知智能：
机器具备像人类一样的学习和思考能力，能够独自做出决策和采取行动，能够部分或全部替代人类的工作。
【弱人工智能时代】
目前，人工智能的发展仍然处于弱人工智能范畴，主要解决计算智能和感知智能层面的问题，但是距离达到能够独立思考、做出决策的强人工智能时代还有一定距离。
弱人工智能主要是在某个特定领域擅长的专一人工智能，如语音识别和图像识别等侧重计算能力和数据积累的领域。而单模态交互技术是弱人工智能时代典型的代表特征，集中在单一模态的感知技术的给智能机器产品带来了很多的局限性。
下面从几篇文章整理了一下视觉智能和认知智能的发展情况：
【视觉智能发展脉络】
1.维度上从低维到高维（2D到2D+T再到3D再到3D+T）；
2.从离人近的到离人远的（如到文字商品再到自然万物）；
3.从粗到细（比如整体识别到定位再到精细识别）；
4.从理解到生成；
5.从自然图到抽象图，最后是，核心行业应用到各行各业。
【视觉智能发展趋势】
还有一些跨领域、跨媒体、跨技术的非纯粹理解方向的技术应用成熟度还不那么高，比如说生产类、增强类的视觉智能， 2D和3D融合、全3D图像、图形学和视觉算法相融合、从静态到动态的技术。
（主动视觉，动态视觉，3维视觉等）
【认知智能发展限制】
1.从理解到思考的能力；
目前的AI在识别理解世界上做得比较多，但是下一步的联想推理、生产输出怎么做，就做的比较少，而这些正是认知智能需要具备的。
2.从数据到知识的能力；
因为现在感知层面的模型，更多的是数据在不同维度空间的映射，但是数据之间关联、推理依据和模型本身的可解释性都不是那么成熟。
3.成本和落地的能力；
目前的AI大多时候都是强数据驱动，不同功能、不同场景所需要数据不一样，就需要再次进行大量数据处理，在少样本学习、能力迁移、跨域应用上，没有办法做到低成本和泛化，因而很难做到快速推广落地。
【认知智能发展建议】
1.视觉算法本身的突破
以前的大部分的视觉智能的算法是识别分类算法方面做得比较好，要向认知智能演进，可能需要在决策推理、生成强化等技术要点进行突破，来拓展机器自主变化和输出决策的能力。
2.横向技术的打通
到认知智能层面，知识是非常重要的要素，AI在具体细分行业的应用落地将会更加深入，如何将细分场景的数据抽象成知识，知识又如何抽象形成框架性的东西都是需要进一步攻克的。此外，视觉、NLP、图谱等技术的横向拉通，对于认知智能的形成也非常重要，这里的NLP不是专指人的自然语言，更多的是指机器能够理解的知识逻辑，也许可以叫MLP。
3.工程系统能力的增强
深度学习之所以可以在目前阶段实现大规模的落地，是因为算力、数据以及工程化都已经达到可控可用的状态。同理，从感知演进认知，同样的工程系统和效率工具也需要向前演进，比如大规模的图计算工程框架，否则认知智能的规模化落地是空谈。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
