iPIN CEO 杨洋：距离 AI 被大规模用在工作中，缺的是认知智能

本篇文章8049字，读完约20分钟

雷锋。(公开号码:雷锋。8月5日，在2017年再造大会上，ipin首席执行官杨扬发表了《从认知智能到更智能的决策》，分享了什么是认知智能以及ipin在认知智能中的应用。雷锋。根据现场速记整理出来。

以下是ipin首席执行官杨的发言记录。雷锋。com在不改变初衷的基础上做了精编:

大家好！我叫杨洋。我的名字更像是一颗星星的名字，对吗？因此，很多人听到我的名字时，以为是另一个杨洋。我们公司的一位同事说，杨洋帮你填写了志愿者宣传单，然后吸引了一大批90后、00后不知情的人进来，然后“作弊”。这是我们认知的偏差。今天我们谈论的是“认知智能”。

人工智能如此热门，我甚至不想称我们公司为人工智能公司。为什么？因为任何技术都可以解决问题，如果一项技术不能解决问题，它就毫无价值。现在我们公司已经做到了，每个人都认为人工智能非常受欢迎，无所不能，但是如果你仔细想想，我们目前的人工智能对你的工作有多大影响？你改变了你每天的工作方式吗？也许当你打点滴时，或者当你阅读今天的头条时，会有一些变化。但是我们的工作呢？我们都说人工智能将带来第四次工业革命，但是人工智能在我们工作中的渗透率到现在可能还不到1%。我们不需要聊天。当我们工作的时候，我们不想聊天，我们不想要图像识别，我们不想不开车就开车，除非你是司机。

因此，事实上，人工智能的发展远远没有真正颠覆我们的工作环节或习惯。为什么会这样？这是因为人工智能的发展水平仅仅集中在感性智能上，与认知智能还有很大的差距。就像一个5岁的孩子。你的智商几乎和你5岁的孩子一样。当你5岁的时候，你的智商基本上和成年人一样。但是你能让一个5岁的孩子投资吗？不能，对吗？你能让一个5岁的孩子来做招募吗？不行。

5岁和35岁之间有什么区别？事实上，它在于我们对许多生活常识的理解和研究。我父亲是湖北省的一名著名医生。当我在美国学习的时候，他去美国看我，但是他发现他已经失去了所有的能力。他在中国是一个非常成功的人，但他在美国失去了所有独立工作和生活的能力。为什么？不是他的能力消失了，而是他的能力和认知与当时的环境有很大的不匹配。因此，一切如他的认知都被颠覆和消失了。这是认知智能。

人工智能能取代顾问吗？

目前，人工智能技术在大规模应用于我们的工作时，缺乏对认知智能的发展。

让我给你举个小例子，那就是志愿参加高考。

在座的大部分人都应该通过高考志愿报到，除非你高中时出国并逃了出来，或者你高中没毕业，这是我当时不想完成的。然而，一旦你经历过，你就会知道这是一件小事，只需要一周左右就能完成。但是要真正做好这件事，你需要很多条件，这对你的生活有很大的影响。例如，因为我在那一年填错了志愿，我的生活是在最好的年份，我浪费了至少六年，包括我周围的许多人。超过71%的大学毕业生与他们的专业无关。这包括我们公司是一家人工智能公司，这也是我们公司大多数人的情况。

填写志愿者的要求是什么？

了解你自己

你了解你自己吗？当我在美国的时候，我很有趣。有一次我受到刺激，问我周围的中国学生，我发现他们中的大多数人不知道他们是喜欢他们的礼物还是喜欢什么。因此，理解自我是一个大问题。

100，000+可选

中国有2500多所大学和10多万个系，市场上有12000多种职业。这一组合超过了1亿。你如何从中选择？

清晰规则+隐藏规则

有一些明确的规定，每个省每个学校每个专业的申报规定是不同的。你知道所有这些规则吗？有很多潜规则。例如，机械系女生很少，所以学校不会告诉你这个规则。你自己想想。女孩少意味着什么？还有很多其他的潜规则，比如，中国女子学院也招收男生，你知道吗？我不知道。真的。中国女子学院1%的学生是男生，他们在广播系，因为男女必须竞争。

决策方法

我们怎样才能有一个科学的决策方法呢？我们每天都在不断地做决定。科学决策方法的基础是什么？

遗憾的是，这一切都是如此重要，以至于你一生只有三天的时间来做决定。它远远超出了人们可以通过自己大脑的认知来解决的问题范畴。

那么接下来你需要做什么？因此，有一种职业，叫做高考志愿填报专家，收费几千到几万。像这样的事情有很多很多，比如招聘、招聘、投标、招生、投资、投资、工作和专家，所有这些现在都是由专家来完成的。这些专家在我们目前的生活中非常普遍。

就像刚才提到的问题一样，一个5岁的孩子不可能做出投资，因为里面真的有太多的信息和知识。

那我们该怎么办？人工智能将引发第四次工业革命，那么我们如何用人工智能来加速这一进程呢？人工智能可以真正提高我们的工作效率，取代我们去了解工作中的许多事情，然后帮助我们做出决策。

如果人工智能真的想在商业领域取得巨大成就，它必须突破认知智能如何帮助人们做出决策的领域。这个区域实际上是认知。

让我们回顾一下人们的想法:

事实上，人类的认知分为四个简单的步骤，例如，从感知信息-认知信息-分析信息-决策，这只是四个环节，我们所有的东西实际上都在这四个环节中循环。

让我给你举个小例子，比如“我很帅”。仔细听着，我很帅！三个字，对吗？

感知在这里起了作用，也就是说，你把这三个字写对了。

认知意味着你不能理解它。例如，当我告诉我的女儿“我很帅”时，她在1岁时听不懂，在2岁时听不懂，在3岁时突然明白，但她可能会说“帅”。它和“美”有关吗？她还处于模糊的认知阶段，5岁的时候，她给了我一句话“沾沾自喜的爸爸”。

分析，分析是基于每个人自己的背景和掌握知识的场景，你应该对它做一个信息处理。例如，当我说“我很帅”时，我的妻子可能会说“是的，我只是觉得你很帅，所以我叫你。”这里很多人可能认为这个人没有自知之明，每个人都会根据自己的知识背景做出判断。这是分析。

例如，我的妻子决定找我，听了这句话后，这里的每个人都决定诋毁我。

这是信息处理的整个过程。认知和分析是目前人工智能中最困难的部分。我们的大部分信息技术如语音识别和图像识别都在这个领域，但是这种认知呢？这就是我刚才说的。

例如，我的专业背景是做人工智能中的认知智能。什么是认知智能？也许这是一个模糊的概念。如果我说我是一个富有集体智慧的科学家，你可以理解我说的每一个字，但合在一起，你就不能理解我在说什么。因为集体智慧是一个非常专业的领域，你的大脑会告诉你你是否理解。

例如，当我说华为手机时，我女儿才5岁。她太年轻了，不懂华为，但她懂什么？她能理解小马鲍莉和仙女的故事，但她不能理解华为这个词。我们可以理解，因为你知道“华为”这个词在我们的大脑认知数据库中反映给你，但是你没有进行下一步的分析，在真正的分析之前你不会提取一些相关的信息来做决定。

这是决策信息处理的全过程。现在，如果我们想用机器来加速这个过程，我们必须做机器的认知加工。困难在哪里？

这是三大。严乐村今年年初在清华表示，现在整个人工智能的认知上限在于“让机器掌握人类的常识。”正如我刚才所说，华为是常识，而清华大学和北京大学是常识。什么是常识？也就是说，众所周知，语言本身有很多常识，这样我们就可以交流了。如果你不明白我说的每一个字，你就不能交流。例如，当我父亲去美国时，他不能独立生活和工作，因为他不能和别人交流。所以每个人都是基于不同的常识。

包括一些在美国很有名的服装品牌。例如，有一个品牌叫人类学。有多少中国女孩知道这个品牌？这是基于环境和场景的认知。

因此，如何让机器掌握人类的常识是整个认知智能需要突破的一个上限。

认知智能是一门非常复杂的交叉学科。可以说，许多领域都已经做到了这一点，包括生物学、物理学、哲学、社会学、经济学、市场心理学和神经科学。不幸的是，要做认知智能，我们必须涉猎每一个学科，从不同的角度看待认知。

例如，让我们做一个小实验。我给你两个选择。a是我现在给你300元，B是一年后给你1000元。请选择A，并立即举手300元。人越多，这个实验就越成功，也就是说，50%。

这是什么意思？它颠覆了经济学。传统经济学认为人是理性的，但实际上人是非理性的。如果理性地讲，1000元是比较多的，但是人们的非理性行为导致了我们在决策中的许多主观偏差。

机器认知的最大困难在于，在认知偏差的情况下，机器必须给出相对可靠的答案。

例如，我只是说“我很帅”。这台机器应该能提供可靠的东西。它不能告诉你这个人是帅还是不帅。它还必须给社会学一个后现代主义，即一切都是相对的，没有绝对的。

市场心理学和神经科学的人发现，人是一个非常大的矛盾。爱与不爱，爱与恨，信仰与不信都同时存在于人们的大脑中。因为在人们的大脑中，爱与恨、信仰与不信是根本不同的大脑反射区，所以人们是一个思维矛盾体。在这种情况下如何做机器认知？这是一个巨大的挑战。

整个逻辑必须由三大向量组成:真向量、场景向量和投影向量。然后我们无限接近真相，找到特定的场景，然后做投影。这是目前认知分析需要突破的三点。

为了做好这件事，当我还是哈尔滨工业大学的副教授时，我承担了一个国家项目，这是历史上第一张社会经济地图，用来模拟整个中国的经济和社会，了解整个社会是什么样子。

这是中国。事实上，我们也在学习美国的数据，并希望在未来两年开始构建美国的社会地图。正如我刚才所说，认知是以环境为基础的，没有环境的了解是无效的。同一个词在不同的场景中有不同的理解。

要做到这一点，还有其他基本条件:

主动学习

突破这种认知是一件非常重要的事情。当机器人不懂时，我们应该教它方法。它可以主动学习，而不是等我教它。我只能教它如何学习，而不能教它如何做。

教科书是可靠的

如果一个孩子说他的父母是他最好的老师，如果他的父母教得不好，他们也会教得不好，所以我们认为教材的选择非常非常重要。

语境认知

例如，饮酒这个词在不同的语境中是完全不同的。如果你说你在找工作的时候很擅长喝酒，这是什么意思？也许你适合公共关系，也许你适合销售，但是如果你现在在法庭上打官司，很有可能你会打人，酒后驾车。

清晰建模

如果我们想帮助人们辅助和决策，定性分析是绝对不够的，所以普通的知识地图是没有用的。在这里，我们需要非常高级的、精细的和完全定量的建模，这是一种新的方式，这样我们就可以真正深入到我们的工作中去，帮助人们准确地做出判断和决定。

ipin在认知智能中的应用在此基础上我们做了三个应用:1 .职业规划；2.企业招聘；3.供应链匹配

当我在哈尔滨工业大学的时候，我做了一个公益项目来帮助人们做决定，看看他们是否能解决这样的问题。后来，我发现我这样做的时候已经失控了。

在这个领域，我们做了一个小产品，叫做“完美志愿者”。当时，我们制作这个产品是为了帮助人们填写报告和做志愿者。最大的挑战是什么？

首先，规则不明确。

与阿尔法围棋相比，围棋实际上比阿尔法围棋难打得多。阿尔法围棋的所有规则都非常简单明了。但是在我们这个大社会里，大多数规则对我们来说都不清楚，甚至是潜规则。因此，我们必须首先用机器来总结各种社会规则，而这些规则是不断变化的，今年的火，明年的火。所以它仍然是一个动态的。

第二，对手不清楚。

当你玩围棋的时候，你的对手很清楚，但是在人生的竞争中，我们的对手很不清楚。你不知道是谁，是环境吗？有人说生活就像强奸。如果你不能抵抗，你就会服从。因此，在你知道该采取什么策略之前，你经常必须找出谁是你的对手。

第三，价值观问题

更困难的是价值观的问题。玩围棋时，价值在于赢，这为阿尔法围棋增加了更多价值——以最低的风险赢得胜利。不要追求少数的胜利，以最低的风险赢得胜利。所以你可以看到阿尔法戈并不急于赢得一个以上的孩子。

然而，当我们计划我们的生活时，有许多价值观。很多人都想要钱，而男孩子们都想尽快和白结婚，爬到他们生活的巅峰。有些人的价值观很简单，这是真的。他们有多少钱并不重要，只要他们玩得开心。有些人追求巨大的社会影响力，所以有些人杀害了美国总统。

因此，人生观是非常不同的，价值观会导致各种计算，这比玩围棋复杂得多。

为了解决这些问题，我们花了很长时间做这些事情。幸运的是，经过四年的努力，我们得到了该领域广大用户的认可，用户数量绝对是第一，被《中国教育报》评为中国教师最认可的产品之一。

也许这和每个人都没什么关系，但是当谈到下一步时，我们现在正在做下一个导航，也就是现实生活中的导航，它是一个配套产品。从15岁到30岁，我们通过机器了解了亿万人的成长轨迹，包括各种成功和失败的人。如果你没有理想，帮助你确定一个理想的方向。如果你已经理性地思考了，它将帮助你在你的现状和你的理想之间找到一条最佳的道路，并在你生活中的每个关键路口指引你。

这是我们的产品。我们现在正在读高中和大学，希望将来能逐渐渗透到职场。

我们还在招聘领域进行了尝试。

说到招募，这是一部有血有泪的历史。当我在2005年第二次创业时，我做了一个项目，专门匹配人和项目，发现效率很低。我天真地认为这是一个关键词搜索问题。所以我在2007年进入了国家旅游和电子商务实验室，专攻搜索。结果，经过一年的搜索，发现这根本不是一个搜索问题，搜索关键字根本不能解决这个问题。

例如，这里有很多漂亮的女人，左边有很多漂亮的女人，那边有很多漂亮的女孩。事实上，这是一个单词和一个意思，但是关键词是不同的，所以这不是关键词匹配的问题，而是认知搜索和认知匹配的问题，所以就这样，我进入了认知智能的领域。

招聘字段是相同的。这是一个可以说是世界上所有企业和每个人都参与的领域，但不幸的是，这一块完全是人力资源手工制作的。平均来说，每个小时每天花费40%的时间。搜索您的简历，然后输入简历。你想用什么关键词，不管是51、直隶、狩猎还是招聘，你想用什么样的关键词，然后用这个关键词？操作员不符合？所有这些都是人工逐一判断的。因为他们使用关键字匹配，所以第一名和第一百名之间没有区别，它们之间的质量也没有区别。

例如，当我回中国找工作时，我妻子说强生公司有一份特别适合她的工作，所以她提交了她的简历，她不断被淘汰，甚至没有得到面试的机会。后来我通过我的关系找到了强生公司的负责人，我把我妻子的简历给他了。他说这特别合适，但问人力资源部为什么他不接受采访。人力资源部说关键词不匹配。

因此，这是影响我们整个社会的人才去需要他们的地方的最大阻力。如何通过认知智能来解决这个高效匹配的问题，可以说是我在过去的12年里一直在做这样的事情，而我遇到的挑战实际上是对各个企业的了解。我们公司做两件事:用机器分析人和分析企业。

如何使企业的机器分析达到人力资源的水平？甚至比人力资源更好，达到专家的水平？

社会在变化，有各种各样的职位。当BGI的一个朋友那天来的时候，他丢了一个帖子，这是一个非常罕见的帖子。对于我们来说，新的邮政机器如何快速学习和识别也是一个巨大的挑战。

当然，更大的挑战是高速计算。对于数以千万计的简历来说，在简历数据库中逐字逐句地做认知分析，这个计算是巨大的。可以说，我们花了很长时间，两年多时间才突破这个计算，达到毫秒级，也就是说，用语义认知计算完全计算4000万人的简历只需要200毫秒左右。

渠道绑定后，你所有的帖子都会被拉下，这将自动帮助你生成一个自动招聘策略，然后帮助你在网上找到所有可能的潜在人选。把这些人和申请简历的候选人带回来后，他们会对他们进行认知分析，并从300多个维度对每个人进行分析。然后，在这些分析之后，他们将给出通过咨询和学习获得的加权分数，然后根据不同的位置进行不同的排名。因此，顶部的位置比后面的位置更适合你的需要。

整个过程的核心是我们可以对人进行多维度的、肤浅的语言，然后像他们背后的人一样做深层的认知分析。例如，我们正在这里找工作，这是一个在互联网上的工作。如果你直接说出来，他在找一个房地产推销员。为了找到这样一个人，有许多零件被机器标上了蓝色。这些标有蓝色的部分是那些机器认为符合你左边从认知层面列出的条件的部分，而右边列出了不同的纬度，这些都是从数量的角度计算出来的。可以说，我们在这方面的维数计算采用了完全量化，而人脑匹配采用了模糊计算，可以说更加准确。

尤其是当招聘行业的老板来我们公司在线体验时，他们会说，是啊！你雇了房地产专家吗？原因是这里说我们正在寻找房地产行业的销售。结果，像万科这样的词在那里被自动屏蔽掉了。但事实上，我们公司没有房地产专家，甚至很少有人在我们公司买过房子，因为我们公司在深圳，深圳的房价太差了，对吗？不。所有这些东西都是教给机器的，机器会自动学习并标记它们，这可以大大节省人们分析和整理简历的时间。

可以说，从输入时间到判断时间，到匹配的准确性和人才库的使用，都有了很大的提高。这样，我们可以被提升20次。可以说，我们可以对未来做一个不太大胆的表述:目前，我们基本上是将我们所了解的人力资源行业与其他行业进行比较，大部分都已经解决了，而且大部分都做得比人力资源好。当然，与专家相比可能还有一定的差距，但比人力资源好，因为人力资源不是专家，这方面在很大程度上仍然属于专家。可以说，五年之内，大量的招生专业将被大量地解放出来，以便解放和做更多的事情。例如，腾讯的人力资源部表示，他们可以做更多的手工护理，比如程序员和被子。

这个产品可以说已经做了12年，而这个项目已经做了3年。如果你对这方面感兴趣，你可以扫描二维码并亲自体验。我是一个产品清洁员，所以如果某样东西不能令人惊奇，我就不会泄露出去。这个项目已经测试了一年，并且在不断改进。它应该在最近两个月内在全国范围内免费推出，这样可以解放所有企业的人力资源。

另一个领域是供应链匹配。

供应链匹配是我们当时与两家上市公司的沟通，例如，如何在商业地产中获得土地，从获得土地到开始建设。在中间，整个供应链流程目前有两年时间，他们已经积累了大量的历史数据。如何通过历史数据学习来加速这种供应链匹配应该是所有传统企业面临的一个非常沉重的问题。事实上，它在这里也面临着同样的情况。对企业业务的认知、多维度的深度认知以及对各种企业关系的认知，将极大地有助于传统产业的未来发展，加速企业的发展。租一块地两年要多少钱？所以这是对资源的巨大浪费。

与ibm沃森的区别

正是因为我们做了这些生意，我们才能在很多领域使用它。例如，我们现在正在进行一个大型的司法项目，一些法律公司用我们的集合(招聘集合)来做法律，做法律只需要三个月，所以它在商业领域有很好的开放性和知识分析的普遍性。

因此，我们经常被另一家著名的公司称为ibm，这与ibm沃森相比较，因为沃森的立场也是做商业认知分析，这与我们的立场相同。

今年2月，在美国的一次会议上，《华尔街日报》用整版报道了我们公司，并将我们公司与ibm沃森进行了比较。我们会被问到我们公司和华生有什么不同，包括华生的海外用户，他们在进入中国后会想尝试一下。

我认为这里有几个主要区别:

首先，我们的领域非常不同。这导致了一种非常不同的展示我们全部知识的方式。沃森来自医学领域，尤其是医学癌症。事实上，许多人认为沃森是一个问答系统，但事实上，问答系统只是它的一个模块，只要它做认知分析。它从医疗开始，而我们从职业规划和招聘开始，所以我们更关心人和企业的分析，他们更关心医疗计划的分析。

沃森在早期完全基于专家系统和自然语言处理，并在2015年开始建立这种深度学习。然而，由于它在许多早期阶段依赖于专家系统，即使它从肿瘤诊断迁移到糖尿病诊断，迁移的成本也非常高，因为它是一个专家系统。

我们所有的分析都是基于深度学习，因此我们在业务领域分析领域的迁移成本相对较低。

可以说，在这方面，未来认知智能向商业领域渗透是大势所趋，这将决定整个业务在多大程度上被技术提升。现在人工智能正在进入人工智能的下一个时代，从感知到认知智能。我希望在不久的将来，我们的新产品将帮助您在工作中更明智、更高效地做出决策。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。