Hello，大家好！最近Able有好好读大家的私信，有不少的小伙伴直接向我砸来各种问题：为什么认知智能要聚焦于“领域”？领域认知智能的实践路径是什么？领域认知智能的应用以及趋势是什么？……
因此，我请了一位非常专业的超级外援，带领我们继续探索领域认知智能的世界。
有请复旦大学教授，暨复旦-爱数认知智能联合研究中心主任肖仰华闪亮出场！

Able：肖教授，您好！在您《知识图谱：概念与技术》一书中曾提到：“在行业智能化的实现过程中，迫切需要将行业知识赋予机器并且让机器具备一定程度的行业认知能力，从而让机器代替行业从业人员从事简单知识工作。”这一理念与爱数的领域认知智能战略不谋而合，能简单谈谈为何认知智能要聚焦于“领域”吗？

肖仰华教授：领域认知智能就是要把某一业务领域内的数据转化为知识，进而将知识转化为相关智能应用。也就是说，领域认知智能要把业务领域内的知识积累下来，建立模型，让机器具备业务场景的理解和认知能力。只有将认知智能的能力聚焦于某一领域，机器的认知智能才可以代替人类去从事不同行业的工作，帮助企业提质提效。
在现下阶段，如何实现领域认知智能的不同业务场景下的价值最大化，这是各行各业都致力解决的问题。

Able：肖教授，既然领域认知智能对企业来说如此重要，您能说说领域认知智能的实践路径是怎么样的吗？这其中有哪些关键点呢？在实践过程中具体发挥着怎么样的作用？
肖仰华教授：领域认知智能的实现路径与通用认智能的实现路径是不太一样的，领域认知智能的实现路径要从数据积累中去获取知识，然后把知识转化为智能应用。简单来说，从数据到知识，从知识到智能。
首先是领域业务建模，即如何表达业务领域的相关知识，并将领域认知智能的基本框架表达出来。
其次是领域数据知识化，即从数据中加工提炼获取知识的过程。
最后是业务智能化，即如何利用知识形成智能，尤其是认知能力。即，根据已知的规则推理出更多的事实。
当然，领域认知智能的实现不仅是单纯的技术手段，还涉及到整个生态的建设。领域认知智能业务场景的落地，需要整个学术界、产业界持续的贡献、共建和共享，需要业务专家、数据科学家、领域专家、开发者共同去摸索，将领域认知智能更好地应用于业务中，真正做到认知智能与业务相结合。

Able：那我们常说通过认知智能可以让机器具备认知能力，但是对于不懂技术的人来说，这是比较难理解的一个概念，您能具体说说吗？还有这里说到的认知能力，也是一个比较抽象的概念，这个认知具体指的是什么？通过领域认知智能能为企业业务增长带来哪些价值呢？
肖仰华教授：机器的认知能力从人类的五官和身体出发，在人工智能技术上实现了单点突破，如刷脸身份识别、语音转文字等。赋予机器的领域认知能力就是要想办法让机器具备一定的专家认知能力，去解决80%的常规问题；把稀少的专家资源释放出来，去解决20%的难题。因此，认知智能的应用可以进一步释放人类的脑力工作。
Able，基于以上，领域认知智能的价值体现在以下两个方面：
一、基于知识和意图理解的认知搜索、智能问答等，以最贴近人类的方式来帮助人理解业务，分析业务，提供可选择的判断，辅助人去决策。
二、领域认知的领域也可以理解为业务边界，它是随着认知能力的增长持续扩展边界的。所以，领域认知智能的另外一个核心特点就是越是全局性的认知，越是有优势，价值越大。

Able：“认知的目的是获取知识。”那在获取知识的过程中，我们需要对知识的价值进行量化，对此爱数提出了领域知识网络和领域智商。您在获取知识的过程中是否有考虑价值评价相关的工作？如何看待爱数的领域智商呢？
肖仰华教授：获取知识的价值评价，涉及了到知识的评估和治理的问题。这就需要从两个层面去做知识的评估：一是应用层面，二是质量层面。
应用层面，即知识库对应用支撑到什么程度？能不能实现对各种应用的支撑？
质量层面，即涉及到构建的知识库本身，知识图谱里面的事实是否有冲突？事实表达的要素是否完整？是否包含了时间和空间要素？是否表达了复杂的逻辑约束？等等。
目前知识的评估和闭环管理在业界是相对比较空白的，在整个业界的应用也很少。爱数提出的领域智商，是一个很拟人化的表达，以人类的智商做类比，以此来度量领域知识网络的认知能力和价值，是非常有意义的。但这是一个比较宏大的概念，组成比较复杂，它涉及到的不仅仅是知识，需要在业务应用过程中进行动态调整，这还有很长的一段路要走。