1月2日，阿里巴巴达摩院2020年十大科技趋势对外发布，这是继2019年之后的第二次年度科技预测。

以“人工智能从感知智能向认知智能演进”为例，人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破，这将是2020年的一大演化趋势。

感知智能

机器人对环境的感知智能，即移动机器人能够根据自身所携带的传感器对所处周围环境进行环境信息的获取，并提取环境中有效的特征信息加以处理和理解，最终通过建立所在环境的模型来表达所在环境的信息。移动机器人环境感知技术是实现自主机器人定位、导航的前提, 通过对周围的环境进行有效的感知，移动机器人可以更好地进行自主定位、环境探索与自主导航等基本任务的实施。环境感知技术是智能机器人自主行为理论中的重要研究内容，具有十分重要的研究意义。随着传感器技术的发展，传感器在移动机器人中得到了充分的使用，大大提高了智能移动机器人对环境信息的获取能力。

人类和高等动物都具有丰富的感觉器官，能通过视觉、听觉、味觉、 触觉、嗅觉来感受外界刺激， 获取环境信息。机器人同样可以通过各种传感器来获取周围的环境信息，传感器对机器人有着必不可少的重要作用。传感器技术从根本上决定着机器人环境感知技术的发展。目前主流了的机器人传感器包括视觉传感器、听觉传感器等，而多传感器信息的融合也决定了机器人对环境信息感知能力。

视觉系统由于获取的信息量更多更丰富，采样周期短，受磁场和传感器相互干扰影响小，质量轻，能耗小，使用方便经济等原因，在很多移动机器人系统中受到青睐。

听觉是人类和机器人识别周围环境很重要的感知能力，尽管听觉定位精度比是决定为精度低很多，但是听觉有很多其它感官无可比拟的疼醒。听觉定位是全向性的，传感器阵列可以接受空间中的任何方向的声音。机器人依靠听觉可以工作在黑暗环境中或者光线很暗的环境中进行声源定位和语音识别，这是依靠视觉不能实现的。

机器人主要通过传感器来感知周围的环境，但是每种传感器都有其局限性， 单一传感器只能反映出部分的环境信息。为了提高整个系统的有效性和稳定性，进行多传感器信息融合已经成为一种必然的要求。智能移动机器人不仅应该具有感知环境的能力 ， 而且还应该具有对环境的认知、学习、记忆的能力。 未来研究的重点是具有环境认知能力的移动机器人，运用智能算法等先进的手段，通过学习逐步积累知识，使移动机器人能完成更加复杂的任务。

迈向认知智能

现在的AI处于弱人工智能状态，它没有大脑，要让它形成大脑，最核心的是要有‘知识’。让AI获得知识的知识库在业界称为“知识图谱”，它不仅要关注知识点还要关注知识点间的关联。这些关联将赋予AI联想力。提到水，它要反应到密度、透明等多个性质，还要和浇水、能喝的功能联系起来，更高级的是计算出用多大力道去取水。

知识图谱的建立非常困难，人类海量的知识如何翻译成机器的语言，并与之建立联系很成问题。尤其是之前这项工作一直是人工完成的，例如谷歌词库、百度百科、维基百科等都可以转换为知识图谱。

知识点的关联密度更像是一个AI大脑皮层，越复杂密集AI将越“聪明”。 越密集越准确，AI知识图谱的关系图要做到像福尔摩斯一样综合分析，要形成凝集大量信息的知识图谱，这对传统的人工建立知识图谱的效率提出了挑战。关联密度不足是另一个难以达到应用的‘瓶颈’，一个知识点可能最多出现在几个关系中，但离反映现实世界中“蝴蝶效应”里的相互影响还差很远。

在关联密度不足的情况下，AI的“大脑”即便拥有一个上千万词条体量的通用知识图谱，也难以达到应用的级别。因此，研发出一种能够自动从海量的多源异构数据中抽取知识构建关系、理解语义以及与业务场景有效结合，更标准化、效率更高、关联密度更好的人工智能解决方式，就成了感知智能迈向认知智能的关键一步。