原标题：DeepMatrix 2.0发布，百分点要走怎样的认知智能之路？
如果说感知智能的崛起拉开了人工智能浪潮的新序幕，那么认知智能的突破将意味着人工智能迈上重要的新台阶。
事实上，以自然语言处理（NLP）、知识图谱为代表的认知智能是被业界公认最难突破的领域之一。在微软、Google、百度这些巨头们纷纷加码认知智能研发与布局之际，国内企业级大数据+人工智能技术与应用服务商百分点坚持技术创新与场景实践相结合，走出了一条富有特色的认知智能之路。
近日，在百分点“无界智能”新产品暨E轮融资发布会上，百分点正式对外推出了其行业AI决策系统DeepMatrix 2.0，并宣布成立了认知智能实验室。
百分点技术副总裁刘译璟博士认为，人工智能的未来在于应用去驱动变革，认知智能将会是人工智能中期最重要的期待，它将极大提升人机协作和决策智能水平，百分点DeepMatrix 2.0版本的推出将给认知智能带来更深入和广泛的行业应用价值。
人工智能中期趋势：认知智能崛起
在算力、数据、算法三重因素的驱动下，人工智能技术在近年来取得了突破性进展。尤其是以视觉识别为代表的感知智能技术取得了长足进步。在感知智能勇攀高峰之际，认知智能技术也正方兴未艾。百分点技术副总裁刘译璟博士认为，人工智能将进入到中期阶段，这个阶段的关键是要实现以知识图谱、自然语言处理为代表的认知智能技术突破。
正所谓是，感知智能开启了人工智能应用的新开端，认知智能则可以极大提升应用的智能水平。从感知走向认知是人工智能发展的必然。的确，随着人工智能技术应用的加深，无论是图像中事物关系，还是语言中的语义，都需要进一步进行识别与理解，并且人与机器之间的共享、交互、协作的愈发频繁，成为一种常态，通过人机协作来推动决策的智能化也将成为一种重要的趋势，而这一切都离不开认知智能。
对于大部分传统行业而言，这将会是颠覆性的改变。加上传统行业又有着特殊性，与互联网行业存在大量数据相比，传统行业在数据量有限的情况下，更加看重专业知识的作用，这某种程度又进一步提升了认知智能的重要性。刘译璟介绍，百分点经过大量行业实践发现，很多行业场景普遍都存在数据量少的情况，冷启动、如何让系统一开始就做到很好理解等问题一直困扰着很多行业用户，“从技术角度来看，上个世纪80年代非常辉煌的知识工程将会再次兴起，因为人工智能下沉到行业越深、场景越细，数据一定是越少，这时候知识的重要性就更加突出。”
此外，刘译璟还表示，语义理解和语义分析技术也将愈发重要，“综合判断就是以自然语言处理、知识图谱及知识工程为代表的认知智能技术未来将会发挥巨大作用。”
DeepMatrix2.0：迈出认知智能坚实一步
去年，百分点正式推出了基于大数据和认知智能技术的行业首个AI决策系统：DeepMatrix。百分点介绍，DeepMatrix基于动态知识图谱和行业业务模型，具备自优化能力，支持复杂业务问题的自动识别、判断和实时决策。DeepMatrix包括面向五大行业的智能决策应用产品系列，分别是：智能安全分析系统DeepFinder、智能政府决策系统DeepGovernor、智能全媒体服务系统DeepEditor、智能营销系统DeepCreator、智能制造大数据系统DeepSensor。
在本次发布会上，百分点又推出了DeepMatrix 2.0版本，进一步强化了多项智能技术。更新的DeepMatrix在自然语言处理领域实现了突破，解决了小样本模型训练难题，并大幅提升性能，同时还实现了多语种的支持。在动态知识图谱方面，DeepMatrix 2.0实现了机器推理、动态融合与性能突破。
“我们改进了NLP的深度学习模型，使得整体分析性能提升了400%。另外，动态知识图谱技术经过一年已经成功运用到国内及海外多个公共安全业务之中，百分点在动态知识图谱底层架构上进行了大幅提升，数据实时处理能力更强，并且引入了数据库视图技术，大幅提升分析的灵活性和洞察力。”刘译璟介绍。
刘译璟强调，未来智能发展的发展趋势是技术的融合、数据的融合以及场景的融合，“这种融合的趋势一定会以螺旋上升、不断迭代的方式进行。”在笔者看来，技术、数据、场景的融合对于大部分传统行业依然会是传统行业很长一段时间的重要挑战，这种挑战即有来自底层数据的采集、接入、治理、交换，也有来自认知层的越来越需要下沉行业的知识图谱构建、自然语言处理，还有来自应用层与实际场景紧密结合的业务应用，而DeepMatrix则十分符合当前用户的需求。
刘译璟介绍，DeepMatrix拥有三层架构，最底层是大数据操作系统BD-OS，拥有大数据全栈技术，可以很好地解决数据收集、处理等环节；中间层则是百分点智能认知引擎；上层则是对接各个行业的决策应用。“DeepMatrix 2.0拥有技术、数据、场景融合的理念，以大数据全栈技术和认知智能技术为核心，通过认知智能技术实现人与机器共享知识、自然交互以及无间协作，来推动决策走向智能化，实现及时态势感知、快速方案生成以及自主反馈优化。此外，DeepMatrix 2.0还拥有新的三大创新应用技术，包括自然交互式分析、大规模行业知识图谱构建、多技术融合等。”
认知智能实验室：探索认知智能最前沿
如果说过去几年百分点专注于认知智能的行业实践，那么未来几年百分点将看重技术创新与行业实践相结合。为此，百分点在本次发布会上正式宣布成立：百分点认知智能实验室。
百分点首席算法科学家苏海波博士介绍，百分点将持续加大对认知智能前沿领域的研究，目前实验室团队拥有30多人，未来还将与各大高校就认知智能前沿方向进行研究合作。“下一个十年是认知智能的黄金十年，百分点认知实验室的定位主要有两个方面：第一是算法效果是最关键因素，实验室将对前沿算法进行攻坚；第二，研发出更多行业落地的产品和解决方案，提升公司的认知智能技术地位。”
众所周知，以自然语言处理、知识图谱为代表的认知智能是业界公认的人工智能最有价值却最难取得突破的领域。百分点认知实验室将以公共安全、媒体出版、零售快消等领域的应用需求为牵引，重点开展面向认知计算的深度学习和迁移学习、知识自动构建与推理技术等认知智能基础技术的研究。在深度迁移学习、多语种NLP、知识图谱和语义计算、自然语言交互四大核心技术方向进行布局。
事实上，以自然语言处理为代表的认知智能技术正在迎来它的黄金时代。未来，像客服、商业智能、语音助手、翻译、教育、法律、金融、体育娱乐等领域对于自然语言处理的需求将会大幅提升，也会对自然语言处理技术提出更高的要求。苏海波看来，自然语言处理的突破有利于认知智能水平的大幅提升，未来值得关注的技术趋势包括深度迁移学习、多任务学习等。
“自然语言处理未来非常重要的方向就是深度迁移学习技术，基于预训练模型的深度迁移学习技术将会给自然语言处理带来突破。像百分点海外业务中，很多小语种语料并没有中文、英文那么丰富，如何用好自然语言处理非常具有挑战性。通过百分点的深度迁移学习预训练模型，在很多场景中的确取得了非常好的效果。”苏海波如是说。
百分点的长跑基因
在本次发布会上，百分点还宣布成功完成E轮5亿元融资。
一直来，百分点都是投资机构青睐的对象。在投资者眼中，百分点是大数据赛道中综合能力极强的公司。广发乾和投资总监张学思表示，企业级市场是一个长跑的生意，需要长期积累和耕耘才能取得巨大回报。百分点拥有难能可贵的“长跑”基因，并且已经深入进入到多个高价值行业，这在国内大数据公司中比较少见。随着中国企业级市场逐步壮大，像百分点这样的公司将拥有巨大的市场机会。
百分点技术副总裁刘译璟博士也谈到，百分点的技术布局会结合当下业务情况和未来趋势，“企业级市场一定需要从长远的角度考虑。从技术层面看，哪怕有一些技术眼下没有具体的产品和项目案例。但从长远考虑，我们也会为未来做充足的准备。事实上，百分点的自然交互产品就是很好的例子，百分点几年前认为自然交互在未来几年非常重要，并且做了充足的布局和准备，如今这项技术已经出现在产品之中。”
据悉，本次融资之后百分点将重点拓展国内外两个市场。在国内市场方面，百分点将致力于大数据及人工智能技术在数字中国、智慧城市等领域的应用与建设，进一步下沉行业；而在国际市场方面，百分点将继续为“一带一路”沿线国家提供优秀的大数据+AI整体解决方案。
深度观察
当前，在国内企业级服务市场正在快速兴起，大批创业公司涌现。尤其是在DT时代下，以大数据、人工智能为代表的应用兴起，给中国企业级软件公司巨大的市场机会。不过，企业级市场依然是一个需要长期投入和经营的领域，考验的是企业在战略、技术、产品、服务、市场等全方位的长跑能力。
近年来，百分点显示出了强劲的增长动力，连续多年保持三倍增长。据悉，2017年百分点订单收入突破7亿人民币，并且率先实现盈利。此外，百分点还与SAP、阿里云并列入围国际知名咨询机构Forrester Predictive Analytics And Machine Learning Solutions Wave报告，成功中入选卓越表现者象限。
可以说，注重技术创新与行业实践相结合的百分点，在认知智能黄金时代开启之际，通过不断摸索与实践，已经走出了一条属于自己的认知智能之路。
未来的百分点，值得期待！
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
