人工智能处于由感知智能向认知智能发展的阶段，后深度学习时代的 AI 从数据驱动向知识驱动发展。大数据驱动的深度学习难以达到和认知智能同样的效果，需要富知识驱动（如知识图谱）。通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱，形成知识图谱的过程本质是在使机器建立认知，理解世界。而正如人类语言是知识传递的形式，知识图谱是认知核心，NLP 则是机器建立认知核心的桥梁，让AI使用自然语言与人交互。因此，自然语言处理（NLP）和知识图谱是认知智能的关键技术，而 NLP 是知识图谱的前置，可以说 NLP是AI技术的核心。
以计算机视觉为代表，基于神经网络的深度学习技术的感知智能技术“触及天花板”。在当前的感知智能阶段，可以看到 AI 在产业界的应用其实比较局限，主要原因还是认知智能发展不够成熟，不能很好地模拟人类交互，造成用户体验不佳。因此 NLP 的发展和应用是 AI 能够真正理解人类语言的重要前提，也是 AI 相关产品能够落地应用的保障。
图：AI 从数据驱动向知识驱动发展
认知智能当前面临一些瓶颈，使得技术与产业应用之间存在距离，是目前相关应用和产品较少的关键原因，但是相信未来一定会来。目前认知智能发展面临的一些问题：
1）需要探索结合知识图谱的深度学习。随着深度学习对于大数据的红利消耗殆尽，深度学习模型效果的天花板日益迫近。另一方面虽然大量知识图谱不断涌现，但尚未被深度学习有效利用。如何融合知识图谱与深度学习，提升深度学习模型效果是未来重要的发展方向。2）认知智能往往需要提取内在隐含的知识，或者基于背景关联知识获得认知结果，基于同样的数据在不同的业务需求、不同的背景知识下认知结果可能大不相同。认知智能效果是场景敏感和相关的，通用认知智能效果在具体场景下未尽人意。而对于小语种、某些专业领域、客户服务等对话系统而言，相关训练集仍然处于较少而零散的状态，仍需要人工标注相关语言信息数据作为 NLP训练前的准备。
图：需要探索结合知识图谱的深度学习
（2）无限场景是人工智能产业发展的核心方向
赋能是AI的本质，人工智能应用正进入场景为王的时代，知识驱动的认知智能的发展应与场景相结合，AI应用模式成功需要技术+闭环数据+场景（行业知识）的深度结合。认知智能效果是场景敏感和相关的，认知智能往往需要提取内在隐含的知识，或者基于背景关联知识获得认知结果，基于同样的数据在不同的业务需求、不同的背景知识下认知结果可能大不相同。后深度学习时代，除了算力、算法、数据以外，场景和行业专家（知识）尤为关键。
（3） AIGC概念股近期震荡走强,拓尔思、科大讯飞等涨停,云从科技涨超18%,中文在线、视觉中国、昆仑万维等涨幅居前。
拓尔思据称是语义智能第一股，公司的 TRS人工智能技术平台以 TRS DL-CKM 基于深度学习的自然语言处理引擎为核心，拥有全栈 NLP 技术能力，领先的知识图谱技术，成熟的图像和音视频处理能力，可将语义智能赋能予公司全线产品、解决方案和在线大数据服务，最终应用于不同行业的众多业务场景中。
