以下是Hans Uszkoreit的演講全文，AI科技大本營略做修改：

今天我將介紹目前人工智能的兩個主要方向，基於行為的學習和基於知識的學習；另外我會講一下商業智能以及工業4.0、開放數據與企業數據，以及開放的知識圖譜和企業知識圖譜；接著我會介紹文本分析的大數據方法、文本數據理解中的機器學習和結構化知識；最後我會講一下機器學習機器前景，這個大家已經看到很多了。

兩種不同的系統

我們看到，有很多的新聞都在報道人工智能在深度學習上所取得的一些成功，這已經聽說過很多了。這些成果涉及人工智能各個方面，如語音、文本和自動駕駛等，深度學習似乎正在改變我們的生活，確實也是如此。

但我們還有另外一種系統，這就是IBM的Watson，它在一個美國很著名的綜藝節目裏面獲勝了，他們沒有進行任何深度學習，它只是IBM系統的成功。Wason是另外一種系統，它可以掌握大量的結構化的知識，將非結構化知識當作結構化知識使用。

我們看到有兩種不同的系統：在人工智能歷史上很多系統都是基於知識的系統，有一種系統更多的是針對比較小群體的行為，比如說使用基於規則的專家系統來檢查信用的，且已經用了很多年了；還有一種系統，在進行機器學習之前做研究行為，我們見到的更多是經典的反應性機器學習。

後來在90年代的時候，機器學習崛起，並在2000年之後變得更加的成功，也有很多的分類還有方法，我們現在的話在兩側都有機器學習。比如像谷歌的機器翻譯，還有很多新的系統是用於自動駕駛，另外還有語音理解。

所以說，像人工翻譯只能理解它能夠理解的東西，但是谷歌的某些機器翻譯是像鸚鵡學舌一樣進行學習，他們學習特定的行為。但是，它們對語言本身沒有任何理解，它們本身也沒有的固有知識，有的只是隱性知識。因此它們無法理解中文或中文的屬性。

另外，我們還有一種是IBM的Watson和聊天機器人，它們需要控制大量的結構化知識，而且這些知識是動態的，將這些知識放到深度學習多層神經網絡中並不是優選的策略。DFKI也是這樣一種系統。

未來我們會開發出一些可以作預測的超人類人工智能，可以更好地結合兩者，這是我們接下來的重要一步。我剛才已經說過這些系統沒有真正的知識，所以說我們把它叫做“狹義人工智能”。比如，系統不能做些其他系統的任務：能下圍棋的系統不能做翻譯，能翻譯的系統不能做駕駛，能駕駛的系統不能做翻譯。

機器可以模仿和學習人類的行為，比如說學習世界頂級棋手的下棋方式；我們駕駛的系統可以從人的駕駛行為中學習，並能避免發生事故；翻譯的機器人可以同時翻譯幾十種不同的語言，人是做不到這一點的。

但是機器還是無法模仿四歲兒童在一小時內的行為。四歲兒童懂得的知識雖少，但他所有這些知識是可以重新再利用得，比如說他可以從冰箱裏取出東西或放回去東西，他也能夠回答關於冰箱的一些知識。目前我們的深度學習沒有這種可再利用的知識。

http://yyk.familydoctor.com.cn/20817/content_699107.html

http://yyk.familydoctor.com.cn/20817/content_699293.html

http://yyk.familydoctor.com.cn/20817/content_699555.html

http://yyk.familydoctor.com.cn/20817/content_699821.html

http://yyk.familydoctor.com.cn/20817/content_696338.html

http://yyk.familydoctor.com.cn/20817/content_696503.html

http://yyk.familydoctor.com.cn/20817/content_696716.html

https://www.wang1314.com/doc/topic-3306974-1.html

http://yyk.familydoctor.com.cn/20817/content_696841.html

http://yyk.familydoctor.com.cn/20817/content_697219.html

CCAI 2017 | 德國DFKI科技總監Hans Uszkoreit：如何用機器學習和知識圖譜來實現商業智能化？