“AI虽然在60多年前就已经提出，但在大数据普及后才获得广泛关注，现阶段所谓的AI，其实还远没有达到要求，人机协同的局面将长期存在”明略科技集团首席科学家兼明略科学院院长吴信东向记者陈述。
明略科技集团首席科学家兼明略科学院院长吴信东
数据是AI的基础，重质不重量
一个问题用AI该怎么来描述?这种描述的基础其实就是数据。数据不够，会导致问题的了解程度不够，这会带来很多不确定性、不完整性。吴信东表示，现在的AI跟大数据环境密不可分，但在20世纪50、60年代，大数据概念并不存在，解决问题根据已有数据，只要数据能够刻画问题，关键节点能够描述就可满足要求。所以数据量并不是关键，而数据的准确度、质量才关键，这会大幅增加问题求解答案的可信度，而且求解能力也更强。
AI面临宽度与深度的双问题
实际商用时，AI还面临着两个大基本方向，深度和宽度。深度学习计算是面向一个具体问题，当数据不够精确时，问题的描述就会存在不确定和不完备性，深度学习需要进行模式探讨和相似度计算，使用很多统计规律，面向一个特定的点，人脸识别是这类计算的典型应用。
而宽度逻辑计算是一种场景识别，涉及到人、事、物、场景、结构，只运用深度学习远远不够，这就需要用逻辑进行描述，不管是语义网络还是背景式网络，亦或是各种各样的实体关系结构。
认知与效率的结合
目前，有些特定的领域，深度学习做得比较好，如语音识别、图像识别。但大场景，管理复杂度比较高，或者知识面比较宽的情况，需要先把逻辑结构、框架构建出来，这方面的AI计算是市场目前的短板，因此，明略科技提出了HAO智能理论框架。
HAO智能，就是人类智能(Human Intelligence)，加上人工智能(Artificial Intelligence)，再加上组织智能(Organizational Intelligence)，融合垂直行业的专门知识，做人和机器的整体布局，人作为智能体，与机器人、智能设备等，构建人机协同智能系统，相互感知、相互认知。
明略将基于HAO智能的人机协同设计了三个步骤。第一，数据采集、储存、治理、分析，用到智能感知部分。第二，人机相互协同，将设备传感器客观采集的数据与人类主观感知到的信息相结合，将机器计算与人的信息认知以及行业特有智能相结合，将机器运算和推理结果与人的分析相匹配，形成概率化与规则化有机协调的优化判断，输出至不同的行业场景中，帮助人类在社会活动中进行决策制定和行动执行。第三，根据执行过程和最后结果，人机之间相互作用推进软件和算法的迭代。
人机协同的局面将长期存在
人机协同的现状未来会长期存在，以明略科技公安知识图谱为例，目前做到了16亿节点，如果做五度、六度、七度搜索，是16亿的五次方、六次方、七次方，即便把全世界所有机器都调动起来，搜索时间也太过冗长。但是通过人机结合，协同搜索，在某个特定案件中，做到了五分钟破获关键线索。赋予机器人类的洞察力，将大幅提高整体的运行效率。
吴信东，系爱丁堡大学人工智能系博士毕业，此前在美国工作20年，一直在寻找将研究理论落地到行业进行验证的机会，目前他担任明略科技集团首席科学家，兼任明略科学院院长，领导旗下五大实验室，包括知识工程实验室、信息检索实验室、深度学习实验室、智能营销实验室，以及视觉计算实验室。相信未来明略科技将涉足多个领域，实践其在宽领域，高逻辑方面的研究，真正带动行业技术创新，实现赋能百业的初衷。
（转载）
