认知智能的应用场景

1. 智能营销，系统通过精准分析，能够对客户做出准确的定位和画像，并匹配出最佳的营销策略，将营销融入服务的过程中，最终达到促进购买的目的。
2. 政务领域的应用：例如贵阳12345城市管理自流程系统，该系统通过对市、区、乡镇各级政府部门11大类、700多个小类和近1000个子类的社会服务进行了梳理，通过人工智能大脑替换原有人工派单，将群众的报案准确派发至相应单位，减少人的工作量，提高工作效率，提升政府的治理能力。
3. 智能家居：下班进门人脸识别， 自动开灯，温度调节，命令打开电视，准备咖啡，扫地机器人打扫房间。
4. 智能问答：带有常识的问答
5. 商品推荐：购买过便不再推荐同类商品

我们能期待具有常识的软件能做什么？这是很难去定义的，因为它包含着许许多多的小片段，而所有的一切都很容易单独进行编程。例如，如果你躺在地上大喊“我受伤了”，常识会让我们呼叫急救服务……但有可能，苹果的Siri已经能够做到这一点。

我们有Winograd Schema挑战，但它似乎太注重自然语言处理…我不知道理解语言和常识是否是一回事。例如，许多人是文盲，但他们也有常识。

因此，我在此提供一个“测试”。每年都有新的原创视频游戏问世，其中大多数都没有任何说明。你开始玩的时候要自己看着办，也就是用“常识”。所以我认为，如果有一个软件能够从苹果的AppStore选一个不错的游戏，并在几分钟想出怎么玩（而非玩上上千遍），那么这个软件就具备常识。该软件没有必要达到“人的水平”。例如，如果软件只能玩5岁小孩水平的简单游戏，也是可以的。在该试验中，关键是多样性。有很多不同的游戏，即使它们有相同的基本运作方式，它们也是非常不同。

用游戏来测试软件智能可行吗？我认为是可行的。游戏就是我们如何了解世界的过程。而且，坦率地说，办公室工作和视频游戏也没多大的不同。

然后是常识。常识的定义为在一定的文化背景下，人们拥有的相同的经验知识。比较常见的有空间、时间、文化、物理常识。常识对于我们日常生活十分重要，尤其是在我们做出决定与判断的时候尤为如此。很多常识是潜移默化形成的，是文化与背景学习的产物。那机器如何形成常识呢？早在1959年，McCathy就已经想过让机器拥有常识以便得更加聪明。目前的人工智能界有两条方法来解决这个问题。第一条为让机器形成学习与观察周围环境的机制，就像一个孩子一样去学习，不过这样时间成本比较大，用户能否承担起这些成本还是未知数。明斯基曾说：常识是长期实践中总结出来的庞大知识体系，包含大量生活中学到的规则和异常现象、特性及趋势、平衡与制约等。第二条途径就是建立大型的常识库，并将其存储到电脑中。其中最为著名的为CYC项目，这个项目由Douglas Lenat于1984年提出。首先通过采访与观察人的数据，然后知识工程师对这些数据进行处理，以CYCL的形式整理成数据库。当然，这个常识库的成本过于高昂。目前常识库中比较可行的思路为让互联网上的每个用户共同建立这个常识库，并在特定的网页使用不同的语言来进行编写。这样就能节省很多时间与金钱的成本，最为成熟的为OMCS（open mind common sense）