人工智能的认知层面大家都在关注什么？

从AI的认知层来看“自然语言处理、语义网与知识图谱”算是关键技术。我们按照这些关键词提取36Kr、品玩与虎嗅的相关新闻共计803篇，构建新闻相似度网络，进行聚类与分析。

从直接聚类话题来看，谷歌搜索与知识图谱话题数量最多，并且位于图的中心，可见“知识图谱”对于认知智能的作用，紧随其后的是关于百度的聚类话题。后面还有聊天机器人与语音助手相关话题。

主要应用领域

从直接聚类结果可以看到，认知领域的技术主要应用在：金融、聊天机器人与客服、智能音箱、搜索、在线教育、机器翻译与大数据BI等领域。

其实“自然语言处理”与“知识图谱/语义网”并不是一个维度的概念，那么我们先来看一下“知识图谱”主要应用在哪些领域。

知识图谱应用领域

知识图谱（Knowledge Graph）由谷歌搜索于2012年提出，最初用来改善搜索效果，随后百度跟进。我们可以看到提及知识图谱的文章主要在搜索、金融与在线教育三个领域。

搜索

2012-05 “Google发布“知识图谱”：为用户提供有完整知识体系的搜索结果”

2012-07 “谷歌图片搜索重大改进，搜索结果中新增“知识图谱””

2013-03 “Google知识图谱运用到Google Play Movies & TV应用中，识别出影片中人物后给出结构化信息”

2013-04 “Google以3000多万美元买下自然语言处理公司Wavii，助力知识图谱的下一步发展”

2014-01 “Google在桌面版搜索中运用更多知识图谱内容，可帮用户筛选站点”

2014-05 “Wavii 创始人Adrian Aoun 离开Google”

2013-01 “李彦宏在2012年年终百度年会上的演讲”----去年的这个时候，有人说：“网页检索已经没有什么改变的空间了。”但是现在我们看到，在我们大搜索团队的努力下，基于“知识图谱”的新型网页搜索结果正在冲击用户的视觉感官，也成为了网页搜索新的标杆。

金融

“金融知识图谱是平台的基础，在这个基础上能长出很多应用场景，比如获客、实时授信、产品个性化推荐、贷后管理等。”

“全域金融知识图谱就是把所有不同种类的信息连接在一起而得到的关系网络，为金融机构提供了从“关系”的角度去分析问题的能力。”

“有了知识图谱，事实上就可以实现针对金融风险的精准用户画像构建”

“把视频、图片和音频等非结构化数据转变成结构化数据，并实现格式化存储，然后形成知识图谱关联在一起，通过机器学习技术，再结合以人为节点的关系分析模型，搜索、挖掘出一些信息，最后可视化的呈现出来。”

教育

“基于知识图谱，图谱可以维系知识点之间的牵连关系，做到不同难度之间的衔接。”

“目前速算盒子已经完成了知识图谱的构建、知识点之间关联性的建立，希望在减少学生做题量的同时，达到更好的效果。”

“他们为整个GMAT考试建立了一个知识图谱，通过 keyword 和 pattern 定位知识点，让用户知道通过Prep4GMAT正在锻炼哪一个方面的能力。”

““猿题库”必须做的一件事情就是根据每个考试的不同需建立起知识图谱，对网络上已有的题目资源进行系统整理。”

“根据知识图谱给出最适合他们的学习路径，然后在学习过程中不断给出反馈和调整，”

聊天机器人

聊天机器人不是什么新概念，是人们对BOT的一种愿望，而聊天机器人的兴起正是受到了AI与社交应用的进展推进，并且会成为我们通往真正AI的最后一站。

2015-12 “类Magic的聊天机器人，能帮Google在即时通讯上逆袭吗？”

2016-04 “又一巨头布局聊天机器人，Facebook Messenger发布bot开发者平台”

2016-09 “继Google之后，亚马逊也收购了一家聊天机器人平台，图谋“交互式电商””

2017-08 “不好意思，Facebook 的 AI 并没有“失控””

实际上语音助手（小娜、Siri）甚至智能音箱（Echo、Alexa）都可以算作聊天机器人。虽然聊天机器人的效果远不尽如人意，但是在客服场景中已经开始应用。

“与人工客服相比，机器人也许能更好地回答你的问题“

“智齿科技：人工智能问答技术尚未成熟，但开发客服机器人或许足够了”

”切入智能客服千亿市场，Rul.ai想用半监督学习做低成本机器人“

”已成红海的云客服市场，网易七鱼能来搅局吗？“

营销

“People Pattern就是一家营销自动化初创企业。该公司提供的工具可以自动收集受众数据，对社交媒体渠道进行评估，然后从中发现销售线索等潜在收入驱动因素。”

“Klarity还可以通过追踪企业在社交网络中营销内容的参与度、互动度、粉丝增长情况以及热门内容，从而为客户提供与竞争对手的对比分析。”

“Chorus 的平台采用 SaaS 模式，利用语音辨识、自然语言处理和人工智能技术来转录并分析销售电话的内容，同时通过实时的反馈提高销售代表的业绩表现。”

“EverString 更注重为广泛的业务领域和客户提供统配性更强的服务，凭借自主的自然语言处理、高维机器学习、知识图谱、智能爬虫和实时云计算等技术为每个行业的客户进行全网用户数据抓取、分析、打分和推荐。”

“我们自动获取电子邮箱地址，在Salesforce中登陆，然后使用自然语言处理（NLP）技术帮助销售员运用电子邮件中的数据。”

大数据与BI不再局限于结构化的数据，开始更多关注非结构化特别是文本数据的挖掘与应用

时间线图

2012年谷歌的“知识图谱”开启了人们对人工智能认知层面的关注，同时语音助手也开始受到关注；

2013年“知识图谱”概念关注达到顶峰，IBM的认知计算也得到一些关注，但是2103年之后关注度下降，无论是聊天机器人还是认知计算都没能接棒知识图谱，可以说造成了断档；

2014年，聊天机器人话题开始出现，直到2016年达到关注高峰，但是2017年关注度又急剧下降；

语音助手一直不温不火，直到2016年智能音箱开爆发。但是智能音箱的增长并不能阻止趋势性的下滑；关于认知层面的关注2016年Q4达到高峰，随即急速下降。

计算机视觉与自然语言处理+知识图谱，关注度对比

可以看到这次AI热潮其实是认知层面发起的，在2014年感知层面接棒，并受到更多关注；

最近这两个领域的关注都在下降，但是这跟计算机视觉领域的情况一样吗？是不是相关技术走过了炒作高峰，开始进入实际应用了呢？

这个需要配合企业融资数据进行分析，如果认知层面的公司继续获得大量投资，那么可以这么认为；反之，可能认知层面的技术并没有很好进入实际应用，冬天就要来了。