20 世紀50 年代中期到80 年代初期的感覺器，20世紀80 年代初期至21世紀初期的專家系統，以及最近十年的深度學習技術，分别是三次熱潮的代表性産物
Gartner2018技術成熟度曲線，Gartner每年釋出的技術趨勢曲線，聚焦未來5到10年間，可能産生巨大競争力的新興技術
人工智能技術遠未達到媒體所宣傳的神通廣大，無所不能。從圖1中的技術發展現狀也可一窺端倪。AlphaGo可以戰勝最好的人類棋手，但卻不可能為你端一杯水。著名機器人學者Hans Moravec早前說過：機器人覺得容易的，對于人類來講将是非常難的；反之亦然。
人可以輕松做到聽說讀寫，但對于複雜計算很吃力；而機器人很難輕松做到用手抓取物體、以及走上坡路，但可以輕而易舉地算出空間火箭的運作軌道。人類可以通過日積月累的學習，輕松完成各種動作，但對于機器人來講完成這些簡單的動作難如登天。專家們稱此理論為“莫拉維克悖論”(Moravec's Paradox)。機器學習專家、著名的計算機科學和統計學家 Michael I. Jordan近日在《哈佛資料科學評論》上發表文章，也認為現在被稱為AI的許多領域，實際上是機器學習，而真正的 AI 革命尚未到來。
業界一緻認為，AI的三要素是算法，算力和資料
從計算，到感覺，再到認知，是大多數人都認同的人工智能技術發展路徑。那麼認知智能的發展現狀如何？
首先，讓我們看一下什麼是認知智能。複旦大學肖仰華教授曾經提到，所謂讓機器具備認知智能是指讓機器能夠像人一樣思考，而這種思考能力具體展現在機器能夠了解資料、了解語言進而了解現實世界的能力，展現在機器能夠解釋資料、解釋過程進而解釋現象的能力，展現在推理、規劃等等一系列人類所獨有的認知能力上
對于看、聽、說、動作而言，感覺智能已經可以達到非常好的效果。而對于推理、情感、聯想等能力，還需要更強的認知能力的展現
虛拟生命基本能力範疇
虛拟生命發展階段
虛拟生命1.0，可以看做是聊天機器人的更新版本。本階段最重要的特點是單點技術的整合，并能作為整體和人類進行互動。從功能上來看，仍然是被動互動為主，但可以結合對使用者的認知，進行使用者畫像和主動推薦。
我們目前正在處于虛拟生命的1.0階段。在這個階段，多輪對話、開放域對話、上下文了解、個性化問答、一緻性和安全回複等仍然是亟待解決的技術難題。同時，虛拟生命也需要找到可落地的場景，做好特定領域的技術突破。
虛拟生命2.0，是目前正在努力前行的方向，在這個階段，多模态技術整合已完全成熟，虛拟生命形态更為多樣性，具備基于海量資料的聯合推理及聯想，對自我和使用者都有了全面的認知，并可快速進行人格定制。實作這個階段可能需要3-5年。
虛拟生命3.0， 初步達到強人工智能，具備超越人類的綜合感覺能力，并擁有全面的推理、聯想和認知，具備自我意識，并能達到人類水準的自然互動。随着技術的進步，我們期待在未來十年至三十年實作虛拟生命的3.0。
語言是主要以發聲為基礎來傳遞資訊的符号系統，是人類重要的交際工具和存在方式之一。作用于人與人的關系時，是表達互相反應的中介；作用于人和客觀世界的關系時，是認識事物的工具；作用于文化時，是文化資訊的載體（來源：維基百科）。語言與邏輯相關，而人類的思維邏輯最為完善
自底向上，自然語言處理需要通過對字、詞、短語、句子、段落、篇章的分析，使得計算機能夠了解文本的意義
比如和機器人對話的過程中，對于音樂話題的了解，就需要用到命名實體識别、實體連結等技術。舉一個簡單的例子，“我真的非常喜歡傑倫的雙截棍”，就需要判斷傑倫是一個人名，連結到知識庫中“周傑倫”這樣一個歌手實體，并且“雙截棍”是一個歌名而不是一種器械。同時，還可以進行情感判斷，是一個正面的“喜歡”的情感。
傳統的自然語言處理技術，還是以統計學和機器學習為主，同時需要用到大量的規則。近十年來，深度學習技術的興起，也帶來了自然語言處理技術的突破。這一切還需要從語言的表示開始說起。
衆所周知，計算機擅長處理符号，是以，自然語言需要被轉化為一個機器友好的形式，使得計算機能夠快速處理。一個很典型的表示方法是詞彙的獨熱（one-hot）表示，也就是相當于每個詞在詞彙表裡都有一個特定的位置。比如說有一個10000個詞的詞彙表，而“國王”是詞彙表裡的第500個詞，那麼“國王”就可以表示為一個一維向量，隻有第500個位置是1，其他9999個位置都是0。但這種表示方法的問題很多，對語義相近但組成不同的詞或句子如“國王”和“女王”，利用獨熱表示的向量内積，無法準确的判斷兩者之間的相似度。
2013年，Tomas Mikolov等人在谷歌開發了一個基于神經網絡的詞嵌入（word embedding）學習方法Word2Vec，不但大大縮短了詞彙的表示向量的長度，而且能夠更好的展現語義資訊。通過這種嵌入方法可以很好的解決“國王”-“男人”=“女王”-“女人”這類問題。感興趣的讀者可以參考網際網路上大量的關于詞嵌入的資料。
計算機能夠快速處理自然語言之後，傳統的機器學習方法也進一步被深度學習所颠覆。相關算法在近年來的疊代速度非常快。以語言模型（Language Model）預訓練方法為例，代表性方法有Transformer，ELMo，Open AI GPT，BERT，GPT2以及最新的XLNet。其中，Transformer于2017年6月被提出。ELMo的發表時間是2018年2月，重新整理了當時所有的SOTA（State Of The Art）結果。
不到4個月，Open AI在6月，基于Transformer釋出了GPT方法，重新整理了9個SOTA結果。又過了4個月，橫空出世的BERT又重新整理了11個SOTA結果。2019年2月，Open AI釋出的GPT2，包含15億參數，重新整理了11項任務的SOTA結果。而2019年6月，CMU 與谷歌大腦提出了全新 XLNet，在 20 個任務上超過了 BERT 的表現，并在 18 個任務上取得了目前最佳效果。
除了算法和算力的進步，還有一個重要的原因在于，以前的自然語言處理研究，更多的是監督學習，需要大量的标注資料，成本高且品質難以控制，而以BERT為代表的深度學習方法，直接在無标注的文本上做出預訓練模型。在人類曆史上，無監督資料是海量的，也就代表着這些模型的提升空間還有很大。2019年7月11日，Google AI發表論文，就利用了驚人的250億平行句對的訓練樣本。其應用效果我們也拭目以待。
嘗試用技術模拟人類的真實對話，在開放領域就是個僞命題。因為在人類的對話過程中，一句話中所表達出的資訊，不隻是文字本身，還包括世界觀、情緒、環境、上下文、語音、表情、對話者之間的關系等。
比如說“今天天氣不錯”，在早晨擁擠的電梯中和同僚說，在秋遊的過程中和驢友說，走在大街上的男女朋友之間說，在傾盆大雨中對同伴說，很可能代表完全不同的意思。在人類對話中需要考慮到的因素包括：說話者和聽者的靜态世界觀、動态情緒、兩者的關系，以及上下文和所處環境等
而且，以上這些都不是獨立因素，整合起來，才能真正反映一句話或者一個詞所蘊含的意思。這就是人類語言的奇妙之處。同時，人類在互動過程中，并不是等對方說完一句話才進行資訊處理，而是随着說出的每一個字，不斷的進行腦補，在對方說完之前就很可能了解到其所有的資訊。再進一步，人類有很強的糾錯功能，在進行多輪互動的時候，能夠根據對方的回報，修正自己的了解，達到雙方的資訊同步。
在上一節中，我們也提到，自然語言處理技術很難解決推理問題。而推理是認知智能的重要組成部分。比如說對于問題“姚明的老婆的女兒的國籍是什麼？”，一個可行的解決方案，就是通過大規模百科知識圖譜來進行推理查詢。
知識圖譜被認為是從感覺智能通往認知智能的重要基石。一個很簡單的原因就是，沒有知識的機器人不可能實作認知智能。圖靈獎獲得者，知識工程創始人Edward Feigenbaum曾經提到：“Knowledge is the power in AI system”。張钹院士也提到，“沒有知識的AI不是真正的AI”。
拿上一節提到的GPT-2算法來看，即使其文章續寫能力讓人贊歎，也隻是再次證明了足夠大的神經網絡配合足夠多的訓練資料，就能夠産生強大的記憶能力。但邏輯和推理能力，仍然是無法從記憶能力中自然而然的出現的。學界和企業界都寄希望于知識圖譜解決知識互連和推理的問題。那麼什麼是知識圖譜？簡單來說，就是把知識用圖的形式組織起來。可能這樣說還不夠明白，我們舉例子分别說下什麼是知識，什麼是圖譜。
所謂知識，是資訊的抽象，舉一個簡單的例子來說，226.1厘米，229厘米，都是客觀存在的孤立的資料。此時，資料不具有任何的意義，僅表達一個事實存在。而“姚明臂展226.1厘米”， “姚明身高229厘米”，是事實型的陳述，屬于資訊的範疇。對于知識而言，是在更高層面上的一種抽象和歸納，把姚明的身高、臂展，及姚明的其他屬性整合起來，就得到了對于姚明的一個認知，也可以進一步了解姚明的身高是比普通人更高的。
維基百科給出的關于知識的定義是：知識是人類在實踐中認識客觀世界（包括人類自身）的成果，它包括事實、資訊的描述或在教育和實踐中獲得的技能。知識是人類從各個途徑中獲得得經過提升總結與凝練的系統的認識。
圖譜的英文是graph，直譯過來就是“圖”的意思。在圖論（數學的一個研究分支）中，圖（graph）表示一些事物（objects）與另一些事物之間互相連接配接的結構。一張圖通常由一些結點（vertices或nodes）和連接配接這些結點的邊（edge）組成。Sylvester在1878年首次提出了“圖”這一名詞[7]。如果我們把姚明相關的“知識”用“圖譜”建構起來
知識圖譜是實作通用人工智能（Artificial General Intelligence）的重要基石。從感覺到認知的跨越過程中，建構大規模高品質知識圖譜是一個重要環節，當人工智能可以通過更結構化的表示了解人類知識，并進行互聯，才有可能讓機器真正實作推理、聯想等認知功能。而建構知識圖譜是一個系統工程
自頂向下的政策為專家驅動，根據應用場景和領域，利用經驗知識人工為知識圖譜定義資料模式，在定義本體的過程中，首先從最頂層的概念開始，然後逐漸進行細化，形成結構良好的分類學層次結構；在定義好資料模式後，再将實體逐個對應到概念中。
自底向上的政策為資料驅動，從資料源開始，針對不同類型的資料，對其包含的實體和知識進行歸納組織，形成底層的概念，然後逐漸往上抽象，形成上層的概念，并對應到具體的應用場景中。
知識圖譜可以輔助各種智能場景下的應用。谷歌在2012年最早提出“Knowledge Graph”的概念，并将知識圖譜用到搜尋中，使得“搜尋能直接通往答案”。知識圖譜還能輔助智能問答、決策推理等應用場景。
最後，建構知識圖譜的成本仍然較高。Heiko Paulheim在其文章《How much is a Triple? Estimating the Cost of Knowledge Graph Creation》中，給出了幾個典型的知識圖譜的建構成本。其中，上世紀80年代開始的也是最早的知識圖譜項目CYC，平均建構一條陳述句和斷言的成本是5.71美元，而随着自然語言處理和機器學習技術的進步，DBpedia建構每一條的成本降低到了1.85美分。即便如此，在真正工程化落地的時候，牽扯到多源資料的清洗整合，一個知識圖譜項目的成本還是居高不下。
自然語言處理與知識圖譜結合可以實作一定程度的推理，而知識圖譜和深度學習結合可以實作一定程度的可解釋性，自然語言處理和深度學習結合，誕生了BERT等強大的語言模型