編輯導(dǎo)語：鋪天蓋地的智能化感覺離我們越來越近，那么要想達(dá)到智能化——讓產(chǎn)品或平臺變的智能，我們需要的進(jìn)化路徑是怎樣的呢？這篇文章是作為智能化的啟發(fā)篇，主要更多的在于啟發(fā)式的思考智能化，并且延伸至對智能化平臺的構(gòu)建，后續(xù)幾篇作者會以實(shí)際場景詳細(xì)探討智能平臺的建設(shè)，大家快一起來看看吧。

不時在想從事大數(shù)據(jù)工作（數(shù)據(jù)人）的追求是什么？是無休止的與數(shù)據(jù)作對？是對數(shù)據(jù)全面管理？是數(shù)據(jù)能力中臺化降低業(yè)務(wù)使用成本？是讓數(shù)據(jù)易用來提升數(shù)據(jù)使用率和覆蓋人群？這些是在數(shù)據(jù)應(yīng)用演化進(jìn)程上的產(chǎn)物，是手段而不是目的。最終的目的是想通過數(shù)據(jù)造就智能，通往智能化。

如今都在說智能化，很多人不由得問什么是智能化？又如何達(dá)到智能化呢？

我認(rèn)為智能化包含兩部分：自動化和智力，同時也是智能路徑上的兩個階段。

自動化是基礎(chǔ)，智力是核心。自動化階段是可以自動的依據(jù)指令或信號完成某項(xiàng)流程或動作，不需要人工介入。但是需要人工觸發(fā)信號，即沒有自我辨識能力。而智力是可以通過自我學(xué)習(xí)，外界指導(dǎo)學(xué)習(xí)后作出自我判斷，并根據(jù)判斷后的結(jié)果自我沉淀經(jīng)驗(yàn)，持續(xù)完善經(jīng)驗(yàn)并作出最優(yōu)判斷。當(dāng)然這個智力主要指的是IQ層面，不涉及情感或EQ。如果涵蓋情感因素我認(rèn)為這就不僅是智能，而是類人或超人化存在。

所以通過智力判斷后作出指令控制，并自動化執(zhí)行。這一套流程結(jié)合起來就是智能化要做到的。類似于大腦和肢體的協(xié)作，大腦發(fā)出指令，肢體自動化執(zhí)行，還會存在簡單條件反射?？梢岳斫庾钤嫉某跏蓟橇褪怯珊唵我?guī)則組成的本能的簡單條件反射。

那么我們?nèi)绾我徊讲竭_(dá)到智能化？這看似是一個由高科技堆疊而成的理念，但拋開技術(shù)實(shí)現(xiàn)來說智能化的具體路徑抽象來看應(yīng)該都一致的，所以在這不探討軟技術(shù)和硬件如何配合實(shí)現(xiàn)，而是來看智能化演進(jìn)的路徑。在我的概念里，現(xiàn)在應(yīng)用最廣泛的機(jī)器學(xué)習(xí)甚至深度強(qiáng)化學(xué)習(xí)也只是技術(shù)選型之一，我認(rèn)為并不一定是最優(yōu)解。下面我會拋出智能化演進(jìn)路徑的框架，來進(jìn)一步探討。

這就不得不從思維形成過程來說，即人之所以可以做出多種判斷來抽象判斷性思維形成過程的原因。有言道：世上本無路，人走皆有之。人走的多了自然而然就形成了路，這其實(shí)暗含了人們經(jīng)過多次的嘗試或由于習(xí)慣沉淀下了一些規(guī)律，逐步演變?yōu)榱艘?guī)則?！奥贰笨梢岳斫鉃楣残缘囊?guī)則，因?yàn)槁房赡苁莾傻亻g的最短路徑，也可能是大多數(shù)人的走路習(xí)慣。規(guī)則讓人有了判斷標(biāo)準(zhǔn)或能力。

當(dāng)路走多了以后，人們自然就會依據(jù)規(guī)律去規(guī)劃道路。也就是說，由于大量規(guī)則的衍生，根據(jù)規(guī)律出現(xiàn)了思考、規(guī)劃甚至預(yù)測能力。像呱呱墜地的嬰兒，剛出生就被社會的條條框框所約束。通過學(xué)習(xí)規(guī)則，逐步形成了判斷力，甚至成長后思考如何改變規(guī)則。

只有判斷能力在如今不能稱為智力或者高等智力，因?yàn)閮H僅熟知做事原則并遵守就可以擁有判斷標(biāo)準(zhǔn)。當(dāng)具備思考能力，可以創(chuàng)造或改變規(guī)則那么就具備了初步的智力。

那么智力如何衍生出來的呢？我們抽象一下就是規(guī)則、規(guī)律、強(qiáng)化、刻意、重復(fù)和反饋。我們思考的過程或結(jié)果需要有反饋才能進(jìn)行思維進(jìn)化，這就是為什么你做一件事從來沒有拿到過結(jié)果，你并不知道你的做法是不是對的，是不是成功可行的，很難再去進(jìn)一步?jīng)Q策。

對于思維進(jìn)化來說反饋是極其重要的一步，也是整個思維進(jìn)化閉環(huán)中的最后一環(huán)。思考過程需要有結(jié)果的指導(dǎo)，這個結(jié)果往往會奠定繼續(xù)下去的方向。比如發(fā)散思維是空想，但最終還是要?dú)w于一個點(diǎn)，否則思考是沒有意義的。也沒有辨別你思考正確與否的機(jī)制，這樣就不能保證智力是正向提升的。

一、“智力”或“思考”是依托場景化的區(qū)分

對于“思考”，拿我們自身舉例，“思考”和“思維”也是分場景的。這個場景可能是某項(xiàng)專業(yè)技能，可能是生活中的某個片段，你所作出的結(jié)果都是依據(jù)特定場景下的思維判斷。這不是局限，而是模塊化思考的能力。所以我們逐步學(xué)習(xí)和成長的過程實(shí)質(zhì)是在不同場景中逐步學(xué)習(xí)、碰壁和反饋中漸進(jìn)發(fā)展的，并不是一概而論的。所以大腦只是承載了不同場景中的智力學(xué)習(xí)、存儲和運(yùn)行，并不會有一個通用的思考能力覆蓋所有場景。

現(xiàn)階段（現(xiàn)在的科學(xué)不一定就是真理）在對大腦的科學(xué)研究發(fā)現(xiàn)，無論是記憶還是正在發(fā)生的事情大腦都是以小的片段化記憶并處理的，所以我認(rèn)為“片段”就是大腦對小場景的劃分。

智能化的過程也是模擬以上場景化下的學(xué)習(xí)、判斷、反饋及經(jīng)驗(yàn)沉淀來形成思考和思維并不斷重復(fù)和強(qiáng)化。而在模塊化、場景化思考能力之上需要一個全局的思維管控，根據(jù)模塊場景優(yōu)先級進(jìn)行精力分配及協(xié)調(diào)。

智能化其實(shí)也是對大腦認(rèn)知的抽象，大腦認(rèn)知根據(jù)成長我分為了兩個階段：

1. 第一階段

第一階段是大腦運(yùn)作的基礎(chǔ)閉環(huán)：學(xué)習(xí)、感知（已發(fā)生場景識別）、判斷決策、觸發(fā)動作執(zhí)行、反饋、知識經(jīng)驗(yàn)沉淀（順序?yàn)樾畔鬟f方向）。

我們通過知識的學(xué)習(xí)記憶來感知事物或環(huán)境并作出相應(yīng)判斷，基于判斷會出信號來觸發(fā)自身的行為動作，并通過事后的神經(jīng)反饋來知曉結(jié)果，并把整個過程作為記憶儲存為經(jīng)驗(yàn)和學(xué)習(xí)的拓展為以后同類事情的發(fā)生提供輔助。這是我們?nèi)粘Ｒ彩亲罨A(chǔ)的大腦行為過程。

第一階段是可自動化所具備的條件，而形成自動化的過程也就是規(guī)則經(jīng)驗(yàn)沉淀的過程，即判斷和反饋。自動化形成后的持續(xù)運(yùn)行是對外界環(huán)境多樣性的沉淀及相似場景的刻意練習(xí)。即使對于人的大腦來說，智力成長的過程也需要不斷的刻意練習(xí)去刺激大腦皮層來增加更多神經(jīng)元的生成。而刻意練習(xí)的過程同樣適用于機(jī)器，刻意或重復(fù)練習(xí)是從自動化通往智能化的必經(jīng)之路。

2. 第二階段

隨著知識經(jīng)驗(yàn)長期的積累沉淀，第二階段便衍生出了：預(yù)感預(yù)測（第六感，未發(fā)生場景預(yù)知）、反哺學(xué)習(xí)、預(yù)知決策（預(yù)測場景判斷決策和已發(fā)生場景判斷決策）、靈感（隨機(jī)行為和思想）（順序?yàn)樾畔鬟f方向）。

你會發(fā)現(xiàn)有時我們會提前去思考某一件事可能即將或未來會發(fā)生，或者是提前去思考事情發(fā)生的多種可能性，并根據(jù)你預(yù)想發(fā)生的情況去作出提前應(yīng)對方式。甚至有時也會出現(xiàn)類似第六感或Deja Vu。而且有時你會發(fā)散思維或想象去做一些與常規(guī)格格不入的事情，例如很多我們難以理解的藝術(shù)品。這些其實(shí)就是與第一階段常規(guī)不同的進(jìn)化部分，這個進(jìn)化的緣由很大一部分就是經(jīng)驗(yàn)的積累帶來視野邊界的擴(kuò)大。

很多人說“教育”限制了孩子的想象力，這是個偽概念不詳細(xì)探討。但是想象力是來自于已有基礎(chǔ)的邊界擴(kuò)充，簡單來說就是，你都沒有交通的概念，怎么會能憑空的創(chuàng)造出一個交通工具？類似于你都不知道基礎(chǔ)科學(xué)怎么可以在此之上進(jìn)行科學(xué)突破或研究？

所以當(dāng)知識、經(jīng)驗(yàn)豐富到一定程度后，大腦會更容易的作出預(yù)測甚至形成潛意識的預(yù)感和靈感。并且可以根據(jù)經(jīng)驗(yàn)對預(yù)測和預(yù)感作出判斷及應(yīng)對策略，這是你心智模型的構(gòu)建過程。

心智模型的逐步成熟意味著智力的產(chǎn)生，也就意味著具備了智能化的核心。

圖1 大腦認(rèn)知抽象（做圖不易，且看且珍惜）

以上是通過大腦認(rèn)知抽象來看智能化的路徑，可能過于抽象但理念卻是相通的。那么如果把智能路徑具象通過平臺化、產(chǎn)品化如何實(shí)現(xiàn)？我們帶著此疑問逐步進(jìn)行拆解。

首先為了引出智能化與知識圖譜的關(guān)系，并讓大家更好理解。我們先來認(rèn)清一下數(shù)據(jù)和知識的關(guān)系。

二、“數(shù)據(jù)”和“知識”的關(guān)系

上文中我一直都在強(qiáng)調(diào)知識，那么知識是什么？數(shù)據(jù)就是知識嗎？為了更好的理解后面知識圖譜的重要性。這里先初步解釋一下，避免混淆數(shù)據(jù)和知識的概念。

簡單來說知識和數(shù)據(jù)是逐級包含關(guān)系，也就是說知識是由數(shù)據(jù)構(gòu)成的。這個大家可能理解，但并不是所有的數(shù)據(jù)都是知識。首先我們來拆解一下，通過對數(shù)據(jù)的分析加工變成了信息進(jìn)行傳遞，而信息只是有效傳遞的一種形式并非知識，只有提煉出信息與信息之間的聯(lián)系并進(jìn)行應(yīng)用便轉(zhuǎn)化為了知識。知識是有特定關(guān)聯(lián)的信息的集合和應(yīng)用。

可能一時揭露本質(zhì)難以理解，可以細(xì)細(xì)體會。

三、“智能化”與“知識圖譜”的關(guān)系

信息與信息之間相互聯(lián)系才構(gòu)建形成了知識。

知識圖譜是對經(jīng)驗(yàn)的構(gòu)建，也是知識沉淀的一種方法。

知識圖譜簡而言之是對現(xiàn)實(shí)世界實(shí)體與實(shí)體之間關(guān)系的構(gòu)建和對實(shí)體屬性的定義去來構(gòu)建知識體系的。而通過關(guān)系的推理可以知道在某些場景下所能聯(lián)系出的方式方法和策略，相當(dāng)于基于經(jīng)驗(yàn)知識的智能。

舉一個實(shí)際數(shù)據(jù)應(yīng)用場景的例子：比如最常見的數(shù)據(jù)分析場景。進(jìn)行數(shù)據(jù)分析的時候，當(dāng)前業(yè)務(wù)的分析維度或指標(biāo)是需要你依據(jù)業(yè)務(wù)場景來設(shè)想。如果基于已有的知識體系和經(jīng)驗(yàn)會推薦出跟你相關(guān)的數(shù)據(jù)指標(biāo)或數(shù)據(jù)維度，這取代或節(jié)省的是你設(shè)想和構(gòu)思分析模型的時間和效率。

你會發(fā)現(xiàn)這種應(yīng)用在不同工作中都會存在很多類似的場景：像特征工程的特征篩選；運(yùn)營、營銷和風(fēng)控等策略方法相關(guān)場景。總而言之運(yùn)用到知識經(jīng)驗(yàn)的場景都可以進(jìn)行應(yīng)用。

但現(xiàn)階段對于創(chuàng)新還是有一定難度的，目前主要應(yīng)用還是在于歷史經(jīng)驗(yàn)的篩選。不過可以通過后期圖推理能力的增強(qiáng)進(jìn)行關(guān)聯(lián)性創(chuàng)新，即通過關(guān)聯(lián)到的其他維度進(jìn)行方法的適配。如營銷策略從風(fēng)控策略中抽象而來的方法也不是沒有可能。

四、反哺和吸取

說到創(chuàng)新，從機(jī)器智力的角度，有一點(diǎn)是難以實(shí)現(xiàn)的。就是我以前文章《深入數(shù)據(jù)分析思維》中提到的“無中生有”。因?yàn)檫@個東西在機(jī)器的世界里（數(shù)據(jù)）從未出現(xiàn)過，也無法通過組裝的方式衍生出來。但是有方式可以彌補(bǔ)這個缺陷，即快速的新知識獲取，獲取速度盡量等同于新知識的產(chǎn)生速度。

我們再來回顧一下人的思考過程，你會發(fā)現(xiàn)人的創(chuàng)新或想象力并不是憑空出現(xiàn)的，也并不僅僅是靠訓(xùn)練而獲得的，其中還有一種思考的原材料，就是知識和經(jīng)驗(yàn)。人是根據(jù)不斷獲取外界的知識和經(jīng)驗(yàn)去進(jìn)行思考和實(shí)踐，之后對已有知識體系的排列組合。

所以我們可以通過把自動化構(gòu)建知識作為思考原料的補(bǔ)充，通過迅速爬取和自動構(gòu)建知識體系，可以近似于無限接近知識的邊界而擁有了創(chuàng)新能力。

五、智能化要減少或避免偏見

雖然說智能化是一個人人都期待的未來，但好事物總是一把雙刃劍。智能化也不例外。而產(chǎn)生偏見或許是需要擔(dān)憂的核心問題，這涉及了道德倫理、社會和人權(quán)等一系列問題。因?yàn)橹悄芑艽蟪潭纫匆蕾囉谌嘶蚴拢ㄗ鳛檩斎耄┑奶卣鞑⑶医Y(jié)果（作為輸出）作用于人，對于真實(shí)生活中的人來說有偏見很正常，每個人會有自己善惡丑美的判斷標(biāo)準(zhǔn)，大自然會中和人們偏見帶來的影響。而對于平臺來說，一個中立的系統(tǒng)，從另一種意義上說就代表著大自然的地位。帶有偏見的決策可能就會是毀滅性的。

六、智能化的特點(diǎn)：用戶的感知一定是簡單

智能并不代表著復(fù)雜。相反，智能給人的感覺一定是易用易懂。智能化的邏輯過程雖然復(fù)雜，但是產(chǎn)品平臺的意義就是把智能化的邏輯封裝作為知識體系傳遞給用戶，面向用戶的僅僅需要簡單的操作指令去應(yīng)用知識。如果把過程暴露給用戶，智能化并不能提升效率反而會造成極大的使用成本，這也失去了智能的意義。

你會發(fā)現(xiàn)自動化的前提可能會很復(fù)雜，比如預(yù)先定義一些固化的標(biāo)準(zhǔn)，然后基于標(biāo)準(zhǔn)進(jìn)行自動化的處理。而定義標(biāo)準(zhǔn)或是SOP的過程是繁雜的。用戶定義的過程相當(dāng)于一次沉沒成本的投入，換取后續(xù)固化下來的自動化。而且作為用戶要考慮到各種情況的應(yīng)對策略，否則自動化就會陷入死胡同。

因此自動化是把知識邏輯開放給用戶的；而智能化是封裝了自我衍生的知識邏輯，用戶要做的是告知應(yīng)對的場景是什么。

七、智能化的產(chǎn)品平臺

通過啟發(fā)式思考，抽象來看對于智能平臺應(yīng)該具備的核心能力或者模塊應(yīng)該有哪些？依于此，智能化的平臺如何構(gòu)建？

1. 平臺產(chǎn)品智能化路徑

我們根據(jù)抽象出來的每個環(huán)節(jié)來對應(yīng)平臺核心能力（這里所說的平臺沒有屬性的傾向性，因此沒有對應(yīng)場景去說明，完全高度抽象）。

那么核心能力鏈路就要涵蓋：數(shù)據(jù)感知中心（數(shù)據(jù)采集、收集和計算引擎）、知識中心（知識沉淀、知識圖譜）、事件感知識別（依據(jù)知識做出的判斷）、學(xué)習(xí)中心（算法及圖推理引擎）、中央控制樞紐（資源協(xié)調(diào)、任務(wù)分配及熔斷）、人工干預(yù)（強(qiáng)制人工介入）、全局可視化。

下面詳細(xì)闡述一下各個能力的組成邏輯。

1）知識中心（知識沉淀、知識圖譜）

對于“學(xué)習(xí)”來講，首先需要具備“知識”，而知識的積累過程是來源于用戶的“灌輸”和對外界的“感知”。從知識維度來講，我們需要區(qū)分知識的類型。我分為了四大類：①事物特征；②識別規(guī)則；③操作行為；④平臺經(jīng)驗(yàn)。這四類知識分別代表著對外界真實(shí)的感知，感知后的認(rèn)知及判斷和決策后的處置動作。因此這個知識體系可以覆蓋整個平臺的自動有效運(yùn)行。而平臺自身依據(jù)知識學(xué)習(xí)后的實(shí)踐反饋可作為平臺自身經(jīng)驗(yàn)沉淀后作為后續(xù)迭代進(jìn)化的基礎(chǔ)。

感知“事物特征”需要根據(jù)接觸到的事物的事實(shí)進(jìn)行數(shù)據(jù)化后收集并提煉，例如看到一只動物對它自身的毛發(fā)顏色、奔跑速度等一系列事實(shí)存在的特征數(shù)據(jù)化提煉。當(dāng)然是需要對事物處置前、后的特征都進(jìn)行沉淀，這需要作為對執(zhí)行過程的反饋和結(jié)果認(rèn)定的標(biāo)準(zhǔn)。

對于第一步真正知識的“灌輸”是根據(jù)用戶已有對事物特征的判斷經(jīng)驗(yàn)而抽象的規(guī)則，這也是最簡單也最常見的經(jīng)驗(yàn)運(yùn)作方式，隨之沉淀為平臺的識別規(guī)則。

基于面對的事物及其特征進(jìn)行規(guī)則判斷后，下一步是用戶的處置動作。而處置的操作行為是作為后續(xù)提煉決策的一個重要知識。我們可以依據(jù)事物特征、特征與判斷規(guī)則及處置方式的聯(lián)系進(jìn)行后續(xù)的學(xué)習(xí)并形成平臺自己的決策知識。

2）數(shù)據(jù)感知中心

數(shù)據(jù)感知本質(zhì)是一個傳感器的存在，主要是對外界環(huán)境事物和內(nèi)部數(shù)據(jù)的采集和收集，感知的核心是數(shù)據(jù)變化需要精準(zhǔn)和精確。知識中心沉淀的事物特征、操作行為是需要通過數(shù)據(jù)采集加工后進(jìn)行標(biāo)準(zhǔn)的知識沉淀。當(dāng)然數(shù)據(jù)是一條很復(fù)雜的鏈路，這里我就不再細(xì)說，感興趣的同學(xué)可以去研究或私下問我數(shù)據(jù)采集和加工鏈路。

3）中央控制樞紐（監(jiān)控、協(xié)調(diào)、分配、熔斷）

中央控制樞紐主要是對平臺應(yīng)對場景的感知和內(nèi)部多模塊中心的協(xié)調(diào)運(yùn)作進(jìn)行監(jiān)控、協(xié)調(diào)處理與任務(wù)分配，如對場景數(shù)據(jù)的感知從而觸發(fā)相應(yīng)的執(zhí)行操作、不同環(huán)境下執(zhí)行操作的計算資源彈性調(diào)配、模塊性能的優(yōu)先級保障、運(yùn)行狀態(tài)監(jiān)控和分配任務(wù)執(zhí)行鏈路等。并通過定義核心關(guān)鍵指標(biāo)來限制平臺智能不得突破應(yīng)對場景的操作底線，否則直接觸發(fā)熔斷的保障機(jī)制讓智能失效，降級回歸至硬規(guī)則自動化或人工介入。

整個模塊相當(dāng)于平臺自身智能化操作的觸發(fā)監(jiān)控和觸發(fā)后平臺的協(xié)調(diào)調(diào)度中心，保障各種環(huán)境狀態(tài)下的運(yùn)行正常和機(jī)制健全。

4）學(xué)習(xí)引擎

學(xué)習(xí)對于平臺來講是需要圖算法構(gòu)建和圖推理的一個過程，前提是需要大量的數(shù)據(jù)積累。包括用戶所要應(yīng)對事件的特征、用戶對于此類事件在平臺上的操作處理行為、操作觸發(fā)后事件所表現(xiàn)出的結(jié)果特征、用戶對此事件的評定和處理方式，以及處理方式結(jié)論的評價。這些都需要作為知識和經(jīng)驗(yàn)保存下來，因此知識圖譜的應(yīng)用是助力學(xué)習(xí)與智能運(yùn)用的一劑良藥。

5）事件感知及策略

事件感知分為兩方面：預(yù)測和識別。

預(yù)測是基于歷史的知識經(jīng)驗(yàn)，并結(jié)合推理出的更多可能性，可以對現(xiàn)在環(huán)境的特征預(yù)測未來各場景下事件發(fā)生的可能性；識別是對當(dāng)前正在發(fā)生事件的特征進(jìn)行辨別判斷從而識別。通過預(yù)測和識別的場景進(jìn)行針對性的策略應(yīng)對。這一模塊是智能化下的執(zhí)行環(huán)節(jié)，有效的進(jìn)行策略輸出與執(zhí)行。

6）人工干預(yù)

顧名思義，人類從來都是把最終掌控權(quán)掌握在自己手中，也往往是安全機(jī)制中的最后一環(huán)。簡單來說就是自動切手動，人工作為智能的保障。

7）全局可視化

全局可視化不必多說，需要盡可能的把環(huán)節(jié)中有用和事件處理的結(jié)果效果有效的展現(xiàn)出來，讓人更直觀、更透明且有預(yù)期的對全局的把控。

八、結(jié)語

以上是我認(rèn)為智能所要具備的基本核心，而如何把抽象出的核心理念具象在一款產(chǎn)品平臺上實(shí)現(xiàn)呢？敬請期待……

智能似乎遙不可及，但逐步滲入我們生活。隨著數(shù)據(jù)的積累，或許未來的2-3年內(nèi)，智能化的戰(zhàn)役一觸即發(fā)。

作者：趙偉森，微信公眾號：樹蔭下的貓貓狗狗

本文由 @趙偉森 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash ，基于 CC0 協(xié)議