基于知识学习的多目标关联检测与识别方法

郭 策，高跃清,2，沈宇婷，杜 楚，陈路路，赵会盼

(1.中国电子科技集团公司 第五十四研究所，石家庄 050081; 2.北京交通大学，北京 100091)

0 引言

第五届世界人工智能大会提出，新一代人工智能正在逐步从感知智能向认知智能转化[1-2]。感知智能是机器具备了视觉、听觉、触觉等感知能力，将多元数据结构化，并用人类熟悉的方式去沟通和互动；认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力[3]。随着感知智能水平的日趋成熟，相关研究呈现出由感知智能向认知智能发展的态势。

在感知智能发展阶段，人工智能学习算法以数据为基础，通过计算机强大的算力寻找样本间的共性，从而找出隐藏在数据背后的客观规律[4]。但这种规律是通过参数间接体现的，仍然不能为人类完全所知，这就导致了人类的知识难以与机器共用，而对于一个人类已知的规律，算法仍需要大量运算才能得到一个近似解，这个近似解还往往达不到人类要求的精度[5]。参数背后的规律不能具体化就意味着不同参数网络之间不能很好地建立语义关联，进而造成现如今的不同参数网络各自相对独立，难以相互沟通形成认知。

人类知识难以与机器共用、机器之间知识通用性不强的问题已经成为人工智能算法走向认知智能的重要障碍。因此提出一种新的框架，引入知识图谱，通过图谱中的关联与搜索，有选择性的调用深度学习算法，提高通用性；……