防微杜渐，“急”智非凡——人工智能赋能的智慧应急( 二 )

智能体跟人类的智慧展示方式非常像。同时，智能有不同的层级。首先是运算与分析智能，手机、电脑可以进行运算，可以做一些数据分析。其次是感知智能，这是应急管理的基础。一个人类智能体如果不能感知，就没有办法进行决策，也就没有办法进行控制。因此，感知是智能的基础和前提。感知智能就是让机器能够听懂、看懂。最后是认知智能。例如，我们看到他是人，还要知道是什么样的人，怎样跟他打招呼。其实，现在每个人都有一个人工智能的设备，那就是手机。在边缘侧，一个典型的代表就是自动驾驶车。自动驾驶车是典型的边缘设备，会把各种信息集中到车的神经网络里进行自动驾驶判断。云端、智慧城市大脑等都是云端智能。
智能感知是应急管理数字化的前端，实现应急信息的实时感知和传输。智能感知是应急管理的基础和前提，智能时代的智能感知利用智能传感、视频图像、激光雷达等感知技术，依托空天地一体化应急通信网络，面向自然灾害、生产安全、疫情防控、城市安全等实际应用建设需求，构建全域覆盖的应急管理智能感知与传输网络，实现风险隐患和灾害事故数据的全面感知和实时传输。
感知智能的计算模式变革
【防微杜渐，“急”智非凡——人工智能赋能的智慧应急】整个智慧感知的基础是计算，过去是基于程序规则和算法代码的计算，现在是基于人工智能的计算。人工智能计算出现之前的计算统称为传统计算，它有其固有优势，也有其固有问题。传统的计算主要是指CPU ，但CPU的计算和存储是分离的，这跟人的思维方式是不一样的。人类的存储和计算是在一起的，我们看到一个东西的时候不会专门到大脑的某个区域去“调用”一下，神经网络在一瞬间就调用神经元的存储，同时进行计算。由此可见，传统的计算模式实际上不适于现在的感知智能。
一个理想的智能，无论是感知智能，还是认知智能，都是由两部分构成的。一部分是逻辑的部分，即计算，大规模的科学计算就是逻辑计算。另一部分是创造性的情感、经验感知，这是人工智能的计算，更多是偏模糊的推理，基于概率的模糊推理计算。这就是我们常说的传统计算的一些挑战。
那么，基于传统计算的感知和基于人工智能计算的感知差别是什么？差别的根源在于计算模式的不同。一是计算形态不同。传统计算是非零即一的，所有的电脑最后处理的就是“0”和“1” ，非黑即白，是不可能有任何模糊的，也不允许有任何模糊，否则程序无法执行。但是，人工智能计算就像我们推理一样，实际上是一个基于概率的推理。我们看到一个人或者一个动物，我们并不是百分之百确定，并不是“搜”到了就是“认识”或者“不认识” ，往往是“这个人很可能认识，这个动物很可能是一条狗” 。这是一个基于模糊推理的概率计算。第二是计算规则不同。传统计算每一行代码、每一个字符都是程序员写出来的，人类可以百分之百控制所有程序。程序有一个字符错了，程序是运行不下去的。人工智能神经网络绝大部分的规则是学习出来的，从这些数据中学会如何去识别一个物体，这个计算规则是人工智能学习出来的，并不是我们指定的。我们的角色实际上是从指定它怎么做，变成辅助找到怎么做的方法，人类的角色发生了改变。由于两者前述的差异，传统计算和人工智能计算还会引起能效利用的差异，从而引起其对硬件需求的差异。传统的计算对每一个字符都是掌握的，对每一行代码都是非常清楚的，所以我们可以精确地计算能效，知道运行效率、能耗。人工智能神经网络大多是机器学习出来的，在很多情况下并不了解它的能耗。