人工智能公司「可之科技」(下称「可之」)近日宣布完成过亿元A轮融资，投资方为中控创始人褚健、上海交通大学ACM班掌门人俞勇、玖兆资本、羌塘基金、卓源资本、顺澄资本等。

本轮资金将用于三个方面：1)提升认知智能相关技术的研发水平;2)融合服务领域的知识图谱，实现相关行业的认知智能升级;3)提升团队综合能力，加速产品推广。

「可之」2017年创立于哈佛大学创新实验室，在美国波士顿、中国宁波、北京、上海、大连、深圳等地设有办公室，专注于深度强化学习框架和可解释人工智能核心技术的自主研发，目前其认知智能产品主应用于教育“双减”、工业互联网、金融、生物医药等领域。

2021年6月15日，世界经济论坛 (World Economic Forum) 宣布 2021年度“科技先锋 (TechnologyPioneers)”企业名单，「可之」成为年度8家获得该荣誉的中国公司之一。自2018年以来，「可之」连续5年受邀参加世界经济论坛的系列活动。创始人王冠博士受邀成为2020年世界经济论坛50周年年会人工智能主题的专题发言人。

创始人王冠博士毕业于美国布朗大学，现任上海交通大学宁波人工智能研究院智慧金融实验室主任，曾供职于美国华盛顿大学、微软研究院、通用电气等机构。可之核心研发团队来自麻省理工、卡耐基梅隆、哈佛等名校，长期关注认知智能领域的逻辑推理问题;商务团队人均拥有近二十年行业积累，经验丰富。

认知智能致力于使机器拥有人类般的认知思考能力，“能理解、有逻辑、懂推理、会决策、可解释”，可以替代重复性体力劳动和脑力劳动，是人工智能发展的高级阶段。中高考级逻辑推理是其公认的里程碑，自动批改曾被业内公认为“二十年内不可能完成的挑战”。

王冠告诉36氪，人脸识别、自动驾驶等AI技术在某些维度上没有逻辑推理的难度高，原因在于自动驾驶没有“客观标准答案”，只要未违反交规、没发生碰撞，合理驾驶，容错率是比较高的，但逻辑推理就不一样了，在给定条件下，答案相对确定，有全局最优策略，甚至只有唯一正确的解。

随着机器学习模型趋于复杂、精密，模型的可解释性，即让人类理解机器的逻辑推理过程成为了一大难题。一个常见的例子是，金融从业者使用如XGBoost、DNN等黑箱模型得到特定的评分结果，但由于机器推断过程不透明，难以改进业务或调整模型。此外，现有大部分机器学习模型也需要“投喂”海量结构化数据来训练，造成的人力成本和算法歧视也不容忽视。

因此，基于少数据训练人工智能“Learning with Less Labeling (LwLL)”、可解释人工智能“ExplainableArtificial Intelligence (XAI)”和终身学习人工智能“Lifelong Learning Machines(L2M)”三种底层技术，「可之」搭建了数据依赖度低、数据隐私度高、可交互、可解释、能逻辑推理的认知智能框架。

在确定了技术优势后，怎样选择落地场景?

「可之」的判断如下：1)目标场景有高频、刚需、用户基数大的特点;2)目标场景需要人类的经验和专业知识进行持续判断、持续决策;3)认知智能可以达到乃至超越人工的水平;4)目标用户群体认可产品价值，能够变现;5)单位资源投入能创造的价值高，边际成本低，边际收益高。

举例而言，教育“双减”领域的考试、作业批改，工业互联网的智能控制，金融领域的投顾、风控、反欺诈等都是适合的业务场景。

“双减”背景下，教培行业进入一片寒冬，教育主阵地回归校内，每日作业、考试作为学生学习效果的直接体现，也作为学生查漏补缺，自我补足的主要依据，其批改与分析的质量直接与学生的学习效率挂钩。

但现实情况中，一位教师常常要同时教授上百位学生，受疫情影响的地区很多情况下作业辅导只能由家长完成……种种现实因素让批改题目变成更加繁重的任务，也让教师难以针对性地为每位学生分析作业情况，提供个性化指导。

根据这一场景诉求，「可之」推出分层、弹性、个性化作业产品，实现作业自动布置、批改服务，可以基于学生的实际情况推荐更有针对性的习题，并为教师提供全过程、全量学情分析，批改范围也拓展至初高中全学科。产品形态主要分为两种：如小程序等在线应用，和如扫描仪、打印机等终端设备。

在日常作业批改之外，「可之」也布局考试赛道，服务过2021年多个省市中、高考多学科各题型的阅卷工作，实现AI自动批改、监测，完成了人工智能自动评分试点任务。

在其他行业中也有类似的问题，例如工业场景中，数据稀缺、环境复杂、部分信息可见等情况制约着经典人工智能的表现。以煤、矸石分选这一传送带物料识别场景为例，人工筛选存在安全风险，X光方案成本较高且有辐射和环境污染的隐患，基于监督学习的经典人工智能方法的数据训练成本高，且由于不同煤矿现场的标准不同，很难泛化。可之的认知智能方案持续和环境交互，在实际使用中能够在较短时间达到X光的水平，通过OTA在线维护升级，快速解决现场问题，性价比高。

金融领域的反洗钱、反欺诈、风控等场景中，为了满足较高的精度要求，银行逐步使用日趋复杂的黑盒模型，不利于业务人员和监管机构对其推理过程的理解，且复杂模型所依赖的各个组件也会相互影响，使得最终预测结果可能存在未知的风险。「可之」的可解释AI产品则希望通过打开黑盒，帮助业务人员分析“可疑交易”之间的潜在关系,了解“可疑”点出现的原因，从而节省时间、提高决策水平。在智能投顾场景中，可解释AI能够解释交易模型给出的交易行为的原因，判断交易模型的可靠程度，描述市场波动特征，为从业人员持续决策提供帮助。可之告诉36氪，其认知智能产品已在银行和证券业的龙头企业得到验证。

在商业模式上，「可之」的泛教育类产品主要与企业、学校、当地政府合作，按年收费，用户也可自己购买账号，按功能分级收费。王冠表示，去年泛教育领域营收占比大约30%，预计今年会增长迅猛，用户人数预计将达到20万，未来也将推出贴合“双减”要求的更多产品，并在工业互联网、金融和生物医药领域稳步拓展。