人工智能的发展经历了从表示、计算到感知的阶段，下一个阶段的核心是认知。如何将深度学习与大规模常识知识结合起来，实现认知推理与逻辑表达，还面临着很大挑战。大规模常识知识库与基于认知的逻辑推理是人工智能发展面临的瓶颈问题。
1968年，ACM图灵奖获得者爱德华·费根鲍姆研发出世界首个专家系统DENDRAL，并随后在第五届国际人工智能会议上提出，将知识融入计算机系统才能解决只有特定领域专家才能完成的复杂问题；1999年，万维网之父、ACM图灵奖获得者蒂姆·伯纳斯-李爵士提出了语义网的概念，其核心理念是用知识表示互联网，建立常识知识库；2019年，ACM图灵奖获得者约书亚·本吉奥在NeurIPS大会上的主题报告中指出，深度学习应该以感知为主向，向基于认知的逻辑推理和知识表达的方向发展，这个思想和清华大学张钹院士近期提出的第三代人工智能思路不谋而合。
总的来说，人工智能的发展经历了从表示、计算到感知两个阶段，下一个阶段的核心是认知。
近年来，虽然人工智能已经取得了快速发展，但如何将深度学习与大规模常识知识结合起来，实现认知推理与逻辑表达，还面临着很大挑战。首先，大数据环境下数据的分布、异构、动态、碎片化和低质等特征给知识工程和知识服务提出了新挑战。既需要从感知角度学习数据的分布表示，又需要从认知角度解释数据的语义。因此，构建新一代开放常识知识图谱和研发以认知推理为核心的技术成为突破下一代人工智能技术的关键。
我们将这个方向重定义为认知图谱，核心是以实现知识驱动和数据驱动相结合的知识表示和推理的认知引擎为目标，研究支持鲁棒可解释人工智能的大规模知识的表示、获取、推理与计算的基础理论和方法；建设包含语言知识、常识知识、世界知识、认知知识的大规模知识图谱以及典型行业的知识库，建成知识计算服务平台。
本期专题介绍了一部分具有代表性的专家在认知图谱和知识图谱方面开展的工作。清华大学的《从知识图谱到认知图谱：历史、发展与展望》一文从知识图谱的发展到认知图谱的提出给出了一个全面而简要的解读；清华大学的《基于空间认知的知识表示和推理》一文介绍了融合符号推理与神经网络的认知推理计算。
本期专题只是一次抛砖引玉，要真正实现知识表示和推理，还需要万亿级的常识知识库支持以实现真正的机器常识，包括感知、理解和判断事物的基本能力。常识的缺失阻碍了人工智能系统对世界的理解，也阻碍了其学习新的经验。这一次兴起的人工智能浪潮也许到终点还是无法实现推理能力，没有可解释能力。
而下一波人工智能浪潮的兴起，就是实现具有推理能力、可解释性、认知能力的人工智能，这是人工智能在下一个10年需要发展也一定会发展的一个重要方向。