【认知计算】IBM全面解读认知计算:IoT和AI并非全部 行业已经开始盈利
时值两会，人工智能成为今年的热门话题。3月5日，李克强总理在政府工作报告中提到，要加快培育壮大新兴产业。值得注意的是，这是“人工智能”首次写入全国政府工作报告。
本期的智能内参，我们推荐IBM的人工智能和认知计算产业趋势报告。如果想收藏本文的报告全文，可以在智东西（公众号：zhidxcom）回复关键词“nc134”下载。
以下为智能内参整理呈现的干货：
注：这是一份IBM内部分享的趋势报告，主要分析人工智能和认知计算的发展趋势、市场机会、挑战和技术驱动等，并不是一份官方战略或技术声明。
什么是认知计算？
IBM认为，我们已经来到了计算科学的一个新纪元——认知计算，这是计算科学多个领域突破性进展带来的，包括数据分析、自然语言处理、机器学习等。认知计算涵盖了人工智能（AI）技术、相关项目以及专业知识。
这一阶段，机器与人类之间的互动方式将彻底转变，提高了机器的应用价值，于此同时，科技可能带来的风险也在提高。IBM认为，认知计算将很快成为一个变革型的技术，组织各个业务在行业竞争中获取优势，颠覆商业模式/意识。
*认知计算的四项功能
在认知计算阶段，计算机的主要功能包括四项：理解（understand）、追源（reason）、学习（learn）和交互（interact）。
也就是说，首先，要给计算机下达一个任务（而不再是简单的指令），这个任务可能涉及专业化的领域，这就需要大型数据库；然后，计算机会利用特定的路径来演绎归纳，也就是形成自己的逻辑；整个应用和培训过程中，计算机都将不断学习，利用反馈来修复不足，这一过程包括了无监督学习；最后，计算机需要实现灵活、流畅的人机交互，甚至能理解人类感情。
认知计算的发展现状和趋势
驱动认知计算主要有三个动力：认知计算在人工智能发展领域的重要性；越来越庞大而复杂的数据集为重大问题和解决方案提供参考源；第三大计算平台的崛起，包括云计算、物联网、移动端、大数据、分析、社会。
与此同时，认知计算的发展也有四个主要的挑战：认知计算的概念转化为现实涉及到很多具体的项目，有待完成；我们目前还没能完全建立合理的用例和投资回报模式；认知计算，或者说人工智能对于未来的就业前景等社会效应有待评估；产业生态涉及多方关系，包括具体的供应链、合作伙伴、开发人员等等。
根据IDC的调研显示，广泛的认知计算系统和AI应用将推动全球各个产业盈利从2016年的80亿美元增长至2020年的470亿美元。福布斯也表示，认知计算将创造新的职业，截至2025年创造的工作岗位有890万个，包括机器人监控专业人员、数据科学家、自动化专家、内容策划等。
IBM针对认知计算产业发展总结出了以下8个洞见：
1、第一个“吃螃蟹”的将优势明显。
2、这是一项不断自我学习的技术，所以精度将不断提高。
3、认知计算技术将主要通过云计算和移动端设备来落地。
4、庞大的消费市场将推动整个产业的快速发展。
5、业务流程，或者说整个产业都需将受到影响。
6、在认知计算新纪元中，劳动力、企业文化、合作伙伴等生态关系需要调整。
7、IT架构、系统设计、数据管理/分析和工作负载系统优化将提出新的要求。
8、即便会有新的工种诞生，但裁员作为一个社会现象不可避免，从长期发展来看，需要理解。
短期内的主要用例
IBM总结了2017年，认知计算即将渗透的领域，包括医疗、生命科学、基于机器学习的FSS AI创企、结构化或非结构化的数据公司、面向客户的投资评估、企业AI软件供应商等。IDC的研究院 Jessica Goepfert认为，短期内认知计算主要影响的领域将是银行、证券、投资和制造业。
值得指出的是，聊天程序作为新的产业形式将会迎来爆发期，包括会化服务、虚拟代理等，供应商为了提供更好的客户体验，将优化其应用程序和服务方式，比如面向不同环境/语境的对话和对话的准确性。同时，聊天程序还需要标记用户偏好等。
AI驱动的消费市场则主要包括物联网设备、智慧家庭、机器人、汽车、无人机、虚拟助理、可穿戴等。随着设备使用量的增长，认知计算的影响力将逐渐渗透B2B市场，包括企业解决方案，覆盖汽车、电子产品、银行等各行各业。
根据IBM最近的一项调研显示，认知计算产业确实已经开始盈利了：
65%的受访者表示认知计算是其公司成功的关键，58%的人高度评价了认知计算对于企业数字化的重要性，50%表示认知计算已经成为主要盈利项目，53%指出解锁的数据应用能带来大量优势，49%强调用户体验的受益，49%表示企业效率和成本有所优化，42%声称认知计算帮助他们拓展了业务范围。
*认知计算主要影响的5大行业
具体来看，认知计算将主要影响以下五大行业:
1、银行/金融/保险
这一行业主要的AI应用在于销售、市场、服务、监管、索赔和风险。典型用例包括项目顾问和推荐、欺诈分析和调查、管理情报、自动索赔处理、自动威胁情报和预防系统。
2、健康和生命科学
这一行业主要的AI应用在于服务和决策支持。典型用例包括诊断和治疗、医药研发、索赔管理和个性化健康服务。
比如，香港中文大学基于云解决方案，使研究小组加快探索大型的、复杂的癌症数据集和识别的研究。
3、消费（零售和消费者零售包装货物/CPG）
这一行业主要的AI应用在于销售、市场、营销和供应链物流。典型用例包括自动化客户服务代理、产品专家顾问和购物建议、全渠道销售。
4、电信/机电
这一行业主要的AI应用在于销售、市场营销和IT。典型用例包括虚拟代理、数字广告、自动化的威胁情报处理。
5、政府/教育
这一行业主要的AI应用在于战略项目和威胁情报。典型用例包括威胁情报和预防、国防、恐怖主义调查、项目顾问和推荐系统、公共安全和应急响应、自适应学习等。
比如，贝勒医学院的认知技术用于加速医学研究自动分析超过300000篇文章，进行关键词索引和模糊索引；导盲之眼（Guiding Eye）对导盲犬的结构化和非结构化数据分析发现基因、健康、气质和环境因素适宜的导盲犬。
专利方面，2014年是认知计算产业专利的高峰期，2016年专利数有所下降。从目前的产业环境来看，已经有2000多家创企，2016年整体风投融资近45亿美元，主要投资领域包括核心AI技术、聊天程序/机器人、前沿数据分析技术、结构化或非结构化数据处理等。详情可以参见智东西内参第121期。
实现认知计算的五大关键技术
就像IDC所说的，认知计算的进步是机器人、物联网、人工智能、虚拟/增强现实、机器智能、大数据的进步的总和，它日益增强的系统模拟能力将助力人类的智慧增长。认知计算的关键技术主要包括以下五项：
1、神经网络技术
神经网路也就是提供快速语音和图象识别、机器翻译的技术，目前已经有一些系统能够表现出媲美人类的技能水平。
2、机器学习和物联网
随着物联网的布局，将有更多的数据生成，机器学习算法将能对这些数据进行规划、预测，并应用于关键业务决策。
3、自然语言处理
自然语言处理（NLP）有着很直接的应用，包括聊天程序，可用于客户服务和调查，这种人机交互将提高企业的整体效率，降低成本。
4、模式识别
模式识别即基于历史数据处理经验来处理丰富的非结构化数据，从而更高效的进行数据处理，应用于决策过程。
5、知识库
未来的认知计算会应用于更加专业化的领域，这就需要构建更为知识化的数据库，使得认知计算系统可以被专业人士所应用。
技术推广的五大挑战
1、成本考量
在某些企业的情况下，认知计算和人工智能是可以帮助提高企业效率的，但问题是，具体的业务价值和投资回报率又是目前并不明确的事情。目前的案例和案例可参考的价值都比较有限，导致很多企业抱着观望态度。
2、数据管理和安全/隐私问题
认知计算严重依赖数据量和数据来源，因此，保证可靠和充足的数据来源，与此同时维护数据安全和数据源的隐私，是重要的举措，目前暂时缺乏完美的实用方案。
3、技能有限
作为新的技术，认知计算暂时没有开发出完整的应用系统，这对于市场突破不利。
4、缺乏行业定义和标准
跟其他新兴产业一样，认知技术还没有明确的定义，也缺乏通用的行业标准制定，这会影响到它的应用流程。
5、技术局限性
不得不承认，认知计算还有不够完善的地方，公司必须考虑各个平台提供的技术的长短板，以及发展前景对于公司目标的影响。
智东西认为，国内的大数据积累，归功于移动端设备和各类服务型软件的发展，为机器学习提供了良好的基础；于此同时，神经网络构建也在研究机构合作科技巨头的模式下发展。加之政策推动，庞大的消费市场和制造业发展需求，国内的认知计算处在一个非常积极的发展状态。
下载提醒：如果想收藏本文的报告全文，可以在智东西（公众号：zhidxcom）回复关键词“nc134”下载。
本文转载自微信公众号《智东西》,工业4.0俱乐部推荐阅读！
工业4.0俱乐部为国内第一家为工业4.0和智能制造为主题的聚合共同体。秉承集聚、分享、共创、发展的理念，联合产、学、研、政等打造工业4.0产业生态联盟，为区域及企业产业升级转型提供一站式服务。
（长按二维码，关注工业4.0俱乐部）