别再高喊人工智能了，其实人类的终极梦想是认知计算？丨科技云·视角

“

在过去的一年中，人工智能受到了资本、企业、媒体等各界的热烈追捧。然而，对于逐渐成为新一代计算中不可或缺的重要组成部分的“认知计算”正在同步崛起。比起人工智能的热潮，大众对什么是“认知计算”显然相当模糊，也不清楚它与人工智能、机器学习等相关的内容有什么区别。

”

人工智能的概念已经有二十多年了，人工智能从历史和研究角度来讲主要目的是为了让机器表现得“更像人”，我们称之为Intelligent Behavior。

不同于人工智能的目标，认知计算不是制造“为人们思考”的机器，而是与“增加人类智慧”有关，能够帮助我们更好地思考和做出更为全面的决定。

认知计算作为一种全新的计算模式，通过信息分析，自然语言处理和机器学习领域的大量技术创新，能够“理解”非结构化数据，包括语言、图像、视频等，让计算机系统能够像人的大脑一样学习、思考，进行数据分析并做出正确的决策。

认知计算从技术角度上来看，的确和人工智能有很多共性的地方，比如机器学习(Machine Learning)、深度学习(Deep Learning)等方面都很类似。但是，认知计算目的并不是为了取代人，而Intelligent Behavior也只是认知计算的一个维度。

无限探索的认知计算

在认知计算领域最为知名的企业非IBM莫属。过去10年，IBM一直在推进名为Watson的认知计算（Cognitive Computing）项目。该项目曾于2011年参加“Jeopardy!”电视问答挑战赛，成功力挫群雄而一举成名。

我们现在不妨从Watson的历史来看，IBM最开始研发Watson的时候就是为了能够让机器回答问题，而且在进行这个应用设计的时候，问题是完全开放式的。在电视问答中，Watson完全没有办法确定到底哪些问题会被问出来。

这就和谷歌的AlphaGo不太一样，AlphaGo虽然也是具有很强大的能力，但是其实针对的就是游戏或者是下棋的步骤，这些棋的每一步都是基本能够进行预设的。

所以如果说AlphaGo进行的计算都是有限的话，Watson的计算是无限的，这是两者之间很大的差别。

在邓白氏咨询公司（Dun & Bradstreet）的首席数据科学家Anthony Scriffignano看来，人工智能和认知计算是不一样的术语。

他认为人工智能是一系列旨在模仿行为，模仿思维，智能行为，理性行为，同情行为的事物的集合。而认知计算是一种显著的方法来管理大量的信息，以便摄入到所谓的认知堆栈，然后便能够在所有摄取的材料之间创建连接，使得用户可以发现特定问题，或者可以探索未被预期的特定问题。

Neurologique的Kantor曾解释：“认知计算的最高目标是开发可以模仿人的脑回路，按照人类的思维过程执行操作，而不仅仅是一个离散事件系统。”

因此，简单意义上来说，认知计算的目的是创建一个可以解决没有持续人力监督复杂问题的计算系统，但人工智能有很多功能并不能融入任何计算中，如此，认知计算便可将触角深入人工智能或传统人力所无法触及的领域。

认知计算的商业落地

IBM等一众科技公司推断，认知计算将为人类带来革命性改变，其独特之处在于通过大数据 的方式，利用数据采撷、模式识别和自然语言处理，令机器可以像人脑一样自行学习。

认知计算除了要能够表现人和计算机的交互更加自然流畅之外，还会更多地强调推理和学习，以及如何把这样的能力结合具体的商业应用、解决商业的问题。

IBM已经将Waston扩展在了一系列的 web 服务上了，这些接口有：视觉识别、语音文本转换（语音识别）、文本语音转换（语音合成）、语言理解和翻译、以及对话引擎，用于客户特定的场景当中去。

在医疗，特别是癌症领域，Watson已经向美国、中国、印度、泰国等国家和地区的2亿病人提供诊断和治疗，并帮助全中国21家医院引入本土化后的IBM Watson中国版肿瘤解决方案。

在自动驾驶领域，与通用、宝马等汽车制造商的合作，使得Watson可根据与驾驶者的对话了解驾驶者的偏好、需求和驾驶习惯，来提供更加高效、安全的行车体验。

在航天领域，Watson对非结构化文本数据的处理能力，也可帮助NASA的研究人员提取海量研究数据中的关联信息，并返回与问题高度相关的答案。

Watson本质上是一个问答计算机系统，通过机器学习、自然语言处理等技术在人工智能领域的应用，使得其具备理解并以自然语言回答提问的能力。

同时，Watson还可实现对结构化和非结构化的数据的理解。通过对知识的学习和推理，以及与行业专家的交互与合作，实现对现有知识库的修正和扩充。

事实上，Watson可以自动选择和优化机器学习算法和模型，且整个优化过程无需人工干预。通过与数千家医疗、法律、金融等领域中的专家和专业机构合作，Watson已建立了二十多个行业的知识体系。

对非结构化数据的解读

据Gartner的报告表示，真正能够产生洞察的关键，是能够解读非结构化数据，因此认知计算被认为是未来真正的数据时代所需要的技术。

目前，结构化数据与非结构化数据的比例基本是1：4或1：10。尽管数据量不断暴增，但能真正用于有效分析的数据并不是很多，很多数据是在收集到的当天特别有用，过一段时间变成了冷数据，有没有更行之有效的方法将其保存，促进其产生有效的、经济的技术架构，也是企业面临的重要问题。

认知计算和传统计算模式在对不同的数据处理上具有有不同特征，其中很大的一点优势是能将结构化数据和非结构化数据结合处理，尤其是能够理解非结构化或者半结构化数据。

在实际应用中，一方面机器开始理解更多的自然语言，例如IBM使用了语音合成、语意分析等技术，可让这些技术背后的核心数据库进行关联性交互。另一方面，除了人机交互外，图像化的交互应用将越来越多。

随着即将到达的万物互联时代，基于越来越多的采集数据，认知计算将使传感器能够自动诊断和进行决策，而不需要人为干预。IBM全球CEO罗睿兰更断言：“未来是认知的，而我们正朝着一个认知的物联网前进。”

在IBM内部分享的趋势报告（AI / Cognitive Computing Trend Report, 2017）中，IBM认为，我们已经来到了计算科学的一个新纪元——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。

但IBM也指出了认知计算的发展的四个主要的挑战：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。

认知计算可以简单理解为能够自主学习、独立思考，并且为人们提供“智库”能力的一个系统，它和大数据、云计算、物联网、人工智能、机器学习等科技前沿领域的关键词密不可分。认知计算是否真的掀开了新的计算时代，还要看未来能否让计算机具备思考能力，并像人类大脑那样行事。

 相关阅读

【科技云报道原创】

转载请注明“科技云报道”并附本文链接