认知计算概述
以下是该术语的工作定义:认知计算描述旨在模拟人类或接近人类智能的计算系统，因此它们可以以类似甚至优于人类的方式执行委派给人类的任务。
IBM的沃森计算机系统具有自然语言处理(NLP)和机器学习能力，也许是认知计算最著名的“面孔”，它创造了“认知计算”一词来描述能够以类似人类的方式学习、推理和交互的系统。认知计算横跨硬件和软件。
因此，认知计算汇集了两个完全不同的领域:认知科学和计算机科学。认知科学研究大脑的运作，而计算机科学则涉及计算机系统的理论和设计。他们一起尝试创建模仿人类大脑认知功能的计算机系统。
为什么我们想要能像人脑一样工作的计算机系统呢?我们生活在一个产生大量信息的世界。大多数估计发现，数字宇宙的规模至少每两年翻一番，从2010年到2020年，数据扩展了50多倍。组织、操纵和理解如此庞大的数据超出了人类的能力。认知计算机的使命是帮助我们。
您可能已经接触过认知计算应用程序，甚至可能不知道它。目前，认知计算正在帮助医生诊断疾病，帮助天气预报员预测风暴，帮助零售商了解顾客的行为。
对认知计算解决方案的一些最大需求来自大数据分析，其中的数据量超过了人类的分析能力，但提供了不可忽视的盈利见解。低成本、基于云的认知计算技术正变得越来越容易获得，除了IBM、b谷歌和微软等老牌科技巨头之外，许多规模较小的公司也在采取行动，试图在仍然年轻的认知计算市场上分一杯羹。
因此，毫不奇怪，据CMFE新闻报道，从2017年到2025年，全球认知计算市场预计将以49.9%的天文数字复合年增长率增长，从不到300亿美元迅速增长到超过1万亿美元。
认知智力的定义是什么?
要理解认知计算的目的是什么，我们可以首先理解它试图模仿的质量:认知智能。
认知智能是人类以抽象的方式思考、推理、计划、创造问题解决方案和学习的能力。它与情商不同，根据心理学家彼得·萨洛维(Peter Salovey)和约翰·d·梅尔(John D. Mayer)的说法，情商是“监控自己和他人的感受和情绪，区分它们，并利用这些信息指导自己的思考和行动的能力”。简而言之，认知智力是解决问题和回答问题的心理能力的应用，而情商是有效驾驭社交世界的能力。
认知智力与心理学家Phillip L. Ackerman关于智力即知识的概念是一致的，他认为知识和过程都是智力的一部分。认知计算试图设计出能够以与人脑相同的方式执行认知过程的计算机系统。
什么是认知计算?
IBM将认知计算描述为“大规模学习，有目的地推理，并与人类自然互动的系统。“在认知计算的计算机科学中，许多学科融合和交叉，但最广泛和最重要的两个学科是人工智能(AI)和信号处理。
认知计算没有被广泛接受的定义。然而，2014年，认知计算联盟(Cognitive Computing Consortium)提供了一个跨学科的定义，汇集了来自认知计算领域18个主要参与者的代表，包括b谷歌、IBM、Oracle和微软/必应。他们试图通过其能力和功能来定义该领域:作为一种进步，使计算机系统能够处理复杂的人类问题，这些问题是动态的，信息丰富的，有时是相互冲突的，需要了解上下文。在实践中，它将使一类新的问题可计算。
因此，认知计算预示着一种范式的转变，即能够模拟人脑的感觉、处理和响应能力的计算系统。它经常被描述为计算机的“第三时代”。这是继制表系统的第一个时代之后，计算机可以计数(大约1900年)，第二个可编程系统的时代，允许通用计算机可以被编程来执行特定功能(大约1950年)。
什么是认知技术?
认知技术它是认知计算或认知系统的另一个术语，它使我们能够创建能够获取信息、处理信息并据此采取行动的系统，并在接触更多数据时进行学习。数据和推理可以与特定用户或目的的自适应输出相关联。这些系统可以规定、建议、教学和娱乐。
IBM研究院的Watson for Oncology是一个认知计算系统，它利用机器学习帮助医生根据证据为癌症患者选择最佳治疗方案。认知系统帮助肿瘤学家利用过去治疗的大数据。
在更简单的应用中，基于认知计算技术的软件已经被广泛使用，比如被聊天机器人用来回答客户的问题或提供新闻。
认知计算系统可以重新定义人类与其数字无处不在、数据丰富的环境之间的关系。自然语言处理能力使它们能够使用人类语言与人交流。真正的认知计算系统的一个标志是它能够对输入产生深思熟虑的反应，而不是局限于规定的反应。
认知计算系统的其他功能包括模式识别(使用一组已定义的关键特征对数据输入进行分类)和数据挖掘(从大型数据集推断知识)。这两种能力都基于机器学习技术，在这种技术中，计算系统通过在一个称为训练的过程中接触数据来“学习”，在这个过程中，系统找出如何找到问题的解决方案。
这些能力推动了认知计算最强大的承诺之一:理解非结构化数据的能力。结构化数据是计算机能很好处理的信息形式;可以把它想象成整齐排列在电子表格中的数据片段，其中计算机确切地知道每个单元格包含的内容。非组织性数据另一方面，数据不能整齐地放进盒子里。IBM将非结构化数据分解为四种形式:语言、语音、视觉和数据洞察。非结构化数据通常需要上下文才能理解。
计算系统通常难以处理非结构化数据。随着非结构化形式的可分析数据数量的增加，无法从中提取见解是一个很大的缺点。根据国际数据公司(International Data Corporation)的数据，世界上只有1%的数据被分析过，而据估计，非结构化数据约占其中的80%，这是大量的非生产性数据。ob欧宝娱乐app手机下载
认知计算系统的组成部分
一个成熟的认知计算系统包括以下组件:
- 人工智能(AI):人工智能是机器智能的展示，它涉及到机器感知或以其他方式感知其环境，然后采取措施实现其设计的目标。早期的人工智能更初级，比如数据搜索，认知计算通常被认为是人工智能的高级形式。
- 算法:算法是一组规则，它们定义了解决特定类型问题需要遵循的过程。
- 机器学习和深度学习:机器学习是使用算法来挖掘和解析数据，从中学习，然后应用学习来执行未来的任务。深度学习是机器学习的一个子领域，它以人类大脑的神经网络为模型，使用分层的算法结构。深度学习依赖于更大的数据量，并从端到端解决问题，而不是像传统的机器学习方法那样将它们分成几个部分。
- 数据挖掘:数据挖掘是从大型预先存在的数据集中推断知识和数据关系的过程。
- 推理和决策自动化:推理是用来描述认知计算系统应用其学习来实现目标的过程的术语。它不类似于人类的推理，而是为了模仿人类的推理。推理过程的结果可能是决策自动化，其中软件自主地生成并实现问题的解决方案。
- 自然语言处理和语音识别:自然语言处理是使用计算技术来理解和生成对自然的人类语言的反应，即传统的口头和书面形式。NLP跨越两个子领域:自然语言理解和自然语言生成。一个密切相关的技术是语音识别，它将语音输入转换为适合于自然语言处理的书面语言。
- 人机交互与对话与叙事生成:为了通过认知计算促进人类认知的扩展，人与计算机之间的接口需要平滑，通信需要无缝-甚至是有趣的。这方面被称为人机交互其中很大一部分是NLP。然而，也有人试图使认知计算系统更加个性化，因为这可能会提高人与计算机之间通信的质量和频率。
- 视觉识别:视觉识别使用深度学习算法来分析图像和识别物体，比如人脸。
- 情商:很长一段时间以来，认知计算避开了试图模仿情商，但有趣的项目，如麻省理工学院创业公司Affectiva他们正试图建立能够通过面部表情等指标理解人类情绪的计算系统，然后产生细微的反应。他们的目标是创造出与人类非常相似的认知计算系统，因为它们具有阅读情绪线索的能力。
认知计算的特点
认知计算系统自适应这意味着他们学习新的信息和推理，以跟上不断变化的目标。它们可以被设计成实时(或接近实时)吸收新数据——这使它们能够处理不可预测性。
认知系统也互动——不仅与他们为之工作(或与之合作)的人，而且与其他技术架构和环境中的人。此外，它们是迭代的，这意味着它们在重复的分析循环中使用数据来帮助解决模棱两可或不完整的问题。他们也有状态这意味着它们可以记住以前的交互，并且可以增量地开发知识，而不是要求在每个新的交互请求中明确地说明所有以前的信息。
最后，认知系统通常是上下文在他们处理问题的方式中，这意味着他们从不断变化的条件中提取数据，例如位置、时间、用户配置文件、规则和目标，以告知他们的推理和交互。它们能够获取多种信息来源，并利用感官知觉来理解与人类互动时的听觉或手势输入。当然，他们能够理解结构化和非结构化数据，这提高了他们理解上下文的能力。
总之，认知计算是一种计算机系统的创造，它能够解决以前需要人类或接近人类智能才能解决的问题。在一些应用中，它们被设计成自动完成这些任务，而在另一些应用中，它们被设计成辅助人类，扩展人类的认知能力，作为人类的补充，而不是取代人类。
为了帮助人类或自主工作，认知系统必须具有自我学习能力，这是一项通过使用机器学习算法来完成的任务。这些机器学习能力，以及推理和自然语言处理，构成了人工智能的基础。人工智能允许这些系统模拟人类的思维过程，并在处理大数据时发现模式和原因。
AI中的认知是什么?
认知计算系统的工作原理与人脑相似。它们能够处理异步信息，适应和响应事件，并同时执行多个认知过程以解决特定问题。
认知计算和人工智能的概念在理论和实践中是如何相关的?这取决于你问谁。
IBM表示，虽然认知计算与人工智能有共同的属性，但“不同组件的复杂相互作用，每个组件都包含自己成熟的学科”，将认知计算与人工智能区分开来。简而言之，这意味着虽然人工智能为可以完成人类任务的机器提供动力，但认知计算进一步创造出可以像人类一样思考的机器。
另一个关键区别在于，人工智能和认知计算的设计方式是为了解决现实世界的问题。人工智能是为了取代人类智能，而认知计算是为了补充和促进人类智能。让我们从前面的例子中得出结论:作为一个认知计算系统，IBM Watson for Oncology筛选大量以前的癌症治疗病例，帮助肿瘤学家提出基于证据的治疗模式，而一个假设的人工智能系统发挥着类似的作用，不仅会对以前的治疗病例进行分析，还会决定并实施患者的治疗方案。
但其他专家对此有不同的看法，他们认为认知计算实际上只是人工智能的一个子领域。在这一理论下，多个人工智能系统模仿我们与思考相关的认知行为——甚至这可能走得太远了。Gartner公司副总裁汤姆·奥斯汀是人工智能技术研究委员会的负责人，他曾表示，“认知”一词只是“营销的噱头”，基于机器会思考的错误假设。
最后一种观点背后当然有一些证据。由于人工智能已经获得了一些负面的联想(想想所有关于机器人起义的书籍和电影)，人工智能社区的一些人认为，“认知计算”这个词是对最新一波人工智能技术的一种方便的委婉说法，没有“人工智能”这个词的所有包袱。
认知分析作为认知计算的一部分
认知计算正以一种特别强大的方式被用来驱动数据分析。
认知技术特别适合处理和分析大量非结构化数据。(您应该记得，非结构化数据是不易分配到表格形式的数据，需要上下文来解析—通常，它是通过视觉或听觉等感官收集的。)
由于非结构化数据难以组织，基于传统计算的数据分析需要在计算机进行任何有用的分析或见解生成之前，用元数据(提供有关其他数据的信息的数据)手动标记数据。如果你处理的是中等规模的数据集，这是一个非常令人头疼的问题。
认知分析解决了这个问题，因为它们不需要用元数据标记非结构化数据。模式识别功能将非结构化数据转换为结构化形式，从而将其解锁以供分析。
机器学习使这些分析能够适应不同的环境，而NLP可以使人类用户理解数据见解。
认知计算范式的转变
正如我们所看到的，认知计算正在重塑知识型工作。
Praful Krishna，首席执行官使自己舒服作为认知计算技术的缔造者，他指出了认知计算与传统计算之间的一些关键区别:
- 传统计算是关于确定性行为的。一组输入总是会导致相同的输出。认知计算更具概率性(也就是说，更像人类大脑的计算方式);根据不同的背景和训练，一组输入可能导致不同的输出。
- 认知计算就像人类一样，从经验中学习。它通过观察流经它的数据来理解输入和输出之间的各种关系。
- 认知计算可以理解流动的、非结构化的信息，比如自然语言。传统计算机停留在二进制(0或1)域。
让我们来看看认知系统是如何改变关键活动的:寻找信息，分析信息，并决定如何处理信息。
关键活动 |
当前状态 |
认知计算 |
寻找信息 |
用户从计算系统中提取他们需要的信息，浏览不同信息之间的关系，并可能要求将信息推回给他们。所有这些过程都是公式化的;每一个都有一个需要遵循的步骤。 |
认知计算减少了对信息访问协议的需求，并帮助用户确定需要什么信息。交互是有状态的，这对简化和改进信息提取过程大有帮助。 |
分析信息 |
分析由用户驱动，计算系统充当促进者。这取决于用户对上下文和信息的理解。 |
分析可以由用户发起和引导，而认知计算系统能够测试假设，收集证据和学习。在该模型中，计算系统具有更大的独立推理能力。 |
决定如何处理信息 |
最终由用户决定如何处理分析结果;计算系统只是作为分析的工具。 |
认知计算系统能够推荐智能的行动方案。虽然用户仍然负责决策，但最终的决策将作为学习材料反馈到认知计算系统中。 |
认知计算是如何工作的
那么，认知计算在现实世界中是如何工作的呢?认知计算系统可能依赖于深度学习和神经网络。我们在本文前面提到的深度学习是一种特定类型的机器学习，它基于一种称为a的架构深度神经网络。
神经网络受人脑神经元结构的启发，由节点系统组成——有时被称为节点神经元-具有加权互连。深度神经网络包括多层神经元。学习发生在更新这些互连之间的权重的过程中。思考神经网络的一种方式是把它想象成一个复杂的决策树，计算机遵循它来得出答案。
在深度学习中，学习是通过一个叫做培训。训练数据通过神经网络传递，并将网络产生的输出与人类准备的正确输出进行比较。如果输出匹配(开始时很少)，机器就完成了它的工作。如果没有，神经网络重新调整其神经互连的权重并再次尝试。随着神经网络处理越来越多的训练数据——如果不是更多的话，也有数千个案例——它学会了生成与人类生成的输出更接近的输出。这台机器现在已经“学会”了执行一项人工任务。
准备训练数据是一个艰巨的过程，但经过训练的神经网络的最大优势在于，一旦它学会了产生可靠的输出，它就能以比人类更快的速度处理未来的情况，而且它的学习还在继续。训练是一项投资，随着时间的推移会得到回报，机器学习研究人员已经提出了一些有趣的方法来简化训练数据的准备，比如通过亚马逊土耳其机器人(Amazon Mechanical Turk)等服务将其众包。
当与自然语言处理能力相结合时，IBM的沃森认知计算结合了三个方面。转换技术“首先是理解自然语言和人类交流的能力;第二是生成和评估基于证据的假设的能力;第三是适应和向人类用户学习的能力。
虽然研究的目标是让计算机解决人类的问题，但目标并不是让计算机系统完全取代人类，从而把人类的认知能力从图景中赶出去，而是补充和扩展人类的认知能力。
认知计算简史
认知计算是人工智能发展史上的最新进展。早期的人工智能最初是一种智能搜索功能，类似于在应用程序中梳理决策树的能力，比如简单的游戏和通过基于奖励的系统学习。缺点是，即使是像井字棋这样简单的游戏也有非常复杂的决策树，快速搜索它们变得不可行。
在AI-as-search之后出现了监督学习算法和非监督学习算法感知器和聚类算法,分别。接下来是决策树，这是一种预测模型，可以跟踪一系列观察结果，得出合乎逻辑的结论。决策树被基于规则的系统取代，该系统将知识库与规则结合起来执行推理任务并得出结论。
人工智能的机器学习时代预示着由算法(如反向传播)支持的神经网络的复杂性增加，这允许多层神经网络中的纠错。的卷积神经网络是一种用于图像处理和视频识别的多层神经网络体系结构;的长短期记忆允许为处理时间序列数据的应用程序向后提供节点。
CNN和LSTM是深度学习的真正应用。虽然深度学习已经被应用于复杂的问题，但它也受到所谓的“黑匣子问题”的困扰:在深度学习程序生成的任何输出中，都没有办法知道系统考虑了哪些逻辑因素来达到输出。
关于认知计算你需要知道的——以及为什么
无论您是领导者、技术专业人员还是经理，您都可能想知道认知计算能为您的组织提供什么。
“领导者需要知道并接受认知技术可以提供更好的客户服务，发现新的见解，并提高及时决策的质量，”认知联盟的联合创始人杰里·特迪诺说。“机器一直在学习。它提供了更好的跨部门沟通和反馈，同时朝着共同的目标，定制的产品和服务，并证明管理风险的方法。ob欧宝娱乐app手机下载IT和技术人员将不再在独立和统一的竖井中工作。
认知计算的好处通常体现在三个方面，它预示着范式的转变:发现(或洞察)、参与和决策。
想象一下，能够利用认知计算的自然语言处理能力，从非结构化数据中构建非常详细的客户档案(包括他们在社交媒体上的帖子)。
有了这种洞察力，你就可以识别和定位客户，为他们做广告，你不仅知道他们可能喜欢的产品，而且他们可能在特定的时间喜欢的产品，比如当他们大学毕业、ob欧宝娱乐app手机下载订婚或怀孕的时候。认知计算将使您能够发现客户洞察力和行为模式，从而将目标广告提升到一个新的水平。
认知计算也有潜力帮助你的客户保持参与。您可以通过使用认知计算系统来自主处理简单的客户服务查询或通过快速分析过去交互的历史来帮助人类代理来实现这一点。在客户服务中部署认知系统有可能提高一致性，并加快发现客户认为真正有用的东西。
在认知计算仍然是辅助的领域，它可以简化人类代理的数据收集过程，例如贷款处理。医疗保健和金融是最受关注的领域，但认知计算在各个领域都得到了应用，包括制造业、建筑业和能源业。
考虑到这些好处，2017年IBM对各行各业数千名高管进行的一项调查发现，50%的人表示，他们计划在2019年之前采用认知计算，几乎所有人都表示，他们预计将获得15%的投资回报率。
根据德勤2015年的一项分析，认知计算领域最热门的领域(也是最大的投资对象)包括机器学习、计算机视觉、机器人、语音识别和自然语言处理。
虽然认知计算有希望，但它最好还是作为人类工作者的补充或工具，而不是取代他们。因此，成本节约可能没有一些人想象的那么大。
此外，认知计算在大量数据上运行，需要收集、访问和利用这些数据以获得好处。一个不收集数据来为机器学习系统提供信息的企业是在浪费这种能力。通常，充分利用这些数据将需要进行一些结构性变革，而结构性变革反过来又需要高管团队的支持。
认知技术可能允许您以以前无法实现的方式利用数据，但您需要对输出有一个计划。这需要创造性的、实用的思维。毕竟，对于企业来说，情报只有在可操作的情况下才真正有用。
IBM和Alphabet等科技巨头一直在创建新的业务部门，利用认知技术增加销量和创造收入，最终目标是改变他们的商业模式。例如，IBM通过像Watson Developers Cloud这样的全球开发平台来实现这一点，该平台集中了资源和参与者，以加快产品的开发和发布。欧宝体育app官方888ob欧宝娱乐app手机下载科技公司为企业提供平台即服务(PaaS)来运行他们自己的认知计算应用程序。
一个2013年麦肯锡全球研究所报告据预测，到2025年，知识工作自动化作为一种“颠覆性技术”可能会产生超过5万亿美元的经济影响。
认知计算是如何使用的
认知计算使许多创造性的应用成为可能。
温布尔登的人工智能视频软件可以自动生成集锦。它如何知道要包含哪些片段?它使用环境噪音、面部识别和情绪分析来确定哪些视频片段最能引起人群的兴奋。
面部识别也被用于社交媒体网站，如Facebook，其DeepFace面部识别软件拥有令人印象深刻的97%的准确率。去年，b谷歌基于机器学习的语音识别达到了与人类准确率相关的阈值——95%。
你有没有想过为什么这么多人很难停止看Netflix?该公司使用机器学习算法，根据人们看什么、什么时候看、不看什么以及你在网站上发现视频的位置等因素，为新节目和电影提出建议。这种认知计算的应用是一种消费者行为分析，Netflix声称它每年在消费者留存率方面创造了10亿美元的价值。
聊天机器人虽然不是认知计算领域最尖端的应用，但它也能提供各种各样的客户服务，从帮助你找到钻石(由IBM沃森驱动的Rare Carat的Rocky)，到回答你关于航空旅行的问题(阿拉斯加航空公司的Jenn)。
Tony Lucas，联合创始人AI交谈(于2018年1月被Smartsheet收购)表示，聊天机器人技术虽然仍处于起步阶段，但已经足够先进，“今天可以很容易地构建和部署非常优秀和有用的聊天机器人。”
卢卡斯指出:“具有明确功能和界限的范围狭窄的机器人是当今成功的地方，我相信这种情况将继续下去，但也需要确保用户能够轻松发现可用的新功能。”
认知计算也出现在更多高风险的领域，比如金融机构和金融服务提供商的欺诈检测、风险评估和风险管理。
Greg Woolf，首席执行官合并该公司表示，金融服务领域尤其被数据淹没，比如投资研究、风险分析和合规、客户服务和营销数据。认知技术可以大大减少人们花在分析和做决定上的时间，他继续说道。“好处是惊人的，”伍尔夫总结道。
例如，对审计人员来说，认知计算意味着他们不必只依赖财务数据的测试样本;相反，他们可以查看完整的记录。此外，对于保险公司的承销商来说，在决定是否接受客户时，他们必须梳理堆积如山的数据，认知计算可以提供一页又一页文件的仪表板视图。
在这两种应用中，好处不仅仅是提高了效率;它们还降低了人为错误的风险，而这种错误可能代价高昂。例如，Geico正在使用沃森的认知能力来学习承保指南和阅读风险意见书。
在面向客户的应用程序中，认知计算可以帮助人们驾驭复杂的储蓄和投资环境。澳大利亚澳新银行(ANZ Bank)的金融服务应用程序正是这样做的，这些应用程序可以检查投资选择，并根据相关客户数据(年龄、生命阶段、风险承受能力和财务状况)提供建议。巴西银行布拉德斯科(Bradesco)将沃森应用于其呼叫中心，处理客户的询问。
认知计算甚至可以用来预测天气。2016年1月，IBM收购了The Weather Company，利用认知技术来了解天气模式，帮助企业利用天气预测数据，从而更好地管理户外设施，并将天气数据与物联网(IoT)上的其他服务相结合。
认知计算也被整合到虚拟现实游戏中。2018年2月，IBM和Unity宣布建立合作伙伴关系，将AI功能引入世界排名第一的游戏引擎。
作为一名商业专业人士，在进入认知计算领域之前，有几个问题要问。机器学习只适用于企业中数据密集型的领域——视觉、文本或音频。你在哪里可以获得足够的数据来做出改变，你到底想要做出什么样的改变?
詹姆斯Costantini认知计算实验室Neurality的首席执行官表示，开始使用认知系统的首要任务是确保你拥有干净、可用的数据。“你需要大量的数据，无论是结构化的还是非结构化的……首先做一个国情咨文:我们有什么数据?它是如何组织和呈现的?他建议道。
然后，他建议将认知功能应用于简单的过程，比如图像识别。Neurality曾开发过一款约会应用，该应用以前会对照片进行手动审查，以剔除假用户。他说，有了图像识别，审批时间减少了70%以上。
“认知计算项目耗资数百万美元。尝试一件小事来降低你的风险。然后，以此为基础。一次性投入的公司需要很多年才能形成真正的认知系统，”康斯坦蒂尼敦促道。
如果您正在考虑人工智能风格的自动化功能，请考虑您要实现的目标。您的实现领域是否将受益于自动化决策制定，或者利用数据允许您创建个性化的客户体验?或者，反过来说，牺牲一个人的接触会让你付出代价吗?
埃里克·利特尔，德国的首席数据官OSTHUS专门研究生命科学认知计算的作者建议，首先要了解组织中人们所从事的工作，以及他们工作的核心问题和流程。他说，许多公司花了很多钱来存储数据，通常情况下，大约90%的员工只会使用其中3%到5%的数据。
他解释说:“认知计算是关于理解人们试图完成的事情。利特尔指出:“生物学家和化学家可能在研究相同的样本，但他们想要的数据却截然不同……给他们提供对他们正在努力做的工作很重要的数据。”
您可以通过对组织中的信息建模、对其进行编目和分配元数据来完成此过程。分析和联邦架构可以提高数据的可用性。Little建议您将精力集中在拥有更多信息和更强分析能力将产生直接影响的几个领域。
记住，认知计算并不一定要在面向外部的应用程序中实现;用它来服务你的员工，而不是你的客户，你可能会获得更多。将认知计算的分析能力与人工输入相结合可以带来巨大的成果。想想Watson for Oncology，以及它如何将基于证据的见解与专家的人类决策相结合。
“认知计算的真正影响并没有出现在头条新闻中。它在杂草中，”Coseer的克里希纳说。“例如，我们正在与一家制药公司合作，加快监管报告的起草。它不像科幻小说那样，电脑会自动研制出新药。至少目前还没有。然而，它使目前正在研发的药物更快地进入市场，并腾出科学家更多的时间进行创新。”
认知计算目前还不会取代编程计算，但如果它实现了它令人难以置信的承诺，它将成为跨行业的革命性差异。
什么是认知平台?
IBM的Watson平台、SAS的Viya和Cognitive Scale的Cortex等平台以平台即服务(PaaS)的方式提供认知功能。正如SAS执行副总裁Oliver Schabenberger在2016年接受《赫芬顿邮报》采访时所描述的那样，客户希望平台能够提供“速度和规模……灵活性、弹性和弹性”。
目前，认知实现通常侧重于使现有过程具有认知性。这意味着增加认知过程，从图像识别到语音识别，通过检查结构化、表格、数字数据到阅读非结构化文本。认知平台在一套服务中提供这些功能。
科技作家Jennifer Zaino建议将认知平台视为“扩展生态系统，使创造认知计算应用程序成为可能，并将其推向大众。”认知平台简化了公司的实现，因此可以被认为是将认知计算带给公众的一种方式。
OSTHUS的Little说，一些公司更喜欢互联系统而不是平台:“这些公司对购买能够让他们使用最佳技术的东西感兴趣”，而不是局限于“一个大型的一次性平台”。
康斯坦丁·萨文科夫，首席执行官Intento这家为认知智能构建抽象层的公司表示，训练一个认知系统在很多方面“相当于从学龄前开始训练你的员工——我们通过雇佣熟练的团队成员来避免这种情况。”同样，供应商提供了许多预构建的认知模型。关键是要选对产品，因为性能可能相差400%，而价格可能相差1000%。”
认知计算领域的名人录
IBM的沃森是认知计算领域最接近家喻户晓的产品。沃森汇集了一系列认知技术，包括自然语言处理、假设生成和基于证据的学习，能够进行深度内容分析和基于证据的推理，从而将计算机认知应用于从肿瘤学到珠宝等广泛领域。人工智能的真正先驱，IBM在2015年，该公司在大数据和分析方面投入了260亿美元，并将近三分之一的研发预算用于沃森。
微软的认知服务是一组基于微软机器学习产品组合的api、sdk和服务。对于那些想要利用认知计算能力的开发人员来说，他们可以在应用程序中实现面部、视觉和语音识别、自然语言理解、情感和视频检测等功能。认知服务可以在各种平台上工作，包括Android、iOs和Windows，它为Progressive Insurance的Flo聊天机器人提供了认知能力。
英国人工智能公司Deepmind于2014年被b谷歌收购，从那以后，它主要在两个领域掀起波澜:游戏和医疗保健。Deepmind的AlphaGo程序在2015年的围棋比赛中首次击败了职业人类对手，随后在三局比赛中击败了世界冠军。Deepmind与沃森的不同之处在于，它只使用原始像素作为数据输入。在医疗保健领域，2016年Deepmind与穆尔菲尔德眼科医院(Moorfields Eye Hospital)合作，分析眼部扫描，寻找早期失明迹象。同年，Deepmind与伦敦大学学院医院(University College London Hospital)建立了另一项合作，试图开发一种算法，可以区分头颈部的健康组织和癌组织。
其他为企业提供认知解决方案的供应商包括cognitive Scale，它试图通过可操作的见解、建议和预测，将基于机器学习的智能集成到业务流程中。HPE Haven OnDemand提供了本质上的大数据、认知驱动、策划搜索功能，允许用户访问多种结构化和非结构化数据格式。CustomerMatrix认知引擎使用计算机认知来构建如何对收入产生最大影响的建议。它通过分析过去的结果，并根据证据提出可能增加收入的可操作的、排序的步骤列表来实现这一目标。此外，思科认知威胁分析(Cisco Cognitive Threat Analytics)会根据来源和目的地以及传输数据的性质分析网络流量，并在敏感数据被窃取时报告。
SparkCognition有三种产品:Spark Predict，一种工业认知系统，使用传感器数据来优化操作，并警告操作人员可能出现的故障;Spark Secure，改进了威胁检测;以及MindFabric，这是一个专业人士从数据中获取“深刻见解”的平台。Numenta创造了专门用于检测异常的认知技术，无论是在人类行为、地理空间跟踪还是服务器和应用程序中。Expert System的Cogito专注于跨多种语言的NLP，使组织能够更好地分析大量非结构化内容。
认知计算在工作中
认知系统已经在许多行业中投入使用，它们能够以迷人的、有时甚至令人惊讶的方式补充人类的智力。
例如，Vantage Software和IBM Watson将认知计算与私募股权知识结合起来，开发了Coalesce，这是一款面向投资经理的软件工具，可以帮助他们分析有关风险、公司概况和管理以及行业前景的数据，从而做出更好的投资决策。
为兽医企业提供营销和企业解决方案的LifeLearn使用认知计算创建了一个名为LifeLearn Sofie的应用程序，该应用程序可以帮助兽医访问兽医数据资源，并寻求诊断方面的帮助，以提高护理质量。欧宝体育app官方888
WayBlazer是一家以认知为动力的旅行计划初创公司，它使用NLP功能基于三个信息源来个性化旅行计划:声明信息(用户注册时请求)、观察信息(来自链接的社交媒体资料)和推断信息(来自旅行计划应用程序上的先前活动)。该公司使用api或在线界面为用户提供个性化的旅行建议。
Edge Up Sports为梦幻足球带来了认知分析。该公司推出了一款应用程序，通过收集非结构化的体育分析数据，对一名球员的所有新闻进行总结，从而对梦幻足球球员进行研究，从而让梦幻足球经理能够挑选出更好的球队。
健康和保健公司brightminds为私人教练开发了一款名为TRAIN ME的认知驱动应用程序，该应用程序利用临床研究和跟踪用户数据，帮助教练为客户制定个性化的锻炼方案。
认知计算有助于医疗保健应用程序的治疗
考虑到医疗保健专业人员必须处理的大量数据和生死攸关的风险，医疗保健行业吸引了一些特别雄心勃勃的认知计算项目。
认知系统在医疗保健领域的标志性应用是Watson for Oncology，这是纽约Memorial Sloan Kettering的临床医生和分析师与IBM Watson的合作项目。基于数十年的临床数据以及肿瘤专科医生指导的学习，Watson for Oncology旨在为癌症患者确定循证治疗方案。其中一个目标是将专业癌症治疗中心的知识传播到没有相同资源的机构;欧宝体育app官方888另一个目标是加快癌症研究对临床实践的影响。
沃森在医疗保健领域的另一个引人入胜的例子来自基因组学领域，该领域涉及DNA。IBM Watson Genomics使用来自肿瘤基因组组成的测序和分析数据来揭示突变，然后可以将这些突变与医学文献、临床研究和药理学的信息进行比较，从而深入了解突变和治疗的效果。临床数据来自OncoKB，这是一个由Memorial Sloan Kettering维护的知识库，其中包含数百种癌症基因变化的细节。
这些仍然具有开创性的应用程序的影响是惊人的。在未来，由认知技术驱动的综合医疗保健系统可能能够整理有关特定条件的所有人类知识，包括实验结果和患者病史，以诊断疾病并推荐基于证据的治疗方案。
认知计算的问题是什么?
虽然认知计算的好处是巨大的，但人工智能确实会带来一些恐惧。一些人担心它会使许多工作不再需要人类工人。认知计算能否像19世纪工厂自动化挑战蓝领工作那样，挑战白领的知识型工作?
至少到目前为止，这个问题的答案是令人放心的。作为伯特兰Duperrin他说:“拥有机器的人总是会打败机器。”以目前的形式，认知计算不会取代大多数人;相反，它将扩展他们的认知能力(称为增强)，使他们在自己的角色中更有效。一些研究人员说，从历史上看，新技术往往会把人们推向价值更高的工作岗位，而不是让一些工作消失。
德勤(Deloitte)在2017年对公司领导人进行的一项调查发现，69%的企业预计，未来三年这些技术的就业机会将减少到最低或不会减少，甚至会增加一些就业机会。
其他的担忧更直接一些，或许也更有根据。其中一个问题与算法有关，以及它们预测人类行为的能力是否使它们有能力以有害的方式控制人类。可以想象，为新闻聚合服务提供动力的算法可能会强化我们的偏见，而不是像新闻应该做的那样，描绘出一幅更准确、更细致的世界图景。
认知计算顾问佐伊露营者他说，这些道德问题很重要:“如果我们没有意识到数据是错误的或有偏见的，我们就会陷入麻烦，重现问题……模式识别关注的是过去。”
认知技术可以捕获结构化和非结构化数据，并且可以比以前更全面地描绘人类心理和行为。对一些人来说，这可能只不过是另一个与隐私有关的头痛问题。对其他人来说，这可能会引发对被“老大哥”监视的真正担忧。甚至还有特斯拉(Tesla)创始人埃隆•马斯克(Elon Musk)等人认为，人工智能对人类的生存构成了威胁，应该受到监管。
“在某种程度上，想到我们正被人工智能包围，帮助我们改善生活，这是令人兴奋的，”谷歌全球运营高级总监查理•格里尼表示字母数字,该公司为企业提供人工智能应用方面的建议。“但是，这也有点可怕，因为你现在被智能包围，它们开始认为自己知道的比你多。我们正朝着这个方向前进。我看到它正在发生。我认为我们还需要10年的时间才能实现这一目标。”
认知计算的其他问题更类似于成长的烦恼。其中包括通过机器学习训练认知系统的漫长而费力的过程。许多组织没有意识到认知系统的数据密集型本质和缓慢的培训延迟了采用。认知计算的另一个缺点是无法从外部因素(如文化和政治环境)分析非结构化数据中的风险。
什么是认知计算芯片?
在2011年,自然发表了一篇关于IBM发明的新型“认知计算微芯片”的文章。与传统计算机的特点是内存和计算元件分离不同，新芯片将计算元件和RAM连接在一起。这些芯片的灵感来自于大脑的结构:计算元素充当神经元，RAM充当连接神经元的突触。这些神经元和突触是在一个被称为核心的结构上模拟的，核心是神经形态(类脑)结构的基石。例如，IBM的TrueNorth芯片由4096个内核组成，每个内核模拟256个可编程神经元，每个神经元依次有256个可编程突触。
认知的芯片——或者neurosynaptic芯片它们有时被称为认知计算系统的另一种方法。传统的认知计算试图通过软件来模拟人类的认知功能，而认知芯片则被设计成在硬件层面像大脑一样工作。
这种设计比基于传统冯·诺伊曼架构的传统计算消耗更少的能量，因为它是事件驱动和异步的。在传统的体系结构中，每次计算都被分配一个固定的时间单位(在十亿分之一秒的范围内)孵蛋的，即使它不需要那么多时间来完成计算。所以，时间被浪费了。神经突触芯片只给每个计算分配完成所需的时间，然后发出一个脉冲，开始下一个计算，就像一个继电器。TrueNorth的功率密度是其他微处理器的万分之一。
“memtransistor”是由美国麻省理工学院的研究人员发明的西北大学麦考密克工程学院它的行为很像神经元，同时进行记忆和信息处理，这意味着它在技术上更接近神经元。mem晶体管可用于基于神经形态结构的电子电路和系统。
为了说明传统计算机和神经突触芯片之间的区别，IBM使用了左脑-右脑类比，其中左脑(传统计算)专注于语言和分析思维，而右脑(神经突触芯片)专注于感官和模式识别。IBM表示，它希望将这两种功能融合在一起，创造出它所称的a整体计算智能。
认知计算的未来
尽管神经突触芯片在设计上是革命性的，但它们还没有开始接近人类大脑的复杂性，人类大脑有800亿个神经元和100万亿个突触，而且能量效率高得离谱。IBM最新的SyNAPSE芯片只有100万个神经元和2.56亿个突触。神经形态架构的研究仍在继续，它将近似于人类大脑的结构:IBM表示，它希望建立一个拥有100亿个神经元和100万亿个突触的芯片系统，它只消耗一千瓦时的电力，可以装在一个鞋盒里。
未来的一个重要里程碑是百亿亿次计算机，这种系统每秒可以执行10亿亿次计算，是2008年推出的千万亿次计算机的1000倍。百亿亿次计算被认为在神经层面上与人类大脑的处理能力相当。美国能源部表示，在即将于2021年建成的百亿亿次计算机中，至少有一台将使用“小说的架构。”
认知计算的另一个突破性提议来自科学家和研究人员，他们想要利用大量激增的科学数据。他们建议发展一种具有认知能力的“聪明同事”，这种同事可以整理知识并将其置于环境中，以便识别和加速满足总体科学目标所需的研究问题，甚至可以促进实验和数据审查的过程。
虽然IBM仍然是认知计算领域的全球领导者，其目标是“在认知上推动和颠覆行业”，但它在特定领域面临着来自认知计算初创公司的竞争。其中一些更重要的包括:叙事科学的Quill，一个将数据转化为有意义的叙事的平台;Digital Reasoning的synthesis，它使用非结构化信息为客户创建情境化的全局洞察;Flatiron Health和Watson for Oncology一样，收集和分析肿瘤学数据，为医疗从业者提供见解。
为了保持竞争力，IBM聘请了人工智能领域的一颗冉冉升起的新星:14岁的天才坦米·巴克希(Tanmay Bakshi)，他正在与这家科技巨头合作开展医疗项目。
认知计算领域中可能会出现重大扩展的一个领域是自定义认知计算。自定义认知计算是基于这样的原则:想要将认知功能(如计算机视觉和语音识别)引入其应用程序的开发人员不应该担心训练这些智能功能的复杂过程，因为训练需要创建大量精心策划的数据集。相反，自定义认知计算允许开发人员简单地将标记数据上传到云，并迭代地训练模型，直到达到所需的准确性。
认知计算还与另外两项新兴技术交叉:物联网(IoT)和人工智能区块链技术。物联网是指具有计算能力并通过互联网相互连接的设备和设备的复杂系统。物联网中的每个设备都可以收集数据，但到目前为止还没有做过什么。认知计算有望从这些数据中获得见解，从而使物联网设备更好地协同工作。收集和交换这些数据会增加安全风险，这就是区块链技术的用武之地。区块链将改善从物联网收集的信息的数据隐私，并将帮助创建数据交换的“市场”。
进一步阅读了解更多关于认知计算
智能表自动化流程的未来
通过设计一个灵活的平台来满足你的团队的需求，并随着需求的变化而适应，从而使你的员工能够超越自己。
Smartsheet平台可以轻松地从任何地方计划、捕获、管理和报告工作，帮助您的团队更有效地完成更多工作。报告关键指标，并通过汇总报告、仪表板和自动工作流实时了解工作情况，以保持团队的联系和信息。
当团队对要完成的工作有了清晰的认识时，就不知道他们在同样的时间内能完成多少工作。今天就免费试用Smartsheet吧。