认知计算来了可能比人工智能更好
要想了解认知计算，首先应该辨析认知计算与人工智能的关系。让我们从本世纪第二个10年中两场轰动世界的人机大赛说起。一场人机大赛发生在2011年2月，IBM旗下的沃森系统在美国最受欢迎的智力问答电视节目《危险边缘》中亮相，并最终打败了两位人类冠军对手布拉德・鲁特尔和肯・詹宁斯，夺得第一名。《危险边缘》的比赛以一种独特的问答形式进行，问题设置的涵盖面非常广泛，涉及历史、文学、艺术、流行文化、科技、体育、地理、文字游戏等各个领域。与一般问答节目相反，《危险边缘》以答案形式提问、提问形式作答，根据以答案形式提供的各种线索，参赛者必须以问题的形式做出简短正确的回答。参赛者不仅需要具备历史、文学、政治、科学和通俗文化等知识，还需会解析隐晦含义、反讽与谜语等。另一场人机大赛发生在2016年3月，谷歌旗下的阿尔法狗系统与围棋世界冠军、职业九段棋手李世石进行围棋人机对弈，最终阿尔法狗以4比1的总比分获胜。众所周知，围棋的变化与难度是惊人的，在19×19的棋盘中，围棋的合法棋局数可能数接近10的171次方，这是一个天文数字。人类通常将围棋竞技视为智慧的巅峰对决，甚至也有人将围棋视为人类智慧堡垒。这两场人机大赛都对整个世界产生了巨大的影响。在许多人工智能倡导者看来，这两场竞赛同时吹响了第三波人工智能浪潮的号角，共同推动了新一轮人工智能技术的发展。然而，另外一些学者认为这两场竞赛中涉及的技术存在本质差异，谷歌的阿尔法狗是以深度学习为代表的新一代人工智能的技术，而IBM的沃森推动的是一种被称为“认知计算”的新计算范式。那么，认知计算与人工智能究竟存在什么样的差异？认知计算与人工智能的区别区分认知计算与人工智能，可以从概念本体和人机关系两个视角来辨识。从概念本体的视角来看，人工智能是以一种“黑盒”的方式，表现出人类的智能行为，而认知计算则是以一种“白盒”的方式，模仿人类的思维过程和行为。根据一般的定义，智能指的是能够学习、了解以及处理新的情境，并进行推理；能够应用知识来操纵环境，并遵循客观原则进行抽象思考。而认知指的是通过思维、情感与心理行为或者过程，获取知识并进行理解。人工智能技术旨在使计算机解决复杂问题，如果人要解决这些问题则需要用到人类智能。在这里，结果（把问题解决了）很重要。认知计算同样也旨在使计算机解决复杂问题，不过是以模仿人类的方式进行问题求解。在这里，过程（如何解决）很重要。在这个视角下，人工智能是对人类智能的模仿，而认知计算则是对人类推理行为的模仿。以上述两场人机大赛为例，阿尔法狗旨在赢下棋局，即按照围棋的规则，用自己的棋子尽可能地“占据”更多的棋盘空间。阿尔法狗推演棋局的套路与李世石的下棋方法可谓“风马牛不相及”，从某种意义上，你都可以认为他们玩的不一定是一个游戏。而沃森则不同，它在比赛之前很难定义具体目标，它所能做的是在竞赛过程中，尽可能模拟人类问答的“认知过程”，利用自己更强的计算能力和知识库赢得竞赛。因此，阿尔法狗采用的是一种典型的人工智能技术，而沃森采用的则是一种典型的认知计算技术。从人机关系的视角来看，人工智能旨在代替人类进行决策，人机之间存在一定的代理关系，且会产生一定的冲突。而认知计算则是辅助人类进行决策，人机之间更多的是协作、融合与共生的关系。人类通常会委托人工智能为人类完成某项任务，在这个过程中，人工智能通常作为一种代理来代替人类进行某项决策。而认知计算核心在于辅助人类决策，它只是为人类赋予更高精度的分析能力，确保决策过程中的信息掌控。举一个职业咨询的例子来展现人工智能与认知技术的差异。人工智能助手将会自动评估求职者的职业技能，并找到与他职业技能最匹配的工作岗位，同时为求职者进行薪酬与福利待遇的协商，最后，人工智能助手将商谈好的工作告诉求职者。相反，认知计算助手则是对求职者的求职给出一些建议，将某个岗位所需要的教育经历、薪资对比以及目前岗位空缺情况等情报信息提供给求职者，同时尽可能地为求职者选择不同岗位的优缺点提供各种维度的分析。而最终将由求职者自己来进行决策选择哪一份工作。因此，人工智能有可能自主形成一个决策闭环，而将人类排斥在这个闭环之外，而认知计算则一直是将人类置于决策闭环的核心位置。认知计算的范围与特征从计算的发展来看，在经历了制表计算、可编程计算两个时代之后，目前计算正在迈入认知计算时代。总体而言，认知计算的应用范围非常广泛，涉及参与、决策与发现等不同方面，其核心围绕增强人类的“认知”能力。依据认知理论的观点，人的认知系统包含两个子系统：System1和System2。System1又称“直觉系统”，主要负责快速、无意识、非语言的认知。System2又称“逻辑分析系统”，是有意识，有逻辑、规划、推理以及可以用语言表达的系统。认知计算能够用于增强人类的System1功能。随着大数据的发展，认知计算系统基于强大的信息处理与利用能力，为人类提供更强的物联网数据感知和大数据分析能力。认知计算可以通过分布式代理，基于流数据创建交互式感知、洞察和可视化系统，从而为实时监控和分析提供支撑。认知计算亦能够用于增强人类的System2功能。认知计算系统包含了各种实体之间的周境关系，使得它能够形成假设和论断。与此同时，它能够融合并处理歧义的甚至是自相矛盾的数据，这使得认知计算系统具有理解海量信息、自我学习、开发深度领域洞见和提供专家辅助的能力。基于上述能力，认知计算系统能够深度参与人类的生活与生产各项活动中。典型的应用就包括“科拉”这类人类网络空间与信息生活的助手。与以往的计算范式相比较，认知计算在适应性、交互性、迭代和周境感知等方面都有显著的特征。认知计算能感知周边环境和语境，并能进行相应的自适应。认知计算需要进行动态编程，必须理解，识别和提取上下文元素，例如涵义、语法、时间、位置、法规、用户的个人资料、过程、任务和目标。它们可能会利用多种信息源，包括结构化和非结构化数字信息，以及感官输入（视觉，手势，听觉或传感器提供的信息）。认知计算具有“记忆”功能，并能进行迭代。认知计算系统必须能够记住先前的交互信息，通过信息与语义的叠加，进行理性推理和辅助决策。例如，作为一个数字医疗助手，当某个用户在凌晨1点左右与数字医疗助手交流“胸闷、失眠”等情形时，数字医疗助手必须能够“意识”到当前的时间以及用户所处的环境（躺在床上），并能够结合用户以往的状态信息（比方说，这种“胸闷、失眠”症状已经持续两周以上），进行综合研判并给用户一个合理的建议（譬如是否需要持续吃某种药物，或者是否需要马上联系医生进行就医诊断和治疗等）。认知计算的发展前景认知计算是人类概念和思维过程在计算环境下的一个缩影，是一个自我学习的积累，通过模式识别、数据挖掘和自然语言处理等技术模仿人类大脑工作的方式，它重新定义人与网络空间和信息圈的关系。一个认知计算系统能够自适应并为图像、自然语言等相关信息赋予意义。认知计算的主要目标并不是构建能够思考的机器，而是创造能够分析海量数据、自我学习且自主运转的计算机系统，它应该精通于解决复杂问题，它应促使人与机器交互并获得理解，从而增强人类认知能力。正如奥克兰大学的米歇尔・迪金森博士所言，认知计算旨在辅助你的工作，帮助你成为更好的你。因此，推动认知计算在各行业的广泛应用与渗透，将会使人类更好地栖居于网络空间。在金融领域，认知技术推动人性化金融科技兴起。为了更有效地服务越来越多的客户，银行和金融机构可以广泛采用认知技术，除了自动执行后端和管理任务外，认知技术也能主导其面向客户的活动。在教育领域，认知计算可以成为学生教育的重要推动力。在教室中应用认知计算主要是为每个学生定制个性化学习助手。这种认知助手可以减轻老师在教学生时面临的压力，同时增强学生的整体学习体验。教师可能无法照顾到每个学生的个人注意力，而这正是认知计算所能弥补的地方。当学生与他们的个性化认知助手一起上课时，该认知助手可以开发各种技术，例如制定课程计划，以定制和帮助满足学生及其需求。在卫生保健领域，许多技术公司正在开发涉及可用于医疗领域的认知计算的技术。分类和辨识能力是这些认知计算装置的主要目标。认知计算在鉴定致癌物方面可能非常有帮助，它能够帮助检查员在更少的时间内解释无数的文档。此外，认知技术还可以评估有关患者的信息，深入查看每一条病历，寻找可能导致患者问题的蛛丝马迹。医生可以使用认知计算系统来辅助他们进行诊断，利用海量医学教科书和相关资料分析患者的病史，为医生提供一些诊断支持依据，有可能向医生提供一些医生从未考虑过，甚至都不知道的疾病参考。在商业领域，认知计算与可满足客户需求的大数据和算法相结合，可以在经济决策中发挥重要作用。企业可以使用认知计算来将各种风险因素纳入决策，然后向公司针对投资或选址分支机构提供有效建议。正如莱布尼茨之梦所阐释的那样，在认知计算范式下，计算之于人脑，犹如算数之于数，代数之于量，在认知计算的辅助下，人类能够更好地进行发现和判定。相对于人工智能而言，由于更侧重与人的协作、融合与共生，认知计算能够摆脱一般意义下的“人工智能”威胁论，挣脱伦理“桎梏”，以更加人性化的方式，回归技术本质，从而造福人类。
(责编：王震、陈键)人工智能的12个典型案例
但以亚马逊的推荐系统为例，它是一个交易性人工智能平台的强大引擎。人们可能已经观察到它的能力，这个系统可以不断学习。本质上，大批购物者正在“教导”亚马逊人工智能系统，以便更好地展示可能出售的商品。也就是说，将一件商品与过去展示的另一件商品相匹配将促进销售，可以将半关联的概念联系起来(例如灯架与摄影设备)。
另一方面，这种高端的人工智能系统需要庞大的计算平台来处理所有这些数据。对于使用小型服务器的用户来说很难为此类系统提供支持。显然，亚马逊网络服务公司拥有世界领先的计算平台。
3.Pandora
对于那些认为人工智能将会取代人类工作的人们来说，Pandora人工智能系统就是一个与人类合作的例子。首先，Pandora通过音乐专业人员的帮助来分析和分类歌曲。Pandora着眼于歌曲的450种属性进行分类，从声乐风格到节奏感。
当其人工智能算法工作时，根据大量用户对其歌曲库的响应，结合了来自用户的大量推荐。然后，人工智能系统可以批量分组和呈现对于用户具有意义的歌曲。
4.Cogito
这无疑是人工智能最活跃的领域之一：在销售和客服电话中使用人工智能，可以增强与客户的情感联系。具体地说，使用人工智能互动比人类更具移情能力。当然，这是人工智能使用的一个前沿。
Cogito(拉丁语的意思是“自我意识”)使用了人类互动的关键真理：它不仅仅是词语的表达意义，而且是词语的表达方式、情绪、节奏和感觉。
Cogito软件可以实时分析对话，提供有关正确和错误的线索和提示。也许对话者可能切入太多主题，或者反应不够快。应用程序提供基于颜色的警告和更新。该软件可以分析数百条线索，以确定对话的情感质量。
5.Nest
推动人工智能增长的关键因素之一是资金雄厚的厂商之间的竞争，希望在早期获得市场份额。以谷歌公司旗下的家用恒温器Nest为例，其部分目标是将谷歌公司的人工智能构建到设备中，用来应对苹果Siri和亚马逊Alexa的不断增长。
Nest使用人工智能来适应人类的行为模式，获得恒定的输入线索，并在家中工作时做出更准确的反应。在业主设置系统一段时间之后，Nest可以自己整合输入。
无论如何，智能家庭设备(物联网设备)无疑是争夺人工智能市场支配地位的关键战场。让一整组智能家庭设备协同行动，它们可以响应家庭成员的指令，并根据其行为学习，这显然是人工智能在家庭应用中的未来。
6.Boxever
总部位于爱尔兰的Boxever公司推出其Boxever“个性化平台”，其主要目标是旅游业。其基于云计算的平台允许旅游公司创建一个单一的客户视图，从而为客户提供更有效的营销。它的目标是通过单独针对客户来改进销售过程。如果人工智能可以在一对一的基础上定制交互过程，理论上它可以更有效地服务(并销售给)客户。
Boxever公司的方法承认竞争的关键部门是客户体验。如果零售商更加谨慎地满足客户的需求，将会在电子商务竞争中获胜。而使用智能软件比人工销售代表的成本要低得多。
7.AIRobotics、Humanoid和其他
人工智能为机器人的应用提供动力，其中包括加州大学伯克利分校的BRETT和麻省理工学院的MITdog。Sophia就是一个受到媒体热捧的人工智能机器人的例子，它和NBC电视台主持人JimmyFallon在“今夜秀”上聊天和唱歌。
除了流行文化的喧嚣之外，还有各种规格和大小的人工智能机器人。例如iRobot公司的RoomBA980吸尘器采用了人工智能技术，可以在家中完成各种清扫工作。该公司声称，Roombas公司已售出1000多万台RoomBA980吸尘器。
8.垃圾邮件过滤器
人工智能的核心就是学习。而使用机器学习和其他人工智能技术，软件系统将变得更智能，无需人工协助。
当然，采用人工智能防止垃圾邮件是一个迫切需要机器学习的领域。工作人员(甚至是团队)难以跟上垃圾邮件的增长。例如，Gmail会部署机器学习算法来过滤(大部分)垃圾邮件。
为此，垃圾邮件过滤器试图更快地跟上垃圾邮件发送者的工作，他们不断采用创造性的方法来欺骗收件人。垃圾邮件过滤器中的人工智能会持续扫描元数据，例如发件人的位置或主题行中的关键字。如果无法学习，垃圾邮件过滤器将在几天之后无法运行。
人工智能技术是使用来自人类的输入：因为对于一个用户具有价值的优惠券对于另一个用户来说则是垃圾邮件。特定用户如何对邮件流进行分类必须是垃圾邮件过滤器学习的一部分。
9.网上银行业务
银行为用户提供方便的优惠：扫描其支票并将其金额存入移动设备中，无需去实际的分支机构存款。其问题是：这样做需要机器来阅读用户的签名，这是一项既混乱又令人困惑的工作——甚至对工作人员来说也是如此。
在其他供应商中，MitekSystems公司采用专门从事基于软件的身份验证。其人工智能技术利用计算机视觉和机器学习使移动到银行的交易安全。
例如，Mitek公司采用视觉算法对银行交易中的无数ID格式进行分类。其核心是光学字符识别(OCR)软件，它扫描文档并将数据转换为可编辑的格式。可以使用人工智能调整OCR软件以准确提取个人签名或指纹。
10.贷款和信用卡处理
当消费者申请信用卡或贷款时，消费者信用评分(FICO)(通常在300到850分之间)将起到至关重要的作用。在过去，贷款工作人员审查了这些贷款和信用卡申请。虽然仍有很多工作人员，但许多关于信用卡的决定或者是否接受消费者的申请，都是由机器学习系统做出的。
同样，学习是这个过程的核心部分。银行管理人员可以设置他们希望当前信贷标准是宽松还是紧缩的参数。但他们希望银行的机器学习系统能够随着时间的推移而学习，以便更密切地确定哪些申请人是安全的借贷者。
11.Lyft和Uber
没有人工智能和机器学习技术，共享单车是不可能存在的。具体来说，票价、预计到达时间以及它将要走的路线：这些都是人工智能计算出来的。
人工智能即时进行大量计算。如果没有一个分析情况的机器学习系统，然后将结果数据路由到用户和驱动程序的应用程序，这些计算的数量和复杂性将是不可能的。当然，Lyft和Uber公司将其记录在自己的系统上，这两家公司拥有关于用户模式的大量数据。
在未来，这些服务预计将出现无人驾驶汽车的时代(尽管这种情况发生时最多仍然模糊不清)。如果没有人类驱动程序的元素，运行系统的过程将成为更纯粹的逻辑机器学习计算。从理论上说，这将导致共享乘车服务的成本下降，甚至可以节省雇佣驾驶员的成本。
12.社交网络
主要的社交媒体网络是人工智能发展的核心驱动力。特别是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定义了用户的时间轴，决定是否在其时间轴上显示或不显示其朋友的某些帖子。Facebook公司知道，如果某个用户的每位朋友都被展示出来，那么时间表就将变得很混乱，以至于它会让人感到厌烦。因此，时间轴算法可以了解用户与谁进行交互以及其通常忽略的对象。
对于Facebook而言，最重要的是，社交网络使用人工智能来帮助个性化为用户提供广告的方式，因此它具有一定程度的广告显示相关性。需要注意，Facebook允许用户评论广告与时间线的相关性;每个用户评论都有助于系统学习并变得更精细。由于他们使用人工智能微调显示系统的方式，Facebook和谷歌在整个网络广告市场的比例非常高。
此外，Facebook使用图像识别人工智能技术来识别照片中的人脸，因此它可以邀请用户为其添加标签。毫不奇怪，考虑到照片对Facebook的重要性，Facebook在面部识别技术上投入了大量资金。采用机器“读取”照片是当今人工智能时代最为显著的进步之一。返回搜狐，查看更多