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)人类比机器人和人工智能做得更好的7种工作
1．批判性思维
人工智能不具备的软技能之一是批判性思维。尽管人工智能技术已经发展到可以快速、精确地完成任务的程度，但它仍然无法运用批判性思维。人工智能通常被训练在日常工作中执行任务，但当遇到超出所学范围的意外事件时，它无法做出决定。例如，人类可以即兴发挥或遵循直觉，但人工智能不能。例如，护士或医生需要了解一些单独的信息，以确定医疗紧急情况下患者的最佳行动方案。
2．战略思考
另一个让人类比人工智能更具优势的能力是战略思维，这基本上就是制定战略的能力。与批判性思维类似，战略思维要求决策人员能够在分析信息的基础上做出决策，包括他们之间复杂的关系。例如，一个项目可以收集与特定产品的消费者偏好相关的大量数据，而另一个项目可以收集购买者的人口统计数据，但需要具有战略思维的人类综合这些数据，为这些产品制定营销计划。
3．创造力
近年来，人工智能已经足够先进，能够产生创造性的作品，如艺术、音乐，甚至文艺作品。然而，这些作品所缺少的是人类独特的感觉。人工智能只能在模仿输入的情况下产生创造性的作品，它是在没有理解和意识的情况下产生的。没有什么能比得上创造性的工作，它是原创的、创新的、可联系的，能够捕捉和表达人类的情感和人类的状况。这就是那些需要创造性的工作（如写作、音乐、视觉和表演艺术，甚至是工程和市场营销）不太可能被取代的原因。例如，像CustomEssayMeister这样的公司对熟练的作家有着更多的需求，这是因为人工智能很难成为一名经验丰富的作家。
4．移情和沟通技巧
人类的另一个优势是他们的移情能力和有效的沟通技巧。人类能够以机器不可能在短时间内实现的方式相互联系和理解。这就是需要出色沟通技巧和同理心，因此人工智能不太可能在这些方面实现自动化。例如，医疗、教育、社会工作和心理学领域的专业人员运用各种能力来了解如何与客户交谈、互动和回应客户。这种工作目前是不可替代的。
5．想象力
就像创造力一样，想象力目前是人类独有的能力。如上所述，人工智能只能执行通过输入学到的任务。同时，更先进的人工智能可以更好地执行更复杂的任务。但是人工智能现在不能做的是超越它所学的参数。相比之下，人类可以利用他们的想象力来创造新的可能性。考虑使用计算机程序进行格式再现的设计师。该程序加快并简化了渲染过程，但它不能像设计师那样做出更好的决定。这就是发明家、思想领袖、企业家、作家、艺术家和远见卓识者不可能很快被机器人或计算机所取代的原因。
6．心理技能
另一个让人类占据上风的能力是拥有独特的身体技能。这可能源于这样一个事实：人类非常欣赏人类所具有的特殊身体技能。例如一位技艺精湛的芭蕾舞演员优雅地在舞台上跳舞，或者一位明星运动员以创纪录的速度奔跑，这些技术令人赞赏。无论是钢琴演奏家的精湛技艺，还是举重运动员的力量，非凡的身体技能仍然是人类在未来获得工作的重要优势。
7．技术知识
技术知识是人类针对人工智能的优势。不管他们的能力如何，机器人和机器仍然依靠人类来设计和维护。除非这些技术获得了自我维持的能力，否则有能力从事这些技术工作的人的工作岗位仍然存在。
最后的想法
随着越来越多的工作被计算机、机器人和机器所取代，人类获得更好的工作岗位在未来势必变得越来越困难。然而，获得和发展这些软技能是人类保持领先地位的关键之一，无论是与人工智能或其他人类进行竞争。返回搜狐，查看更多