定义

认知计算指的是机器通过与人的自然语言交流及不断学习从而帮助人们做到更多的系统，通过技术与多个学术领域的结合，使人们更好地从海量复杂的数据中获得更多洞察，从而做出更为精准的决策。

如果用人话说的话，认知计算就是一个能够自主学习、独立思考，并且为人们提供类似“智库”能力的一个系统，他在不同领域模仿、学习人类的认知能力，甚至可能发展到超越人类的认知能力，从而为人类决策提供更多建议。诸如人工智能（AI）、云计算、大数据、机器学习等领域都与认知计算密不可分，即使是基因测序、无人驾驶、AR/VR等，细说起来都与认知计算有着千丝万缕的关系。

vs人工智能

与认知计算相比，人工智能更为人们所熟知，事实上，两者就像是两个部分重叠的圆圈，彼此联系又有所差异。

认知计算 - 图1

总结来说，人工智能的终极目的是让计算机、机器系统表现的更像人、近似于人，而认知计算，虽然借鉴了人工智能的技术，却希望机器能提供更加专业化的思考，为人类的决策出谋划策。

小结

认知计算是大数据时代的产物，这个说法应该是站得住的。由于互联网、移动互联网、移动智能设备的不断繁荣，数据的爆发之势势不可当；不仅如此，数据的类型也发生了巨大的变化，由原来机器可以理解的数据，变成了包含语音、图像、视频、以及其他各类纷繁复杂的内容，甚至包括情绪和体征，因此，原有的计算技术已经无法解读这部分的数据，这部分的数据被称为“暗数据”，也被称为非结构化数据，而且这部分数据占据了80%之多的份额。

所以，这些数据的解读，需要一种全新的技术，能够像人的大脑一样，来分析这些之前“机器的大脑”无法理解，只有人的大脑能够理解的数据。由此产生的计算技术，就是认知计算了。

发展历程

随着计算机计算能力的大幅增强，具备了处理海量数据的能力；另一方面，日常生活中所产生的数据规模日益扩大，所拥有的数据源驱动了深层次分析的需求；同时大数据、云计算技术的不断完善，都促进了对数据进行深度挖掘，提取数据的特征，利用特征让机器具有自主学习与思考的能力。

按照计算方式的不同，可以分为三个计算时代：

  • 1990s~1940s 打卡阶段（The Tabulating Era） 机械式
  • 1950s~现在 编程阶段（The Programming Era） 自主输入
  • 2011~将来 认知计算阶段（The Cognitive Era） 自动思考
    “大脑”项目：Think & Learn
  • 2006 IBM Watson 利用自然语言分析，让机器自动推理事件与回答问题；涵盖医疗、数据分析、“危险游戏”等。
  • 2011 Google 谷歌大脑 通过神经网络，能够让更多的用户拥有完美的、没有错误的使用体验；谷歌无人驾驶汽车、谷歌眼镜等。
  • 2012 Baidu 百度大脑 融合深度学习算法、数据建模、大规模GPU并行化平台等技术，构造起深度神经网络。

现状

搜认知计算，大量出现的是IBM的沃森系统。

以IBM“沃森”计算机为代表的认知计算系统，通过对大数据进行实时运算和分析，能够实现自主学习，并拥有类似人脑的能力，为人类应对大数据挑战开启了新的方向。这也就让“沃森”能够在“危险边缘”这样的智力竞赛中脱颖而出。不过IBM的科学家认为，与参与智力竞赛比，未来的认知计算系统应该具备自动推理并提出新的、假定的答案的能力，这才是真正的类似人类的“解决问题”的能力。

认知计算所具有的四大特性――辅助（Assistance）、理解（Understanding）、决策（Decision）、发现（Discovery），将是人类面对大数据时代的挑战、做出智慧决策的保障。百科全书式的信息辅助和支撑，让人类利用广泛而深入的信息，轻松成为各个领域的“资深专家”；非凡的观察和理解能力，帮助人类在纷繁信息中发现其内在的关联和涌现的趋势；快速决策能力，帮助人类定量地分析影响决策的方方面面，降低失误，保障决策的精准性；发现及洞察能力，将实现从“演绎”到“归纳”的突破，真正让机器具备类似人脑的“认知”能力，帮助人类发现当今计算技术无法发现的新洞察、新机遇及新价值。

应用

目前，IBM是认知计算领域的领头羊。IBM重点在医疗、金融和客户服务三个领域推行认知计算。

在医疗行业，认知计算提供个性化服务，协助医生搜索和分析，担任医生的咨询助手；

在金融行业，它可以解读财务、法规、经济和社会数据等信息，提高商业洞察力；

至于客户服务方面，它通过分析客户行为，提供更好的体验与互动。

最近，Watson与医疗科技公司Medtronic合作，开发出一款应用产品，能够持续监测用户消耗的卡路里、血糖含量以及精确到以克计算摄食量。例如在餐厅中，糖尿病患者可在进餐前计算他拟点的菜肴会对这一天的摄入有什么影响，便能在3小时前预测到病发机会。

发展趋势

不考虑硬件发展层面，总体上来说，认知计算是人工智能领域的一个纵向学科。包含至少以下技术元素。

  • 自然语言处理
  • 问答技术
  • 高性能计算
  • 知识的表达和推理
  • 机器学习
  • 非结构化信息管理

因此必然会伴随学科的发展而发展。