什么是认知计算？功能，范围和局限性

认知计算代表了计算的第三个时代。在第一个时代（19世纪），也被称为“计算机之父”的查尔斯·巴贝奇（Charles Babbage）提出了可编程计算机的概念。在导航计算中使用了他的计算机，以制表多项式函数。第二个时代（1950年）经历了诸如ENIAC之类的数字编程计算机，并开创了现代计算和可编程系统的时代。现在到认知计算，它可用于深度学习算法和大数据分析以提供见解。因此，认知系统的大脑就是神经网络，它是深度学习背后的基本概念。神经网络是模仿人类中枢神经系统的硬件和软件系统，用于估计依赖于大量未知输入的功能。

认知计算解决方案的特点是什么？

在认知功能计算的当前状态下，基本解决方案可以在助手或虚拟顾问中发挥出色的作用。 Siri，Google助手，Cortana和Alexa都是个人助手的好例子。诸如HealthTap的AI博士之类的虚拟顾问是一种认知解决方案。它依赖于各个患者的医疗档案和从105,000位医生那里获得的知识。它会整理症状的优先列表，并在需要时与医生联系。现在，专家们正在研究在企业系统中实现认知解决方案。一些用例是使用机器学习进行欺诈检测，预测分析解决方案，预测油气生产周期中的漏油情况等。

认知计算的目的是创建无需长期人工干预即可解决复杂问题的计算框架。为了在商业和广泛应用中实施认知功能计算，认知计算联盟为计算系统推荐了以下功能：

1.适应性

这是制作基于机器学习的认知系统的第一步。解决方案应模仿人脑学习和适应周围环境的能力。无法为单独的任务对系统进行编程。在数据收集，理解目标和要求方面，它必须是动态的。

2.互动

与大脑类似，认知解决方案必须与系统中的所有元素进行交互-处理器，设备，云服务和用户。认知系统应该双向交互。它应该了解人工输入并使用自然语言处理和深度学习。一些熟练智能聊天机器人，例如Mitsuku 已经实现了此功能。

3.迭代和有状态

系统应“记住”流程中的先前交互，并在该时间点返回适合于特定应用程序的信息。它应该能够通过提出问题或找到其他来源来定义问题。此功能需要仔细应用数据质量和验证方法，以确保始终为系统提供足够的信息，并确保其运行的数据源可提供可靠且最新的输入。

4.内容相关

他们必须理解，识别和提取上下文元素，例如含义，语法，时间，位置，适当的域，法规，用户的个人资料，过程，任务和目标。他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）。

认知计算的范围是什么？

尽管计算机在计算和处理方面比人类快几十年。但是他们悲惨地未能完成人类理所当然的任务，例如理解自然语言或识别图像中的独特对象。因此，认知技术使这类新型问题成为可计算的。他们可以应对以歧义为特征的复杂情况，并对我们的私人生活，医疗保健，业务等产生深远的影响。

根据IBM商业价值研究院的一项研究，“您的认知未来”，认知计算的范围包括参与，决策和发现。这3种能力与人们在日常生活中思考和展示其认知能力的方式有关。

1.敬业度

认知系统具有庞大的知识库结构化和非结构化数据。他们具有发展深远领域见解并提供专家协助的能力。这些系统构建的模型包括系统世界中各个实体之间的上下文关系，这些关系使系统能够形成假设和论点。这些可以调和模糊甚至自相矛盾的数据。因此，这些系统能够与人类进行深入对话。 chatbot技术是参与模型的一个很好的例子。许多AI聊天机器人都接受了领域知识的预培训，可以快速被采用不同的业务特定应用程序.

2.决定

它们比参与系统领先一步，具有决策能力。这些系统是使用强化学习建模。认知系统做出的决策会根据新的信息，结果和动作不断发展。自主决策取决于跟踪为什么做出特定决策并更改系统响应的置信度得分的能力。该模型的一个流行用例是IBM Watson在医疗保健中的使用。该系统可以核对和分析患者的数据，包括其病史和诊断。该解决方案基于其在复杂医学数据和自然语言的上下文中解释含义和分析查询的能力的建议，其中包括医生的便笺，病历，医学注释和临床反馈。随着解决方案的学习，它变得越来越准确。提供决策支持功能并减少文书工作，使临床医生可以将更多时间花在患者身上。

3.发现

发现是认知计算的最高级范围。发现涉及发现见解和理解大量信息并发展技能。这些模型基于深度学习和无监督机器学习。随着数据量的不断增长，显然需要一种系统，它可以比人类自己更有效地帮助利用信息。尽管仍处于早期阶段，但是已经发现了一些发现功能，并且对于未来应用程序的价值主张令人信服。路易斯安那州立大学（LSU）的认知信息管理（CIM）外壳是认知解决方案之一。该模型中的分布式智能代理收集诸如文本和视频之类的流数据，以创建提供实时监视和分析的交互式感应，检查和可视化系统。 CIM Shell不仅发送警报，而且还可以即时进行重新配置，以隔离关键事件并修复故障。

认知计算领域

当前的认知计算领域被较大的参与者（IBM，Microsoft和Google）主导。 IBM作为这项技术的先驱，已经在大数据和分析方面投资了260亿美元，现在将其R的三分之一用于&•开发认知计算技术的预算。许多其他公司和组织正在开发的产品和服务与沃森一样好，甚至还不如沃森。 IBM和Google已经收购了一些竞争对手，并且市场正在走向整合。让我们来看看这个市场的主要参与者–

1. IBM Watson

Watson最初是一台IBM超级计算机，它结合了人工智能（AI）和复杂的分析软件以实现最佳性能，是“ Jeopardy”节目中著名的“问答”机器。现在，它使用了一系列转换技术，例如自然语言处理，图像识别，文本分析和虚拟代理。 IBM Watson利用了深入的内容分析和基于证据的推理。结合大量的概率处理技术，Watson可以改善决策制定，降低成本并优化结果。

2. Microsoft认知服务

Microsoft认知服务（以前称为牛津项目）是一组API，SDK和认知服务，开发人员可以使用它们来使应用程序更加智能。借助Cognitive Services，开发人员可以在其应用程序中轻松添加智能功能，例如情绪和情感检测，视觉和语音识别，知识，搜索和语言理解。实际上，我们的聊天机器人的第一个版本“ Specter”（右下角）是使用Microsoft Bot Framework构建的，旨在提高我们的营销团队的效率。然后，我们随后使用自己的聊天机器人开发平台“WotNot‘。

3. Google DeepMind

DeepMind于2014年被Google收购，并被认为是AI研究的领先者。该团队由深度神经网络，强化学习和系统神经科学启发模型领域的许多知名专家组成。 DeepMind受到AlphaGo的欢迎，AlphaGo是一款狭窄的AI，可以玩Go，这是一款中国战略棋盘游戏，有两名玩家。 2015年10月，AlphaGo成为第一个在全尺寸董事会上击败职业人类玩家的AI程序。

4.认知量表

由IBM Watson团队的前成员创建的CognitiveScale，为企业提供认知云软件。 Cognitive Scale的增强智能平台提供“见解即服务”，并加速在医疗保健，零售，旅行和金融服务中创建认知应用程序。它们可帮助企业从“黑暗数据”（凌乱，分散，第一方和第三方数据）中获得意义，并推动可行的见解和持续学习。

5. SparkCognition

SparkCognition是一家成立于2014年的基于奥斯汀的初创公司。SparkCognition开发基于AI的网络物理软件，以实现IT，OT和IIoT的安全性，安全性和可靠性。该技术更倾向于制造。它能够利用实时传感器数据并不断从中学习，从而能够制定更准确的风险缓解和预防策略来干预和避免灾难。

沃森（Watson）和DeepMind的成功启发了其他公司使用开源工具开发认知平台。高通（Qualcomm）和英特尔（Intel）等其他领先的技术公司正在采取谨慎的步骤，以包括针对专业行业。 Uber建立了一个致力于AI和机器学习的研究机构，并收购了Geometric Intelligence和Otto。奥托（Otto）是一家自动驾驶卡车和运输初创公司，而几何智能（Geometric Intelligence）专注于使用机器学习从更少的数据中产生见解。 Gamalon使用贝叶斯程序综合开发了一种AI技术。它只需要几个步骤就可以训练系统达到与神经网络相同水平的准确性。

医疗保健是采用认知解决方案的最受欢迎的部门。诸如卢米亚塔和 Enlitic 我们已经开发了功能强大的小型分析解决方案，可帮助医疗保健提供者诊断和预测疾病状况。该市场中的其他公司还有思科认知威胁分析，CustomerMatrix，数字推理和叙事科学。

认知计算的局限性

风险分析有限

认知系统无法分析非结构化数据中缺少的风险。这包括社会经济因素，文化，政治环境和人民。例如，预测模型发现了石油勘探的地点。但是，如果该国正在改变政府，则认知模型应考虑这一因素。因此，人工干预对于完整的风险分析和最终决策是必要的。

精心训练的过程

最初，认知系统需要训练数据以完全理解过程并进行改进。训练认知系统的繁琐过程很可能是其缓慢采用的原因。 WellPoint的财务管理部门与IBM Watson面临着类似的情况。培训Watson以供保险人使用的过程包括与IBM工程师一起审查每项医疗政策的文本。护理人员会保持喂养病例，直到系统完全了解特定的医疗状况为止。而且，使用认知系统的复杂且昂贵的过程使情况变得更糟。