認知計算開啟機器解放腦力新紀元

序

寫這篇文章的初衷，是想寫寫人工智慧。但提到人工智慧又不得不提到認知計算。其實最近有很多專家都在討論認知計算與人工智慧的區別是什麼？

我原來以為認知計算與人工智慧沒有區別，但後來找到認知計算與人工智慧的區別后，對於IBM公司戰略的轉型豁然開朗，或許IBM根據認知計算的轉型會是一次根本的變革。

此文開始部分內容是人工智慧（開始構思的人工智慧的內容，已經寫好了的），而後邊內容則是在發現認知計算與人工智慧的區別後，對認知計算的闡述。可能內容會有些跳躍。

本文主要闡述了認知計算與人工智慧的區別。

什麼是人工智慧

3月中旬，阿爾法狗與李世石的世界圍棋人機大戰中，著實讓人工智慧大大的火了一把。當時特別想寫一篇文章，可是當時出差非常忙碌，一直沒有機會寫，今天補上。

阿爾法狗戰勝人類的人工智慧的主要工作原理是深度學習，也就是通過模仿人類大腦神經網路，讓機器模擬人腦的機制進行記憶、學習、分析、思維、創造…

最近幾年在機器與人的智力比賽中，這不是第一次機器戰勝人類，在2011年的2月17日的全美最受歡迎的智力競賽節目《危險邊緣》中，IBM的超級電腦Watson擊敗了該節目歷史上兩位最成功的選手。

Watson與阿爾法狗戰勝人類的方式都非常類似：基於數據的人工智慧，通過機器學習，藉助大量的數據，對機器進行從不確定到確定，從低準確率到高準確率的訓練。這有別於傳統的人工智慧的，傳統人工智慧被稱之為IntelligentBehavior，主要是為了讓機器表現地更像人；比如深藍在1997年戰勝國際象棋大師卡斯帕羅夫的演算法是通過程序模仿人下棋的思考方式，它能夠戰勝人類的主要原因是可以搜索估計隨後的12步棋，而人類最好的棋手只能估算隨後的10步棋。

而深度學習智能方法是：通過大量數據輸入，根據輸入數據的關聯關係，逐步建立起知識體系架構，通過建立起來的知識體系去分析，模仿人腦去思考，創新；後續根據模仿人腦的思考，實踐結果，不斷完善建立起來的知識架構體系，讓判斷越來越精確。

什麼是認知計算？與人工智慧的區別是什麼？

認知計算是IBM提出來的，主要通過Watson與人的自然語言交流不斷學習，在從硬體架構到演算法策略，從程序設計到行業專長等多個學術領域結合，能夠使人們更好的從海量複雜的數據中獲得更多的洞察，從而做出更精準的決策。是可以規模化學習，根據目標推理以及人類自然互動的能力的系統。

認知計算的關鍵的在於：通過人的自然語言交流學習；複雜的大數據的洞察；增強人類智慧。

從這個意義上講，人工智慧更多的是技術體系研究，而認知計算更偏向於最終的應用形態：比如Watson與阿爾法狗的技術體系，可以具備學習、分析、思維的能力，這是人工智慧；但Watson學習了人類的知識，建立了知識體系，並利用的知識體系以及大量的數據，最後在危險邊緣的遊戲中取得勝利，Watson的技術體系加上通過學習建立起來的知識體系以及大量的數據一起可以稱為認知計算。

類似的學習了大量圍棋棋譜的阿爾法狗是認知計算，而沒有學習棋譜的阿爾法狗只能是人工智慧。

未來人工智慧的廣泛應用一定是藉助通過大量學習建立起知識體系的認知計算來完成的。

認知計算在商業智能上還很超前

IBM將商業智能分為三個階段：Descriptive，Predictive和Cognitive。

早期的商業智能(BI)主要是Descriptive，也就是藉助BI工具，對已經產生的大量數據處理，，通過數據分析找到數據之間的關聯性，並對已經發生事實作出結論或找到原因（比如提供報表，比如通過BI工具找到業績突然增長的原因）。IBM在商業智能上的主要工具是Cognos。

第二個階段的商業智能是Predictive，主要藉助一些數理分析工具，通過對歷史數據的分析，預測未來可能發生的事情（比如通過統計學方法，可以預測某款產品的銷量），並根據對未來的預測，做出一些商業決定（比如根據預測的銷售量，分佈庫存）。IBM在這個階段的主要工具包括SPSS，iLog等等產品。

第三個階段的商業智能是Cognitive（認知計算），也就是可以從歷史發生的事件中學習知識，建立知識體系，並利用這個知識體系來對未來的事情做出決策。（比如當企業推出一款新產品的時候，企業對新產品的庫存的全局優化，每次都用SPSS不同的統計方法做預測並制訂策略，後來發現新產品庫存總是參照一款老產品的庫存策略，總能達到庫存最低，客戶滿意度最高，於是每次都是建議產品庫存優化用這種方法）。IBM這個階段的主要工具是Watson Analytics。

大部分企業利用大數據做商業智能還處於起步階段，Descriptive階段的企業最多。少數先進企業處於Predictive階段。而大部分企業對Cognitive階段還不能理解。所以Congitive（認知計算）對企業還是有些超前。

當然未來的商業環境下，Descriptive，Predictive, Cognitive三種商業智能的形式都存在，而Cognitive（認知計算）是集大成者，通過不斷學習，把最適合的Descriptive，Predictive的最佳實踐融合，建立完善的知識體系，將早期具有使用Descriptive,Predictive有豐富經驗的人的經驗融入Watson Analytics知識體系，將來當一個不懂商業智能的人使用Cognitive時，可以根據Watson Analytics已經建立起來的知識體系，藉助現有的成功經驗，很容易的實現商業智能。

認知計算必須部署在雲端

前面講述了認知計算是偏向於應用的最終形態，也就是說認知計算要具備：人工智慧的技術，以及利用人工智慧通過大量的訓練而建立起來的知識架構。而人類經過幾千年的發展，在不同學術領域、不同應用領域有豐富的知識框架體系，這麼紛繁複雜的知識框架，不是一個系統可以短時間建立起來的；需要不同領域的專業人士不斷的將專業知識輸入到Watson中，讓Watson不斷學習，逐漸成為各個領域的專家。

無論是從學習成本角度，還是從知識共享角度，認知計算都應該部署在雲端，通過服務的形式為企業、個人服務。

在早期知識體系未完善的時期，Watson更多的是為專業人士提供商業認知服務，並在各個領域建立知識體系框架。當完成了知識體系框架之後，Watson將來會為更多的非專業人士提供專業知識服務（認知服務相當於專業諮詢），以及具有專業知識的商業認知服務。

認知計算需要借鑒互聯網商業模式

既然認知計算必須部署在雲端，以雲計算的形式提供服務。而雲計算通過互聯網提供服務，因而雲計算必須借鑒互聯網的商業模式。

需要借鑒互聯網的免費模式

首先互聯網的邊際成本非常低，就可以使互聯網企業的用戶群規模無限擴大，而這麼大量的用戶群就是非常有價值的，所以互聯網行業可以攜用戶以令諸侯，從而實現羊毛出在狗身上，豬來買單的商業模式。

而提供認知服務的IBM無疑必須向互聯網轉型，也會針對終端用戶提供免費的認知服務。

互聯網企業組織邊界模糊化

互聯網已經顛覆了傳統的媒體行業和零售行業，正在顛覆著公共交通行業。這三個行業的新的業態有一個最重要的特點是組織邊界模糊化，比如微信平台與公眾賬號運營者之間的生態，淘寶平台與商戶之間，淘寶平台與開發者之間的協同，Uber與司機之間的協同，這些行業的組織邊界越來越模糊。

而未來對於認知計算的用戶邊界也會越來越模糊，比如一個企業的計劃員需要藉助於認知計算來做計劃，這個用戶是企業用戶？還是個人用戶？未來越來越難界定！

所以傳統上一直做企業服務的IBM在推出了Watson Analytics認知平台之後，開始向終端用戶提供服務。這是IBM戰略上的重大轉變，而IBM的這種變革，預示著未來企業被互聯網衝擊，將形成組織架構的根本變革，甚至會顛覆傳統的企業管理理論。

在關注IBM認知計算的同時，IBM適應未來企業組織架構變革的戰略轉變也值得關注。

我對認知計算在商業領域的未來充滿期待，或許是互聯網衝擊傳統企業經營模式的前奏。工業革命的歷史主要是機器解放體力，而未來工業革命將是機器解放腦力；比如我在工業4.0的課程中經常講到的工業4.0實際上是設計、決策的工業化；而設計、決策主要是人腦的創造性勞動，也就是工業4.0是機器解放人腦的革命；所以我推斷認知計算將開啟機器解放腦力的歷史。