IBM商业价值报告套装：认知计算与人工智能+物联网++大数据、云计算价值转化+社交化业务(全四册)(txt+pdf+epub+mobi电子书下载)

作者：IBM商业价值研究院

出版社：人民东方出版传媒有限公司

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

IBM商业价值报告套装：认知计算与人工智能+物联网++大数据、云计算价值转化+社交化业务(全四册)试读：

人工智能这个学科从20世纪50年代提出来，走到今天，中间有很多起起伏伏，其中在70年代和80年代两次陷入低谷。但是一些有责任感的企业和研究机构一直孜孜不倦地在这个方向上钻研，IBM 就是其中之一。IBM 从一开始就参与了人工智能学科的建立，并确立了本领域先驱的角色。此后60年，无论人工智能处于高峰还是低谷，IBM 始终在这个领域耕耘不辍，有着别人难以企及的深厚积累。也正是在这个积累的过程中，IBM 于1997年研制出“深蓝”，取得国际象棋人机大战的胜利，又在2011年推出 Watson 计算机，在Jeopardy！电视知识竞赛的大赛中战胜了人类，这都是在人工智能领域彪炳史册的事件。

IBM Watson是IBM研发的认知计算系统。与科幻电影里对人工智能的想象不同，认知计算并不是以制造出以假乱真的机器人为目标，而是让计算机具备人脑的认知能力，特别是理解、推理和学习的能力，使它与计算机本身就具备的高性能、大规模、精确计算的特长结合起来，帮助人类解决现实生活中的问题。

IBM把认知计算作为人工智能的研发应用重点，原因有三。

第一是认知计算的技术条件逐渐成熟。诸如深度学习等需要巨大计算资源支撑的技术，以前由于条件限制，无法充分施展。现在随着基础设施的完善，已经初步展现威力。前不久，IBM 宣布类脑计算机，其处理能力相当于40亿个神经突触，而能耗仅为2.5瓦，效率提高一万倍，这表明认知计算的基础平台还将有飞跃式的提升，认知计算发展前景极为广阔。

第二是大数据条件的完善。如果说认知计算机是引擎，那么大数据就是燃料。在物联网和互联网迅速发展的今天，人类获取和存储的数据呈几何级数爆发增长。认知计算能够从大数据中发掘、认识和理解社会发展变化的规律，从而成为人类征服大数据海啸的最有利工具。

第三是认知计算的实际应用价值。IBM认为，人工智能不仅要用来制造逼真的机器人和赢得智力竞赛，更需要帮人们解决现实问题。IBM运用Watson 计算机与医疗、金融、法律、零售、环保等多个领域进行了深度的合作，取得了很多激动人心的成果。

因此，我们坚信，认知计算即将给 IT 产业以及各行各业的转型创新注入新的动力。机遇窗口已经向我们打开。

本书以人工智能为背景，全面细致地介绍了认知计算的概念，进而结合九个行业的实践成果，深入介绍了认知计算的实际应用，对各行业的思想者、经营者和技术领导者都非常有启发性。我愿推荐此书，并希望能够促进IBM与天下有识之士携手，在认知计算的时代大显身手，大有作为。序二Peter J. Korsten思想领导力和影响力全球负责人IBM全球企业咨询服务部副总裁及合伙人

未来是认知的世界……它远比你预想的来得快。

当前，认知计算正在重新定义业务能力、商业模式和经济形态。届时，它还将创新运营、再造组织并重构产业。

认知是一种新型的计算能力，它打破了传统分析的诸多限制，比如预定义的参数，预先建立的数据关联，先入为主的、可能错误的假设。认知计算具备实时学习的能力，它能够读取结构化和非结构化的数据，甚至阅读自然语言的成语，从而最大程度地改变以往流于表面的分析方法，得出更加深入的洞察。

IBM Watson是IBM在认知计算领域积极探索的成果。Watson能够运作海量数据，实时回答诸多问题，它不只是给出答案，同时还给出精准的数据支持。当Watson与人类的经验互为补充时，它可以从多种信息源抽取信息，瞬间绘制出完整的情境，而人类完成同样的工作可能需要花费一生之久。Watson 能够补充和提高个人决策，提醒人们注意预料之外的种种联系，并对导向正确决策的各种可能性进行量化。

本书收录了IBM商业价值研究院在认知计算领域的最新研究成果。在两份《您的认知计算未来》主报告之后，是针对九个特定行业的分支报告，它们分别是银行业、保险业、零售业、消费品行业、政府、通信业、生命科学、医疗保健和石油天然气行业——这些分支报告深入探索了认知计算将带给各行业怎样的启示和机遇。

这套认知系列的研究报告精彩呈现了认知计算能够且正在以何种方式改变你所在的企业、你所处的行业，并最终改变整个世界。在阅读本书时，你将发现这些报告信息丰富、力求实用。在阅读之外，作者也期待与你的进一步互动。第1章认知计算和我们的未来——人类和机器如何锻造认知新时代Dr. John E. Kelly III

1955年，当“人工智能”这个词首次被提出来时，不出所料地点燃了公众的想象力。在接下来的60年里，我们曾被它的前景所吸引，曾担心它的潜力被滥用，也曾为它的发展缓慢而沮丧。

然而，正如所有孕育得过早、超越了时代的先进科技一样，人工智能遭到了广泛的误解——被好莱坞电影错误地诠释、被媒体曲解为各种各样的角色——从人类的拯救者到毁灭者，无所不有。但那些研究严肃的信息科学及其在现实商业社会中应用的人，才真正理解智能系统的巨大潜能。而认知计算这种技术（我们相信它将是“认知的”而非“人工的”）的未来与被称为 “人工智能”的技术所具备的性质截然不同，它将带来各种各样的技术、科学和社会的挑战与机遇，并对监管、政策和管理提出新的需求。

认知计算是指一种能够规模化学习、有目的推理，并与人类自然交互的系统。它们不需要事先精确地编程，而是从它们与我们之间的交互和与环境之间的互动中学习和推理。在过去半个世纪中，多个科学领域的进步使认知计算成为可能，它们与信息系统有着重要的区别。

那些信息系统是决定论的，而认知系统是概率论的。认知系统不仅能回答大量的问题，还能对更加复杂（且有意义）的数据提出假说、推理论述和建议。

此外，认知系统还能理解计算机科学家称为“非结构化”的数据，而这些数据占到了全世界数据的80%。这使得它们能够与现代世界巨量、复杂和不可预测的信息保持同步。

这些与机器的感觉能力和自主性没有任何关系。相反，它能够增强人类的能力，让我们可以理解和运作社会中复杂的系统。这种增强智能对提升我们驾驭科技的能力是十分必要的一步，让我们能追求更多知识、深化自身的专长和改善人类的境况。这就是为什么它不仅是一种新科技，更是科技、商业和社会的新纪元——认知时代——的黎明。

认知计算的成功并不以图灵测试或模拟人类的能力作为判断标准。它的成功标准更加实际，例如投资回报率、新的市场机会、治疗疾病和拯救生命。

在IBM，为建立认知计算的基础，我们已经工作了数十年，将前沿计算机科学领域的十几个学科与100多年的商业专长结合起来。现在，我们正在亲眼目睹它在改变商业、政府和社会方面的巨大潜力。

我们已经看到，它将大数据从障碍变成机会，帮助儿科医生做出早期诊断，为建设智慧城市提供创新解决方案。我们相信，这些技术展现了最好的（或许也是唯一的）机会，去处理地球所面临的一些最顽固的系统性问题，例如癌症、气候变化和复杂多变的全球经济形势。1 计算的历史与认知的崛起

为了理解认知计算的未来，必须把它放到历史的语境中。到今天为止，我们经历过两个不同的计算时代——制表时代和编程时代。IBM在这两个时代中都扮演了中心角色。我们相信在计算演化史中，认知计算是第三个，也是最具有转折意义的时代。图1.1 计算的历史与认知的崛起制表时代（1900—1940年代）

计算机起源于一种单一计数用途的机械系统，这种系统用打孔卡来输入和存储数据，最终决定这个机器要做的事情 （虽然是以一种非常原始的方式）。这些制表机本质上是一种计算器，支持了商业和社会规模的扩大，帮助我们组织、理解以及管理从人口增长到全球经济进步等各种事情。编程时代（1950—现在）

在二战的时候，随着军事和科学的需要，从机械制表机到电子系统的演变开始了。在战争之后，数码“计算机”经历了快速演进，逐渐进入商业和政府。它们可以根据软件中的程序来进行“如果/就”的操作以及循环。从最开始的电子管到晶体管，再到微处理器，计算机的性能得到了迅速提升，这一发展过程验证了“摩尔定律”，在60年间，处理器的容量和速度每18个月就提升一倍。所有我们知道的计算设备，从大型主机到个人电脑，再到智能手机和平板电脑，都是可编程的计算机。认知时代（2011— ）

早在1960年，J.C.R. Licklider就在他的论文《人机共生》中提出了超越可编程系统的潜在可能性。现代计算的很大部分都是基于Licklider的研究以及他的深刻见解：“人机共生是在人类与电子计算机之间发生的共生关系，是人机关系间可以预见的发展。这种关系包含人类与电子伙伴强耦合关系。主要目的是：1．像为解决规划难题提供便利一样，也让计算机为规划思维提供便利。2．在不依赖于不灵活的预定义程序的情况下，让人与计算机能够协作决策，控制复杂情况。初步分析表明，与人类单独进行智能操作相比，人机共同操1作的效果更显著。”——J.C.R. Licklider, 《人机共生》,1960年3月

Licklider知道，认知计算将是程序化计算必要的自然演化，虽然他并不知道这个目标如何实现。50年后，大规模并行计算以及浩如烟海的结构化与非结构化数据的积累，为认知计算奠定了基础。2 世界首个认知系统

在2011年2月，Watson项目首次公开，这个由IBM开发的认知计算系统在 Jeopardy！节目中战胜了肯·詹宁斯和布拉德· 鲁特尔。这是首次面向公众展示认知计算，标志着所谓人工智能寒冬的终结。可编程系统在之前60年的演化中并未能够理解混乱的非结构化数据，因此也参加不了 Jeopardy！节目。Watson能够回答微妙、复杂、语义双关问题，显然，计算新纪元即将开启。

参加节目之后，Watson继续处理了更多的复杂数据集，在解密之外，它发展出了理解、推理以及学习的能力。认知计算的目标就是照亮以往在我们世界中不可见的部分——具体来说就是潜藏在非结构化数据中的模式和洞察——使得我们能够对更重要的事情做出更明智的决策。当机器的数据分析、统计推断能力与人类的特殊能力——比如自我引导的目标、常识和伦理价值观——结合起来时，认知时代的真正潜力就会实现。

这是Watson被赋予的使命，也是它正在尝试做的事情。银行正在分析客户要求和金融数据，帮助自己更好地做出投资决策。高度监管产业中的企业不断在系统中查询，确保自己能够跟上经常变化的监管和合规标准。 肿瘤学家在测试认知系统能否帮助他们利用专家经验和研究手段，理解癌症患者的医疗信息，找到个体化、循证的治疗方案。

这样的经历对于牵涉其中的专业人士来说意味着什么？世界知名的肿瘤学家，纪念斯隆-凯特琳癌症中心（该中心正与Watson合作帮助内科医生对患者进行个性化癌症治疗）的Larry Norton博士说：“计算机科学发展迅猛，医疗事业也会受其影响。这被称为协同进化 （coevolution）。我们要互帮互助。我预想这样的场景：病人、电2脑、我的护士、我的研究生同事还有我自己都在诊室一起交流。”

在Watson的象棋博弈前辈Deep Blue于1997年击败世界象棋冠军Garry Kasparov之后，我们首次看到这种共生的迹象。在那次演示之后， Kasparov继续参加这种新“自由式”的象棋联赛，在其中，选手们可以自由地使用任何他们喜欢的计算机程序。在这些联赛中，一些选手孤身奋战。一些完全依赖于计算机程序。但那些将计算机与他3们自身的直觉和比赛天赋相结合的选手是最成功的。“机器与人相配合的团队甚至比最强大的计算机更具优势。人类策略上的指导与计算机战术上的敏锐结合起来是所向披靡的。我们（人类）可以集中精力于策略规划而不是把那么多时间花费4在计算上。在这些情况下，人类的创造力是最重要的。”——加里·卡斯帕罗夫3 前行的技术之路与何以可能的科学

当Licklider帮助认知计算形成一种哲学方法时，他几乎无法表达出前行的技术进路。随着计算机实验室之外的世界不断发展，认知计算的道路仍在被定义，且不断调整。尤其是，我们真切地意识到数据正怎样塑造着我们的未来。Gartner预计，在未来五年世界的信息将增长800%，而且80%的数据是非结构化的。其中包括人类语言记载下的每一件事（从教科书到诗歌），图片捕捉到的每一个瞬间（CAT扫描到家庭照片）以及声音记录下来的每条信息。它是隐藏在香气、味道、文本和振动中的数据。数据来自我们的活动，来自这个布满仪器的星球。

在信息、知识和服务产生价值的全球经济和社会中，数据代表着这个世界上最丰富、最具价值、最复杂的原材料。直到现在，我们还没有方法对它进行有效开采。

可编程系统基于这样的规则：通过一系列预先设定的进程，从数据中得出结论。尽管它们强大而复杂，也是决定论的——其繁荣建立在结构化数据之上，但是无法处理定性的或不可预见的输入。而当今这个复杂而突变的世界中充斥着模糊和不确定性，死板的可编程系统难以应对这些特征。

认知系统是基于概率的，意味着它们被设计成去适应和理解非结构化语言的复杂性和不可预测性。它们可以“读”文本、“看”图像、“听”自然语音。它们解读那些信息，整理信息并提供对其意思的解释，同时伴有推论和推理过程。它们不提供最终的答案。事实上，它们并不“知道”答案。相反，它们被设计成从多个来源中去衡量信息和想法，去推理，然后提供假说以供参考。一个认知系统可以对每个可能的洞见或答案给出一个自信水平。

Watson在 Jeopardy！中犯的一个错误就是例证。在第一天的比赛将结束时， Jeopardy终局的类目是“美国城市”。线索是“它最大的机场是以某二战英雄命名的；它的第二大机场是以某二战战役为名的”。答案是芝加哥（两个机场分别是O' Hare 和 Midway）。Watson猜测，“它是多伦多？? ? ? ? ”Watson困惑于这个问题有很多原因，包括这句话的语法结构，在伊利诺伊州有一个城市叫Toronto，而 Toronto Blue Jays在美国棒球联盟中打棒球。

结果，Watson自信水平出奇的低：14%。如果这是Jeopardy！常规线索，参赛选手必须响铃示意，但作为Jeopardy终局阶段的线索，Watson可能因为答案自信水平太低而没有响铃。Watson知道哪些事情是它不知道的，图1.2中 的五个问号暗示了这一点。图1.2 Watson在Jeopardy！中犯的错误

然而，认知系统能够从错误中学习。通过大规模机器学习，认知系统能从训练和运用中不断得以改善。

消化语料库知识，根据任何给定主题接受专家训练，认知系统可以通过一系列Q&A的方式得以训练。人与系统互动，就系统反馈的正确性做出反馈将会提升机器的“知识”。

当Watson参加Jeopardy！时，它完成了一件事——以五种技术为基础的自然语言Q&A（提问和回答）。今天，Q&A只是Watson以应用程序界面方式提供的众多功能之一。从那以后，我们已经研发出多达二十多个新的应用程序界面，采用了五十多种不同的认知技术。这也是认知计算的技术方法和当前人工智能的关键区别。认知计算并不是单一的计算机科学，它结合许多学科知识，从硬件架构、算法策略、工业流程设计到行业专长。

我们每天使用的许多产品和服务——从搜索引擎广告应用，社交媒体网站面部识别到“智能”汽车、电话和电网——正在见证人工智能的方方面面。

绝大多数人工智能产品和服务都是为了实现某种功能，侧重于应用，专为某种特定服务而设。它们使用了一些认知计算的核心功能：有的使用了文本挖掘技术，有的通过机器学习进行图像识别。所有的产品和服务都局限于最初打造它们的构想。

相比之下，认知系统具备五个核心功能：①加深人与系统的互动

人们与系统的互动更加充分，这种互动是以每个人偏好的模式、形式以及质量为基础的。认知系统充分利用搜集到的数据创造出有关个体的精细画面——比如，地理位置数据、网页互动、交易历史、钟爱节目的模式、可穿戴设备数据和电子医疗记录——并为这幅图景添加一些很难察觉的细节：语气、情绪、情感状态、环境条件以及人际关系的强弱和本质。它们从所有结构和非结构数据中进行推理，找出什么才是人际交流中重要的东西。通过不断学习，这些接触交流将传递出越来越大的价值，也会变得更加自然、有预见性，情感也会拿捏适中。②拓展并提升专业技能

各种工业知识和专业知识正在以任何专家都难以追赶的速度迅速膨胀——期刊、新协议、新立法、新实践和崭新的领域。医疗保健行业有一个明显的例子，在 1950年，人们预测全世界医学知识翻一番需要50年时间；到了1980年，时间缩短为7年；2015年，不超过3年。与此同时，个人一生能产生100万 GB的健康数据，相当于3亿本书。

为了帮助组织机构跟上步伐，人们设计了认知系统，它能作为专家的伙伴提高他们的业绩。由于这些系统掌握了专业术语——医学、销售和烹调等术语——它们能够理解和传授复杂的专业技能。这大大缩短了从业者转变为业内专家所需的时间。另外，由于这些系统是由领先的从业人员训练的——不论是顾客服务，肿瘤诊断，还是判例法等任何行业——系统能让很多人获取这些领先人士的秘诀。③将产品和服务与认知融合

认知技术让感受、推断和了解用户和周围世界的新一类产品和服务成为可能。持续改善和适应，增强功能以推出未曾想到的新用法，也因此成为可能。在汽车、医疗设备、器具和玩具行业，这些正在发生。物联网正在急剧拓展全球的数字产品和服务——哪里有代码和数据，哪里就有认知技术的用武之地。④使认知流程和运营成为可能

认知还能转变公司的运营方式。融合认知能力的商业运营，能将内外资源中的数据表象化为财富。它让公司重视工作流程、上下文和环境，这有利于持续性学习、改善预测、提高运营效率，并按当今的数据生成速度做出决策。这对当今世界而言是个大好消息，想想看，一个市值平均10亿美元的公司每周要花1000个小时来管理供应商。⑤提升探索并加速发现

最终，认知商业将具备的最强大的工具堪比“车前灯”，它可以照亮日益复杂、变化多端的未来之路。随着各行各业的领军人物争相在药物研发、复杂经济模型、材料科学、初创公司等方面加大筹码，这样的“车前灯”变得越来越重要。把认知技术运用到大数据上，领军人物就能找到模型、机会和可执行的假设，而仅仅通过传统研究或可编程系统，几乎不可能发现这些。

假如能像设想的那样实现认知计算，那么，底层平台必须足够宽广、足够灵活，以便在各行各业得到运用，它还必须支持跨行业运用。为此，研发工作必须从全局出发，旨在打造一个强健的平台，其中许多功能都可以支持来自开发者生态圈各种各样的应用。

这个平台必须涵盖机器学习、推理、自然语言处理、语音和图像识别、人机交互、对话和叙述生成等等。许多功能要求运用高性能计算、专业化的硬件架构，甚至是新的计算范例这样的专业基础设施。以上每种技术都源于各自的科技或学术领域，但是，这些技术必须和支持认知解决方案的硬件、软件、云平台及应用协同发展方能奏效。

随着Watson的迅速演化，未来可能已初见端倪。举个例子，一种分析X光、MRIs和超声波图像的认知医学图像应用，它能处理医学期刊、书本和文章的自然语言；它利用机器学习来矫正和增强理解力；它还可以开发深度知识表征和推理，有助于形成可能的诊断结果。为此，需要专业的图像处理器来支持大规模数据和人类专业知识，指导系统学习，解读系统生成的结果。

这种新模型的威力能应用于任何领域。油气公司能把地震图像数据和对成千上万的论文、报告、时事、经济数据和天气预报的分析结合到一起，为开采提供风险回报分析。或者，通过分析测试成绩、出勤率和数字学习平台上的学生行为信息，学校能建立纵向的学生档案和个性化教育计划。

IBM正在与多个领先的癌症研究机构合作，加快临床识别，为患者提供个性化治疗方案，它被认为是短期内最有前途的认知计算应用之一。该计划旨在减少解读DNA、了解个人遗传信息，从医学文献搜集相关资料的时间从几周变为几分钟。由此产生的分析结果使医生能够针对患者特定的癌基因突变做出诊断。只需几分钟，Watson就能完成遗传物质和医学文献的审查过程，产生一份可视化数据的报告，并以循证医学为基础，综合患者个人独特的基因提供可行的药物方案。临床医生可以评估这些证据，以确定它的疗效是否会比标准方案更有针对性。4 前沿认知科学的含义和义务

认知时代（The Cognitive Era）是应用型科学发展的下一步，它帮助人类理解自然并改善人类的生存状况。在此意义下，它是一个老故事开启的新篇章。围绕人工智能的争论只是其中一个最新的例子，是相信科学进步的人和那些害怕它的人之间古老争论的延续。与媒体和娱乐界的争论相反，在科学领域，裁决已定。追求认知未来已成为广泛共识，人们也普遍认为有必要有责任推进技术发展。“技术创造可能性和潜力，但最终，我们的未来将取决于我们5做出的选择。我命在我，不在技术。”——Erik Brynjolfsson, MIT（麻省理工学院，著名经济学教授）

具体而言，我们会继续塑造认知计算对工作和就业的影响。与所有技术一样，认知计算将改变人们的工作性质。它将有助于我们更快速、更准确地执行一些任务。许多处理过程会因它变得更便宜、更有效。某些事它甚至会比人类做得更好——自文明诞生以来便一直如此。事情总是这样，新技术被发现具有更高的价值，我们的社会和机制逐渐适应它并获得进一步发展。所以，我们有理由相信此时此刻的情况与以往并没有什么不同。事实上，认知时代会为人类开启一个知识、发现、机会都以指数级速度增长的世界。我们也有充分的理由相信人类的工作将变得越来越有趣，也更具有挑战性和价值。图1.3 认知计算系统以类同人脑的工作方式，进行学习和处理任务

同时，社会的控制和保障也一样重要。对于智能系统的担忧再一次适用于此。从汽车、药品到手机，每一项技术的转换都会涉及个人和机构的安全问题。这些问题已经刻不容缓，也将继续与认知技术发展如影随形。这些问题已经被今天激进的技术民主化（网络和云的快速传播是背后的驱动力）以及随之而来的成本削减所点燃。

我们相信，答案不是试图限制民主化，而是要拥抱它，同时设计出融合隐私、安全和人工控制的认知系统。5 为下一代人类的认知铺平道路

最后，所有的技术革命不仅是被发现的，而且是由商业和社会需求推动的。我们追求这些新的可能性并不只是因为我们有能力，而是因为我们有所求。

由于世界的复杂性和我们自己根深蒂固的偏见和方法，我们最初对每一项革命性的技术的理解都是有限的。然而，所有的限制必然会被发展所突破。事实上，我们一直在为不知道而付出昂贵的代价：我们不知道患者的病因出在哪里；不知道产品的消费者在哪里；不知道重要的自然资源藏在哪里；不知道每一项投资的风险在哪里。“行为明智的最大障碍是无知，它也是恐惧的最大来源。小小的蜡烛会发出误导性的微弱光线，投射出巨大而不详的阴影。正午太阳光线明亮，不会投下一丝阴影。是时候将这整个人与机器的难题置于耀眼的正午阳光之下了。计算机永远不会剥夺人的主动权，也不会取代人类的创造性思维。计算机会把人类从低级的重复性思考中解放出来，让人类更加充分利用理性，创造更多机6会。”——Thomas Watson Jr.（小托马斯·沃森，IBM第二代总裁）

我们相信世界上的许多难题终将得到解决，并且我们相信，认知计算正是帮助我们实现这一宏伟目标的工具。

炒作“人机大战”的戏码会让我们偏离主题，这些戏码只存在于那些激动人心却有误导性的小说里。现在的认知系统不是我们的竞争对手，将来也不会是，科学和经济学的证据都不支持这种恐惧。真正的认知系统实际上是一种深化重要关系的工具——人与世界的关系。

通过它们，我们将为下一代人的认知铺平道路。我们能用崭新而有力的方式思考和推理。认知系统是真正灵感源于人类大脑的机器。同样的，这些机器也会真正激发人的大脑，提高我们的理性能力，改变我们的学习方式。在21世纪，知道所有的答案并不能称得上智慧，但提出更好的问题才算真正的天才。参考资料1 Licklider, J.C.R. Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics. 1960. http://groups.csail.mit.edu/ medg/people/psz/Licklider.html2 Kelly, John E. and Steve Hamm. Smart Machines: IBM' s Watson and the Era of Cognitive Computing. New York. Columbia University Press, 2014.3 Kelly, Kevin. The Three Breakthroughs That Have Finally Unleashed AI on the World. Wired Magazine. October, 2014.4 McAfee, Andrew. Did Garry Kasparov Stumble into a New Business Process Model? Harvard Business Review. February, 2010. https://hbr.org/2010/02/like-a-lot-of-people/5 Brynjolfsson, Erik and Andrew McAfee. The Second Machine Age: Work, progress, and prosperity in a time of brilliant machines. New York. W.W. Norton & Company, 2014.6 Watson, Thomas Jr. IBM Archives. https://www-03.ibm.com/ ibm/history/exhibits/watsonjr/watsonjr_quoted.html第2章认知商业的魔法——认知技术如何创造真正的商业价值陈黎明

认知技术将很快创造真正的商业价值，只要能进行下列三项管理变革，任何企业都能顺利进入到认知商业时代，它们分别是：制定认知战略，完善云平台等相应的基础设施，以及进行管理变革。

过去数年，我们频繁从CEO 的口中听到：他们所经营的公司正在经历着数字化变革：运营、决策、营销、战略等方面都因为新兴技术而发生着颠覆性变化。

在我们看来，这种因技术带来的巨变还将持续并且深化，这主要基于以下三个判断：

超载的数据。很多企业家都逐渐坚信数据将成为未来企业最重要的资源。这是因为数据能让他们更加准确地了解客户需要什么、流量来自哪里、疾病如何传播以及哪个位置风险最大，从而帮助企业形成洞察，为决策带来依据。然而，大数据正在成为沉重的负担，过去两年产生的数据占人类有史以来数据总量的90%，未来将更加惊人。到2017 年年底，医疗卫生数据将增长99%，政府和教育数据将增长94%，公共事业数据将增长93%，媒体数据将增长97%。然而这些数据中80% 都是无法被计算机识别的非结构化数据，不能为我们所直接利用，从而形成价值。

想从这80% 的数据里获得洞察和价值，相当于想把桌子椅子塞进榨汁机，榨出美味的果汁。要想利用这些非结构化的数据，就必须采用新的技术手段，而认知技术正是具备了这样的魔法。 庞杂的数据还正在形成巨大的“负债成本”。根据CIO Insight 2012 年的调研，美国在数据管理方面的成本为1.1 万亿美元，其中1/3 用于存储，1/3 花在保障数据安全上。一家中型公司花在数据存储和安全上的费用平均为3800万美元。根据佛瑞斯特研究公司（Forrester' sResearch）的数据，全球公司只利用了32% 的结构化数据和12% 的非结构化数据。“代码”时代。如果说我们创造的产品、设备、产业在一刻不停地生产数据，那么我们自己，就是在不停地创造改写这个世界的“代码”。波音787 有1400 万行代码，一部汽车是基于1 亿行代码，一件智能家居产品平均有500 万行代码，手机120 万行代码，心脏起搏器8 万行代码。毫不夸张地说，很多高新技术企业是基于代码生存而发展的；可以说这个时代所有有志于推动商业发展、时代进步的人都在做一件事：用代码改写世界。在代码和最终产品、服务之间的是，大量可以被直接调用的API（应用程序编程接口）。这被称之为“API 经济”。到2018年，将有一半的消费者会基于认知技术定期开展服务互动。采用高级预测性分析技术（包括机器学习）的应用在2016年将出现加速增长。

认知计算时代初启。今天，各行各业的业务主管都已清醒地意识到他们必须正视一个现象：认知系统将改变商业世界。2015 年，各大IT 公司的大手笔收购，人工智能领域创业公司的大批涌现，让很多名词都不再陌生。无论是在功能层面的自然语言处理、图像识别/ 计算机视觉、语音识别、数据分析、模式识别、VR/AR、机械手臂的自动控制，还是技术层面的机器学习的十大算法（C4.5、K-Means算法、支持向量机、Apriori算法、最大期望算法、PageRank、AdaBoost、K 最邻近分类算法、朴素贝叶斯模型、分类与回归树）、深度学习（深度神经网络、卷积神经网络、递归神经网络、深度信念网络），都预示着人工智能正在从智能计算、感知计算走向认知计算阶段。认知计算的显著特征就是理解、推理和机器学习。人类在经历了制表计算、编程计算后，迎来了认知计算的时代。

根据IDC 的分析，到2018 年，将有一半的消费者会基于认知技术定期开展服务互动。采用高级预测性分析技术（包括机器学习）的应用在2016 年将出现加速增长。采用这些应用的企业收入增速将比不采用的企业高出65%。

上述提到的认知技术并不仅仅是像IBM 2011 年推出的参加智力挑战赛或者谷歌AlphaGo 这样的比赛系统，而是那些真正能改变商业世界的认知技术。比如IBM 认知的杰出代表作Watson 系统已经成为一个能够真正创造商业价值的平台。正如英特尔的创始人罗伯特·诺伊斯（Robert Noyce）所言，“与英特尔致力于技术的规模化和产业化不同，IBM 擅长做拓荒者，争取第一个把尖端科技商业化”。与Watson 共同成长的是IBM与世界上一百余家企业一起将认知型产品和服务推向市场的能力。图2.1 Watson互动顾问界面

本文在总结五年来与百余家企业的合作基础上，提出了进军认知商业的三大前提条件：制定认知战略，完善云平台等相应的基础设施，以及进行管理变革。1 产品与服务（1）认知型互动体验的服务

近年来，问答互动的机器人大量进入公众视野：同用户进行开放主题对话，作为精神陪伴、情感慰藉而存在；也有些可以进行事务查询，如天气、定位、通话、日程提醒和搜索；还有一些是满足用户有关产品或服务的咨询服务，以降低客服成本。

事实上，大数据系统已经能够帮助客服人员搜集客户的基本信息，并快速找到客户所需的资料。与大数据分析系统最大的不同，认知型互动，是能够直接处理自然语言形式提出的问题，并提供基于逻辑推理的预测。认知型互动更加注重个人体验，能够设计正确的谈话内容，找到正确的时机，正确理解上下文语境，调整正确的语气（参见Watson 互动顾问界面）。

体验，是非常重要的生产力，比如医生、销售、教师、空乘人员、收银员、服务生的“情绪劳动”，在某种程度上，决定了其业绩的好坏。

今天，在拉斯维加斯旅游，就会看到自助式的“认知服务生”Ivy，它为客户提供行程安排、订餐以及订票等服务。因为如果想在拉斯维加斯以最优价额获得最佳体验，需要做大量的攻略，甚至酒店服务人员提供的票价、演出时间都有可能不是最新的，Watson 的价值就是解决消费者的麻烦、帮助酒店提高客户满意度。2016 年，将有2000 万人次使用基于Watson 的互动平台。

North Face 利用Watson 解决了一个长期困扰电商的难题：如何把线上的成本优势与线下销售代表的经验结合在一起。比如，网购时不能直接问：“我要去西藏露营探险14 天需要什么样的装备？”但是在专业的体育用品店里可以和店员就这一话题讨论一下午。根据调研，放进购物却没有被购买的货品中，40% 是因为没有专业人员的辅导也没有足够的时间自己做调研。Watson 可以搜集网上所有的产品说明、买家评价、攻略，甚至社交媒体上的图片，最终给出购买建议。同时，体验也是非常复杂的。Watson 帮助美国著名的定制化网络音乐电台Pandora，找到了四百五十多个影响听众和广播内容关系的因素。认知帮助系统专业工作人员掌握新知识、获得新技能，作为研发伙伴他们提高研发效率。它可以充当多种角色。（2）认知型产品

认知技术植入智能产品中可以让产品本身获得理解、推理、学习用户及周围世界的能力。它们能不断改进，使产品提升到以往想象不到的水平。很多的汽车、医疗设备及家用电器等均已开始部署认知技术。

IBM 与合作伙伴Elemental Path 共同开发了有认知能力的玩具恐龙，这只恐龙能根据不同年龄段的孩子使用恰当的、孩子们听得懂的语言回答他们的问题，并向他们提问，讲故事。而在认知商业时代，针对不同理解程度的儿童提供的这款玩具，基于它与孩子互动的情况，做出个性化、定制化的教育来培养孩子的兴趣和知识。在同孩子的互动中，玩具甚至形成了独特“个性”。

IBM 与日本软银合作，共同开发了“情感机器人”Pepper，它能够判断人类的面部表情和语调，“读”出人类情感。雀巢公司购买了第一批Pepper 机器人，作为免雇员在日本的电器店里售卖咖啡机，Pepper 还在日本74 家手机专卖店做客服，收集客户反馈。Watson 作为很多机器人产品里的“大脑”，在中国网球公开赛上也展示了它对网球技术、球员、球迷的深入分析能力。

美国运动品牌Under Armour 推出的“认知教练APP”，结合可穿戴式健身衣服、健身跟踪硬件、人口特性分析、健身社区等社交数据，推出“世界上第一个完整的健康和健身见解的应用”，从此可能会改变人们管理健康、营养和锻炼方式。未来Under Armour 还会利用认知计算能力开发智能的手表、运动服装、运动鞋和其他运动装备。2 再造行业与职业（1）认知型人才

布莱恩约佛森和麦卡菲在《与机器赛跑》（Race Against the Machine ）一书写道：随着技术发展，人类正与机器形成一种对抗，结果是，人类一定会输，因为人类需要吃饭和休息，有情感需求，厌恶重复性劳动。所以，作者提出未来人类需要转换思路，与机器合作。我们将这种想法扩展开来，人的智慧不仅应该局限在建立更好的社交网络，而且可以与机器连接起来，建立一种人机合作关系。

各个行业和职业专业知识的累积速度已经达到了无法有人能够穷尽的地步——学术期刊、新协议、新法律法规、新的业务模式……培养专业能力所需的时间成本和经济成本骤增。2012年，美国企业在员工培训方面开销高达1642 亿美元；但90% 的新技能在一年内就会毫无用处。在美国，医生拿到行医执照需要11～16 年，律师需要7～10 年的工作经验才能进入律师事务所。

在这样情况下，认知系统的优势就体现出来，帮助专业工作人员掌握新知识、获得新技能，作为研发伙伴帮助他们提高研发效率。它可以充当下列多种角色：

培训助理：认知系统能系统地掌握专业语言和知识框架，而且“培训”认知系统的老师都是顶级专家，无论是销售、肿瘤诊断、判例法还是厨师，可大大缩短将一般人才培训为专业人才的时间。

业务助理：在美国，初级医师需要问诊时间约15 分钟，切除一个肿瘤平均3 小时，但是2017 年，如果一名优秀的医生要了解科研的最新成果，需要每周看160 小时资料，实际情况是他们每周只有5 小时学习。Memorial Sloan-Kettering 医院的肿瘤医生及研究人员“ 培训”Watson 学习肺癌、肝癌、乳腺癌等肿瘤治疗方案，让它能在最短的时间读懂患者的病历、基因数据、影像资料、药物服用情况，并迅速结合最新的科研成果、治疗方案，为癌症病患提供有真实案例支持的治疗方案。利用这一系统，泰国的Bumrungrad 国际医院，已经为东南亚100 多万名癌症病患提供医疗方案。一家著名保险公司利用认知数字助理，分析大量的宏观经济政策、投资历史及个人投资者情感和性格等信息，使用自然语言与个人投资者对话，帮助保险客户经理达到金牌经理的销售业绩。

科研助理：寻找研发方向和突破口需要投入大量的时间和经费。而认知系统最大的优势就是能以不可想象的速度排除研发的错误方向，把项目突破口迅速缩小到一定范围，使研发人员更快、更深入地开展凭借一己之力永远无法完成的研究工作，同时数百甚至数千名高级人才累积的信息都可以在系统内分享，联合创新加快研发速度。

经过过去几十年的研究人们已经发现，一种基因的蛋白——p53与癌症的关系非常密切：如果p53 保持活性，患癌症的可能性极低；但如果p53 发生突变，就会由抑癌基因转变为癌基因。从1992 年到现在，已经找到33 种可能与p53 有关系的蛋白激酶，但需要验证33 种蛋白激酶与p53如何产生作用，只能靠运气。而且，还有400 多种蛋白激酶未被测试。如果采用传统的方法研究p53，专家需要85 年的时间阅读现有研究资料，还需要85 年时间阅读不断发表的新成果。而Baylor 医学院的研究人员利用Watson 在几个星期之内，把范围缩小到了7种与p53 关系最为密切的蛋白激酶，以及如何作用于p53——为人类征服癌症的可能走出了第一步。（2）认知型流程与运营

据估计，在美国，因供应链合作伙伴之间无法密切合作而导致企业每年浪费300 亿美元；资产是10 亿美元级的企业每周平均投入近1000个工时来管理供应商。在工作流程上融入认知能力，能够提高预测能力和经营效力。

例如，一家零售商构建认知供应链，将预估的需求错误减少了50%。他们运用预测性分析技术同时处理内部结构化数据及外部非结构化数据，包括消费者在Twitter 发表的评论和情绪、本地新闻事件和天气状况，预测以前看似随机的行为，形象的比喻是实现从库房与商店之间的零距离。

对半导体制造业来说，供应链的控制能力就是公司的生命线：一方面，如果不了解市场趋势，消费类电子产品厂商更改订单周期、产品功能或设计，甚至取消订单，都会给半导体制造公司带来巨大的损失；另一方面，如果不能准确控制上游供应商的进度，就会导致占用大量资金的囤货，或因影响订单进度、赔偿客户损失。Jabil 半导体公司与IBM 一同做的事情，就是打造一条有预知能力的认知型供应链，同时优化财务管理、动态调整公司的财务平衡。图2.2 认知型车险系统

某国际化妆品巨鳄，为130 多个国家的地域“定制美丽”，但同时意味着管理28 个国际品牌、470 多种原料成分、上百万种品类的包装、特性、定价、重量，以及各国不同的法律法规……产品多样性既是核心竞争力，也意味着铺设大量渠道、各类合作伙伴关系、物流网络方面的的大笔投入。认知型的渠道管理的第一步，提供“上帝视角”的全景图，从不同国家、各类数据库、内外资料里提取分析有效信息，辅助渠道决策。

检修与停机是石油石化、能源电力等运行成本高、停产损失大的行业中一个重要问题，维修所需要的辅助资源、组织支持和人员的调配都让优化维保检修成为挑战。澳大利亚Woodside公司用其累积的三十多年的油气行业维保检修数据“训练”Watson，让Watson 在工作平台设计之初就辅助搭建、装配油田基础设施；建造之后，制订预测型的维保检修方案；如果一旦出现问题需要现场作业，工程师也可以用自然语言提问，快速获得历史解决方案和相关信息。3 革命性认知型企业

最终，认知计算将助力认知型企业获得超越竞争对手的“不断发现”的能力。各行各业的领导者都被迫在颠覆与被颠覆之间挣扎，而传统的可编程系统，无法快速走上“发现之旅”。Watson正将发现的能力扩展到发现新药物、新材料、新金融投资模型以及新商业模式等多个领域。

在石油行业，最大化开采现有油田和收购新的油田之间的平衡，是非常重要且极具风险的商业决策。因其涉及静态地质数据、实时的地震检测数据、历史勘探数据、研究报告，还要综合考虑国际政治、经济环境、地区战争和国际油价等信息。Repsol 和IBM 联合创建了“认知环境实验室”, “训练”Watson 在油气行业的解决方案。首先，Watson 要利用已知的地质统计数据、前期勘探的有限可用数据，比如地层岩石的几何特征和表面化学特性、与流体的关系，“发现”同类油气藏，并用可视化界面展示出来。再用机器学习的方法，分析勘探可行性，量化预测生产的不确定性，比如断层活动、地震事件等。最后评估备选油气藏的经济潜力，结合净现值设计最优的投资组合。

几乎人类所有数据都对保险行业有价值，包括天气。但天气数据和保险之间的关系很难被“发现”。美国平均每年因天气原因造成的直接经济损失高达5000 亿美元。结合实时的天气数据、静态的客户关系数据，“训练”认知系统辨别保单内容、分析客户具体情况、识别欺诈模式，提供风险防范信息，将经济和生命安全损失降低（参见图2.2“认知型车险系统”）。RIMAC 保险公司是秘鲁有117 年历史的保险公司。在客户提出索赔时，Watson 对数千份保单进行扫描，几乎同步地提取出当前决策的相关段落，将理赔流程时间缩短了90%。更重要的是，Watson将支持RIMAC 发现秘鲁公共健康方面的综合性问题。比如，从患者损失和过度索赔中发现医院不合理收费的状况；如果发现某种疾病的索赔率高得惊人，可以联合开发疾病防治、健康管理的社会方案。

认知型服务、产品、认知型专业助理、认知型流程和运营以及认知型企业，目前，这五个方面只是我们有限的实践。谈及这五个方面里的很多案例，都会触及今天热议的话题“机器人取代人类工作”，事实上，这一天远未到来。恰恰相反，真正的问题是如何利用机器与人类协作，让更多的人平等享受技术发展、平等地获取资源。一名顶级的器官移植手术医生其成功率是一般手术医生的六倍，如果没有认知技术的发展，最好的器官移植手术医师和高水准的律师服务并非为一般人群、底层人群可以企及，属于金字塔顶部的财富。但Memorial Sloan-Kettering医院的顶级肿瘤医师的专业能力却可以通过认知系统让东南亚的医生为上百万人提供治疗。同样，基于认知技术加拿大的ROSSIntelligence 律师事务所可以为付不起律师费的客户提供免费的、相当于顶级律师团队撰写的申诉材料。

当认知计算技术成熟到可以从尖端科技进入到商业领域时，这个世界发生了巨大的变化。开放、平等和共创，取代了封闭、零和竞争， IBM 没有选择把认知技术置于自己产品的内部，而是选择开放开发工具，将认知技术和能力变成了API 平台，请各行业最了解他们客户的企业家、创业者，用他们的创造力，想象如何利用认知计算进行变革、创新。

我们总结了一百多家企业部署认知商业的方法和步骤，可供参考。4 三个关键行动（1）制定认知战略

从哪里入手，如何利用认知技术实现企业转型？

确定认知计算提供的差异化价值，认知系统和认知能力绝不只是为了节约成本，所以需要建立一个认知计算的战略路线图。认知解决方案适合已经确定的挑战，对特定的问题进行分析。

·想要获得的是认知型产品或服务？一个流程或功能？还是需要提供有置信度加权、支持性证据的商业决策能力？

·你的用户是否需要用自然语言与系统进行交互？

·需要哪些数据？尤其是在 80% 的非结构化数据中，哪些是最需要关注的？

·现有的IT 架构是否支持？是否需要部署云计算？

·需要哪些专家训练认知系统？

必须清醒地认识到，认知商业的价值不会在部署完之后就喷涌而出；相反， 机器需要学习和训练。因此，认知系统是渐进的，随着时间的推移，系统会产生魔法般的效果。将现实情况告知利益相关方。认知计算是下一个“美达斯点石成金的手指”，关键在于你要点哪一块石头。（2）完善基础设施

为成功的认知商业的实施打下基础，需要做五方面的工作：

数据分析能力。认知系统的质量与数据的质量息息相关，能够收集和累积正确数据，建立并保证高质量的语料库——包括结构化和非结构化数据，尤其是实时反馈的物联网数据、社交媒体数据、天气数据以及视频内容。还可以来自尚未开发的新资源，包括呼叫中心录音、博客和线上社区。此外，要着眼于数字化投资，以确保机构的语料库的未来发展。

云平台。云计算技术让行业的价值链更加透明，并且容易分解，在价值链上的每个节点都可能产生颠覆者。所以，云计算的价值绝不是节约成本，而是提供敏捷开发、快速迭代的业务、产品、服务和商业模式、创新的源泉。尤其是将认知计算能力融入企业时，IaaS、PaaS 层的可扩展性，SaaS 层的多样性和灵活度，需要安全的混合云方案和强大而丰富的认知型开发平台。

IT 基础架构。为了使认知商业需要强大的计算能力，必须构建新型IT 核心——用作企业骨干的异质基础架构。

安全。未来，认知商业在交通、建筑、道路、商业流程、供应链等各个领域都要进行部署。这意味着保护每笔交易、每个数据、每次互动的安全性，对于整个系统、品牌及公司声誉，非常重要。

人才投资。认知系统需要“训练”，而不是编程。因为它们利用交互结果和新的信息片段进行“学习”。这种劳动密集型的训练过程通常被称为“监督学习”，需要专家的参与。同时，认知系统还需要自然语言处理、机器学习、数据库管理、系统实施和集成、界面设计等方面的专业知识。此外，还需要一个无形的“技能”：好奇心。对于认知系统而言，学习过程永远不会结束。（3）管理变革

认知系统会对公司流程、人们的工作方式，产生巨大的影响。与我们传统使用计算机系统的简单输入/ 输出相比，用户和员工以完全不同的方式与认知系统进行交互，因为它不再以“正确性”为衡量标准，认知系统提供的是可能结果（也就是说，它会提供几个结果及其可能性大小），而不是确定结果（每项输入都有固定的结果）。虽然准确率将随着系统的学习而逐渐提高，但是永远不可能达到 100%。认知系统是一个全新的事物，保证高管参与到整个认知旅程。也要把认知愿景传达到公司各级，不断提高公司的“认知度”，让人们接受和采用认知技术。

回溯互联网的历史，在萌芽阶段，有些人看到了互联网资讯平台的价值，开创了第一批门户网站，比如早期的雅虎；有些人看到了电子商务的契机，比如 eBay；有些人看到了连接企业与企业间、企业内部各职能部门的作用，开发了 CRM、ERP 系统，比如甲骨文、SAP……互联网在最开始是技术，但今天早已成为一种现象，浸透于社会、政治、经济和生活中。

从这一角度看“认知计算”，将引领一个全新的时代，这正是布莱恩约佛森和麦卡菲在《第二个机器时代：辉煌技术时代的工作、进步与繁荣》描述的“第二个机器时代”。如何把握这个时代，有赖于我们有怎样的想象力和怎样的创造力。认知计算是下一个“美达斯点石成金的手指”，关键在于你要点哪一块石头，可能是市场的某种需求而产生了新的产品和服务，可能是变革企业管理的某个职能、价值链的某个环节，或是全新的商业领域、商业模式……

科幻作家阿瑟·克拉克说：“任何足够先进的技术都与魔法无异。”认知的魔法画卷才刚刚展开。第3章您的认知计算未来——认知计算的演进Sandipan Sarkar, Dave Zaharchuk

企业已经开始触及认知计算能力的表层。从改进客户交流到增强研究能力以识别能够挽救生命的全新治疗方式，认知计算的潜在价值是无限的。通过研究，我们发现了各个行业中存在的多个创新机遇，为早期参与者实现巨大的先发优势创造了机会。据WinterGreen Research估计，到2019年，随着新的认知计算技术的发展，全球医1疗决策支持市场的价值将增加到两千多亿美元。1 执行摘要

几十年来，科学幻想家分享了他们对于能够像人类一样学习和运行的智能机器和计算机的设想。自此以后，智能机器超越了科学幻想的范畴；如今，凭借认知计算的突破，它们已经变成了现实。认知计算出现了——而且这种创新能力在我们的日常生活中无处不在，并且从根本上改变我们开展工作、与他人交流和交互、学习并制定决策的方式。各行业以及全球各地的领先企业已经开始利用这些能力实现巨大的业务价值，并且帮助解决社会上的一些最严峻的挑战。图3.1 边缘可成为拥有者和用户之间的交易点和经济价值创造者认知计算能做什么认知计算解决方案可提供各种能力，包括：·加快、增强并扩展人类专业知识。·获取表现最优秀者的专业知识——并加快其他人的专业知识培养。·增强专业人员的认知过程，以帮助改进即时的决策。·通过快速提高企业内决策的质量和一致性而扩展专业知识。

我们正在进入新的计算时代。在可编程和制表时代后，认知计算代表着巨大的进步。这个新时代对于系统如何构建以及如何与人类交互带来了根本性的差异。

在可编程系统时代，人类完成大多数发指令任务。传统可编程系统“吃进”数据，而且其结果基于真人预编程的处理。另一方面，认知时代是指自我思考——我们如何收集信息，如何访问信息并且做出决策。基于认知计算的系统积累知识，并且学习和理解自然语言，进行论证，并且比传统可编程系统更自然地与真人交互。“论证”一词指认知系统如何展示与真人的理解非常类似的洞察。

认知系统能够将内容放置在上下文中，根据支持证据而提供经过置信度加权的响应。这些系统还能够在海量数据中快速找到所需的信息，识别新的模式和洞察。随着时间的推移，认知系统将更好地模拟2大脑如何工作。这样，它们能够降低大数据的复杂度，并利用自然语言处理和机器学习的能力，从而帮助我们解决世界上复杂的问题。

尽管认知计算在过去五十多年取得了巨大的进步，但这种令人振奋的基本上还处在演进的初级阶段。采用认知解决方案并将其集成到企业中是一个过程，而非目的地。因此，企业需要设定切合实际的期望，并制定长期的计划，通过渐进的里程碑而从该技术未来的进步中获益。根据与客户合作的经验以及全面的研究，我们确定了各行业内当前以创新方式应用认知计算的多个机遇，并且考察了该技术在未来可能如何演进。

在本章中，我们探索认知计算的三个能力领域。我们还讨论未来的机遇如何受到认知计算能力演进的影响，例如机器学习技术的进步，以及该技术的接受如何受到多种力量的影响，包括从社会观点到政策和技能。在第四章中，我们将讨论从早期采用先锋学习到的经验，并且为您提供如何利用认知计算解决方案的洞察。

试读结束[说明：试读内容隐藏了图片]

下载完整电子书