認知計算與人工智能（IBM商業(yè)價值研究）

認知計算與人工智能IBM商業(yè)價值研究目錄TOC\h\h第1章認知計算和我們的未來\h1計算的歷史與認知的崛起\h2世界首個認知系統(tǒng)\h3前行的技術之路與何以可能的科學\h4前沿認知科學的含義和義務\h5為下一代人類的認知鋪平道路\h第2章認知商業(yè)的魔法\h1產品與服務\h2再造行業(yè)與職業(yè)\h3革命性認知型企業(yè)\h4三個關鍵行動\h第3章您的認知計算未來\h1執(zhí)行摘要\h2認知計算的三個能力領域\h3案例研究1\h4案例研究2\h5案例研究3\h6認知計算的未來演進\h7是否做好準備？回答以下問題\h8研究理念與方法論\h第4章您的認知計算未來\h1執(zhí)行摘要\h2從認知計算先鋒獲得的經驗\h3構想并開啟您的認知計算未來\h4是否做好準備？回答以下問題\h第5章顛覆銀行業(yè)\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3銀行和金融市場的認知機會\h4未來的發(fā)展方向\h第6章了解客戶和風險\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3保險行業(yè)的認知機會\h4未來的發(fā)展方向\h5您是否已準備好從認知計算中受益\h第7章思考如客戶\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3零售行業(yè)的認知機會\h4未來的發(fā)展方向\h5準備好了嗎？問問您自己這些問題\h第8章激發(fā)更深入的品牌熱情\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3CP行業(yè)的認知機會\h4未來的發(fā)展方向\h5準備好了嗎？問問您自己這些問題\h第9章可能完成的使命\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3政府行業(yè)的認知機會\h4未來的發(fā)展方向\h5準備好了嗎？問問您自己這些問題\h第10章以全新的方式通信\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3通信行業(yè)的認知機會\h4未來的發(fā)展方向\h5準備好了嗎？問問您自己這些問題\h第11章規(guī)劃生命科學行業(yè)數(shù)字化轉型\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3從顛覆到聚焦\h4生命科學行業(yè)中的認知商機\h5未來的發(fā)展方向\h6您準備好開啟認知之旅了嗎\h第12章為醫(yī)療保健打“強心針”\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3醫(yī)療保健行業(yè)的認知機會\h4未來的發(fā)展方向\h5準備好了嗎？問問您自己這些問題\h第13章新的自然資源\h1執(zhí)行摘要\h2克服行業(yè)阻力\h3從顛覆到聚焦\h4石油和天然氣行業(yè)中的認知機遇\h5未來的發(fā)展方向\h6準備好了嗎？問問您自己這些問題\h附錄1當大數(shù)據(jù)認知遇見娛樂\h1什么是IBM社交大數(shù)據(jù)認知計算技術？\h2溫迪數(shù)字為何選擇IBM作為合作顧問？\h3IBM社交大數(shù)據(jù)認知計算技術如何幫助溫迪數(shù)字獲取洞察信息？\h4未來IBM社交大數(shù)據(jù)認知計算技術將發(fā)力社交媒體\h附錄2當認知技術遇見醫(yī)療\h1摘要\h2合作背景\h3認知分析，幫助建立疾病風險預測模型\h4認知分析，加速創(chuàng)新藥物投入市場\h5認知分析，節(jié)約科研成本，促進研發(fā)與創(chuàng)新\h6相關案例：認知醫(yī)療智慧應用，開啟綠色健康新生活第1章

認知計算和我們的未來

1955年，當“人工智能”這個詞首次被提出來時，不出所料地點燃了公眾的想象力。在接下來的60年里，我們曾被它的前景所吸引，曾擔心它的潛力被濫用，也曾為它的發(fā)展緩慢而沮喪。然而，正如所有孕育得過早、超越了時代的先進科技一樣，人工智能遭到了廣泛的誤解——被好萊塢電影錯誤地詮釋、被媒體曲解為各種各樣的角色——從人類的拯救者到毀滅者，無所不有。但那些研究嚴肅的信息科學及其在現(xiàn)實商業(yè)社會中應用的人，才真正理解智能系統(tǒng)的巨大潛能。而認知計算這種技術（我們相信它將是“認知的”而非“人工的”）的未來與被稱為“人工智能”的技術所具備的性質截然不同，它將帶來各種各樣的技術、科學和社會的挑戰(zhàn)與機遇，并對監(jiān)管、政策和管理提出新的需求。認知計算是指一種能夠規(guī)?；瘜W習、有目的推理，并與人類自然交互的系統(tǒng)。它們不需要事先精確地編程，而是從它們與我們之間的交互和與環(huán)境之間的互動中學習和推理。在過去半個世紀中，多個科學領域的進步使認知計算成為可能，它們與信息系統(tǒng)有著重要的區(qū)別。那些信息系統(tǒng)是決定論的，而認知系統(tǒng)是概率論的。認知系統(tǒng)不僅能回答大量的問題，還能對更加復雜（且有意義）的數(shù)據(jù)提出假說、推理論述和建議。此外，認知系統(tǒng)還能理解計算機科學家稱為“非結構化”的數(shù)據(jù)，而這些數(shù)據(jù)占到了全世界數(shù)據(jù)的80%。這使得它們能夠與現(xiàn)代世界巨量、復雜和不可預測的信息保持同步。這些與機器的感覺能力和自主性沒有任何關系。相反，它能夠增強人類的能力，讓我們可以理解和運作社會中復雜的系統(tǒng)。這種增強智能對提升我們駕馭科技的能力是十分必要的一步，讓我們能追求更多知識、深化自身的專長和改善人類的境況。這就是為什么它不僅是一種新科技，更是科技、商業(yè)和社會的新紀元——認知時代——的黎明。認知計算的成功并不以圖靈測試或模擬人類的能力作為判斷標準。它的成功標準更加實際，例如投資回報率、新的市場機會、治療疾病和拯救生命。在IBM，為建立認知計算的基礎，我們已經工作了數(shù)十年，將前沿計算機科學領域的十幾個學科與100多年的商業(yè)專長結合起來。現(xiàn)在，我們正在親眼目睹它在改變商業(yè)、政府和社會方面的巨大潛力。我們已經看到，它將大數(shù)據(jù)從障礙變成機會，幫助兒科醫(yī)生做出早期診斷，為建設智慧城市提供創(chuàng)新解決方案。我們相信，這些技術展現(xiàn)了最好的（或許也是唯一的）機會，去處理地球所面臨的一些最頑固的系統(tǒng)性問題，例如癌癥、氣候變化和復雜多變的全球經濟形勢。1計算的歷史與認知的崛起為了理解認知計算的未來，必須把它放到歷史的語境中。到今天為止，我們經歷過兩個不同的計算時代——制表時代和編程時代。IBM在這兩個時代中都扮演了中心角色。我們相信在計算演化史中，認知計算是第三個，也是最具有轉折意義的時代。圖1.1計算的歷史與認知的崛起制表時代（1900—1940年代）計算機起源于一種單一計數(shù)用途的機械系統(tǒng)，這種系統(tǒng)用打孔卡來輸入和存儲數(shù)據(jù)，最終決定這個機器要做的事情(雖然是以一種非常原始的方式)。這些制表機本質上是一種計算器，支持了商業(yè)和社會規(guī)模的擴大，幫助我們組織、理解以及管理從人口增長到全球經濟進步等各種事情。編程時代（1950—現(xiàn)在）在二戰(zhàn)的時候，隨著軍事和科學的需要，從機械制表機到電子系統(tǒng)的演變開始了。在戰(zhàn)爭之后，數(shù)碼“計算機”經歷了快速演進，逐漸進入商業(yè)和政府。它們可以根據(jù)軟件中的程序來進行“如果/就”的操作以及循環(huán)。從最開始的電子管到晶體管，再到微處理器，計算機的性能得到了迅速提升，這一發(fā)展過程驗證了“摩爾定律”，在60年間，處理器的容量和速度每18個月就提升一倍。所有我們知道的計算設備，從大型主機到個人電腦，再到智能手機和平板電腦，都是可編程的計算機。認知時代（2011—）早在1960年，J.C.R.Licklider就在他的論文《人機共生》中提出了超越可編程系統(tǒng)的潛在可能性。現(xiàn)代計算的很大部分都是基于Licklider的研究以及他的深刻見解：“人機共生是在人類與電子計算機之間發(fā)生的共生關系，是人機關系間可以預見的發(fā)展。這種關系包含人類與電子伙伴強耦合關系。主要目的是：1.像為解決規(guī)劃難題提供便利一樣，也讓計算機為規(guī)劃思維提供便利。2.在不依賴于不靈活的預定義程序的情況下，讓人與計算機能夠協(xié)作決策，控制復雜情況。初步分析表明，與人類單獨進行智能操作相比，人機共同操作的效果更顯著?！?——J.C.R.Licklider，《人機共生》，1960年3月Licklider知道，認知計算將是程序化計算必要的自然演化，雖然他并不知道這個目標如何實現(xiàn)。50年后，大規(guī)模并行計算以及浩如煙海的結構化與非結構化數(shù)據(jù)的積累，為認知計算奠定了基礎。2世界首個認知系統(tǒng)在2011年2月，Watson項目首次公開，這個由IBM開發(fā)的認知計算系統(tǒng)在Jeopardy!節(jié)目中戰(zhàn)勝了肯·詹寧斯和布拉德·魯特爾。這是首次面向公眾展示認知計算，標志著所謂人工智能寒冬的終結?？删幊滔到y(tǒng)在之前60年的演化中并未能夠理解混亂的非結構化數(shù)據(jù)，因此也參加不了Jeopardy!節(jié)目。Watson能夠回答微妙、復雜、語義雙關問題，顯然，計算新紀元即將開啟。參加節(jié)目之后，Watson繼續(xù)處理了更多的復雜數(shù)據(jù)集，在解密之外，它發(fā)展出了理解、推理以及學習的能力。認知計算的目標就是照亮以往在我們世界中不可見的部分——具體來說就是潛藏在非結構化數(shù)據(jù)中的模式和洞察——使得我們能夠對更重要的事情做出更明智的決策。當機器的數(shù)據(jù)分析、統(tǒng)計推斷能力與人類的特殊能力——比如自我引導的目標、常識和倫理價值觀——結合起來時，認知時代的真正潛力就會實現(xiàn)。這是Watson被賦予的使命，也是它正在嘗試做的事情。銀行正在分析客戶要求和金融數(shù)據(jù)，幫助自己更好地做出投資決策。高度監(jiān)管產業(yè)中的企業(yè)不斷在系統(tǒng)中查詢，確保自己能夠跟上經常變化的監(jiān)管和合規(guī)標準。腫瘤學家在測試認知系統(tǒng)能否幫助他們利用專家經驗和研究手段，理解癌癥患者的醫(yī)療信息，找到個體化、循證的治療方案。這樣的經歷對于牽涉其中的專業(yè)人士來說意味著什么？世界知名的腫瘤學家，紀念斯隆-凱特琳癌癥中心（該中心正與Watson合作幫助內科醫(yī)生對患者進行個性化癌癥治療）的LarryNorton博士說：“計算機科學發(fā)展迅猛，醫(yī)療事業(yè)也會受其影響。這被稱為協(xié)同進化（coevolution）。我們要互幫互助。我預想這樣的場景：病人、電腦、我的護士、我的研究生同事還有我自己都在診室一起交流?！?在Watson的象棋博弈前輩DeepBlue于1997年擊敗世界象棋冠軍GarryKasparov之后，我們首次看到這種共生的跡象。在那次演示之后，Kasparov繼續(xù)參加這種新“自由式”的象棋聯(lián)賽，在其中，選手們可以自由地使用任何他們喜歡的計算機程序。在這些聯(lián)賽中，一些選手孤身奮戰(zhàn)。一些完全依賴于計算機程序。但那些將計算機與他們自身的直覺和比賽天賦相結合的選手是最成功的。3“機器與人相配合的團隊甚至比最強大的計算機更具優(yōu)勢。人類策略上的指導與計算機戰(zhàn)術上的敏銳結合起來是所向披靡的。我們（人類）可以集中精力于策略規(guī)劃而不是把那么多時間花費在計算上。在這些情況下，人類的創(chuàng)造力是最重要的。”4——加里·卡斯帕羅夫3前行的技術之路與何以可能的科學當Licklider幫助認知計算形成一種哲學方法時，他幾乎無法表達出前行的技術進路。隨著計算機實驗室之外的世界不斷發(fā)展，認知計算的道路仍在被定義，且不斷調整。尤其是，我們真切地意識到數(shù)據(jù)正怎樣塑造著我們的未來。Gartner預計，在未來五年世界的信息將增長800%，而且80%的數(shù)據(jù)是非結構化的。其中包括人類語言記載下的每一件事（從教科書到詩歌），圖片捕捉到的每一個瞬間（CAT掃描到家庭照片）以及聲音記錄下來的每條信息。它是隱藏在香氣、味道、文本和振動中的數(shù)據(jù)。數(shù)據(jù)來自我們的活動，來自這個布滿儀器的星球。在信息、知識和服務產生價值的全球經濟和社會中，數(shù)據(jù)代表著這個世界上最豐富、最具價值、最復雜的原材料。直到現(xiàn)在，我們還沒有方法對它進行有效開采。可編程系統(tǒng)基于這樣的規(guī)則：通過一系列預先設定的進程，從數(shù)據(jù)中得出結論。盡管它們強大而復雜，也是決定論的——其繁榮建立在結構化數(shù)據(jù)之上，但是無法處理定性的或不可預見的輸入。而當今這個復雜而突變的世界中充斥著模糊和不確定性，死板的可編程系統(tǒng)難以應對這些特征。認知系統(tǒng)是基于概率的，意味著它們被設計成去適應和理解非結構化語言的復雜性和不可預測性。它們可以“讀”文本、“看”圖像、“聽”自然語音。它們解讀那些信息，整理信息并提供對其意思的解釋，同時伴有推論和推理過程。它們不提供最終的答案。事實上，它們并不“知道”答案。相反，它們被設計成從多個來源中去衡量信息和想法，去推理，然后提供假說以供參考。一個認知系統(tǒng)可以對每個可能的洞見或答案給出一個自信水平。Watson在Jeopardy!中犯的一個錯誤就是例證。在第一天的比賽將結束時，Jeopardy終局的類目是“美國城市”。線索是“它最大的機場是以某二戰(zhàn)英雄命名的；它的第二大機場是以某二戰(zhàn)戰(zhàn)役為名的”。答案是芝加哥（兩個機場分別是O’Hare和Midway）。Watson猜測，“它是多倫多？？？？？”Watson困惑于這個問題有很多原因，包括這句話的語法結構，在伊利諾伊州有一個城市叫Toronto，而TorontoBlueJays在美國棒球聯(lián)盟中打棒球。結果，Watson自信水平出奇的低：14%。如果這是Jeopardy!常規(guī)線索，參賽選手必須響鈴示意，但作為Jeopardy終局階段的線索，Watson可能因為答案自信水平太低而沒有響鈴。Watson知道哪些事情是它不知道的，圖1.2中的五個問號暗示了這一點。圖1.2Watson在Jeopardy！中犯的錯誤然而，認知系統(tǒng)能夠從錯誤中學習。通過大規(guī)模機器學習，認知系統(tǒng)能從訓練和運用中不斷得以改善。消化語料庫知識，根據(jù)任何給定主題接受專家訓練，認知系統(tǒng)可以通過一系列Q&A的方式得以訓練。人與系統(tǒng)互動，就系統(tǒng)反饋的正確性做出反饋將會提升機器的“知識”。當Watson參加Jeopardy！時，它完成了一件事——以五種技術為基礎的自然語言Q&A（提問和回答）。今天，Q&A只是Watson以應用程序界面方式提供的眾多功能之一。從那以后，我們已經研發(fā)出多達二十多個新的應用程序界面，采用了五十多種不同的認知技術。這也是認知計算的技術方法和當前人工智能的關鍵區(qū)別。認知計算并不是單一的計算機科學，它結合許多學科知識，從硬件架構、算法策略、工業(yè)流程設計到行業(yè)專長。我們每天使用的許多產品和服務——從搜索引擎廣告應用，社交媒體網站面部識別到“智能”汽車、電話和電網——正在見證人工智能的方方面面。絕大多數(shù)人工智能產品和服務都是為了實現(xiàn)某種功能，側重于應用，專為某種特定服務而設。它們使用了一些認知計算的核心功能：有的使用了文本挖掘技術，有的通過機器學習進行圖像識別。所有的產品和服務都局限于最初打造它們的構想。相比之下，認知系統(tǒng)具備五個核心功能：①加深人與系統(tǒng)的互動人們與系統(tǒng)的互動更加充分，這種互動是以每個人偏好的模式、形式以及質量為基礎的。認知系統(tǒng)充分利用搜集到的數(shù)據(jù)創(chuàng)造出有關個體的精細畫面——比如，地理位置數(shù)據(jù)、網頁互動、交易歷史、鐘愛節(jié)目的模式、可穿戴設備數(shù)據(jù)和電子醫(yī)療記錄——并為這幅圖景添加一些很難察覺的細節(jié)：語氣、情緒、情感狀態(tài)、環(huán)境條件以及人際關系的強弱和本質。它們從所有結構和非結構數(shù)據(jù)中進行推理，找出什么才是人際交流中重要的東西。通過不斷學習，這些接觸交流將傳遞出越來越大的價值，也會變得更加自然、有預見性，情感也會拿捏適中。②拓展并提升專業(yè)技能各種工業(yè)知識和專業(yè)知識正在以任何專家都難以追趕的速度迅速膨脹——期刊、新協(xié)議、新立法、新實踐和嶄新的領域。醫(yī)療保健行業(yè)有一個明顯的例子，在1950年，人們預測全世界醫(yī)學知識翻一番需要50年時間；到了1980年，時間縮短為7年；2015年，不超過3年。與此同時，個人一生能產生100萬GB的健康數(shù)據(jù)，相當于3億本書。為了幫助組織機構跟上步伐，人們設計了認知系統(tǒng)，它能作為專家的伙伴提高他們的業(yè)績。由于這些系統(tǒng)掌握了專業(yè)術語——醫(yī)學、銷售和烹調等術語——它們能夠理解和傳授復雜的專業(yè)技能。這大大縮短了從業(yè)者轉變?yōu)闃I(yè)內專家所需的時間。另外，由于這些系統(tǒng)是由領先的從業(yè)人員訓練的——不論是顧客服務，腫瘤診斷，還是判例法等任何行業(yè)——系統(tǒng)能讓很多人獲取這些領先人士的秘訣。③將產品和服務與認知融合認知技術讓感受、推斷和了解用戶和周圍世界的新一類產品和服務成為可能。持續(xù)改善和適應，增強功能以推出未曾想到的新用法，也因此成為可能。在汽車、醫(yī)療設備、器具和玩具行業(yè)，這些正在發(fā)生。物聯(lián)網正在急劇拓展全球的數(shù)字產品和服務——哪里有代碼和數(shù)據(jù)，哪里就有認知技術的用武之地。④使認知流程和運營成為可能認知還能轉變公司的運營方式。融合認知能力的商業(yè)運營，能將內外資源中的數(shù)據(jù)表象化為財富。它讓公司重視工作流程、上下文和環(huán)境，這有利于持續(xù)性學習、改善預測、提高運營效率，并按當今的數(shù)據(jù)生成速度做出決策。這對當今世界而言是個大好消息，想想看，一個市值平均10億美元的公司每周要花1000個小時來管理供應商。⑤提升探索并加速發(fā)現(xiàn)最終，認知商業(yè)將具備的最強大的工具堪比“車前燈”，它可以照亮日益復雜、變化多端的未來之路。隨著各行各業(yè)的領軍人物爭相在藥物研發(fā)、復雜經濟模型、材料科學、初創(chuàng)公司等方面加大籌碼，這樣的“車前燈”變得越來越重要。把認知技術運用到大數(shù)據(jù)上，領軍人物就能找到模型、機會和可執(zhí)行的假設，而僅僅通過傳統(tǒng)研究或可編程系統(tǒng)，幾乎不可能發(fā)現(xiàn)這些。假如能像設想的那樣實現(xiàn)認知計算，那么，底層平臺必須足夠寬廣、足夠靈活，以便在各行各業(yè)得到運用，它還必須支持跨行業(yè)運用。為此，研發(fā)工作必須從全局出發(fā)，旨在打造一個強健的平臺，其中許多功能都可以支持來自開發(fā)者生態(tài)圈各種各樣的應用。這個平臺必須涵蓋機器學習、推理、自然語言處理、語音和圖像識別、人機交互、對話和敘述生成等等。許多功能要求運用高性能計算、專業(yè)化的硬件架構，甚至是新的計算范例這樣的專業(yè)基礎設施。以上每種技術都源于各自的科技或學術領域，但是，這些技術必須和支持認知解決方案的硬件、軟件、云平臺及應用協(xié)同發(fā)展方能奏效。隨著Watson的迅速演化，未來可能已初見端倪。舉個例子，一種分析X光、MRIs和超聲波圖像的認知醫(yī)學圖像應用，它能處理醫(yī)學期刊、書本和文章的自然語言；它利用機器學習來矯正和增強理解力；它還可以開發(fā)深度知識表征和推理，有助于形成可能的診斷結果。為此，需要專業(yè)的圖像處理器來支持大規(guī)模數(shù)據(jù)和人類專業(yè)知識，指導系統(tǒng)學習,解讀系統(tǒng)生成的結果。這種新模型的威力能應用于任何領域。油氣公司能把地震圖像數(shù)據(jù)和對成千上萬的論文、報告、時事、經濟數(shù)據(jù)和天氣預報的分析結合到一起，為開采提供風險回報分析。或者，通過分析測試成績、出勤率和數(shù)字學習平臺上的學生行為信息，學校能建立縱向的學生檔案和個性化教育計劃。IBM正在與多個領先的癌癥研究機構合作，加快臨床識別，為患者提供個性化治療方案，它被認為是短期內最有前途的認知計算應用之一。該計劃旨在減少解讀DNA、了解個人遺傳信息，從醫(yī)學文獻搜集相關資料的時間從幾周變?yōu)閹追昼?。由此產生的分析結果使醫(yī)生能夠針對患者特定的癌基因突變做出診斷。只需幾分鐘，Watson就能完成遺傳物質和醫(yī)學文獻的審查過程，產生一份可視化數(shù)據(jù)的報告，并以循證醫(yī)學為基礎，綜合患者個人獨特的基因提供可行的藥物方案。臨床醫(yī)生可以評估這些證據(jù)，以確定它的療效是否會比標準方案更有針對性。4前沿認知科學的含義和義務認知時代（TheCognitiveEra）是應用型科學發(fā)展的下一步，它幫助人類理解自然并改善人類的生存狀況。在此意義下，它是一個老故事開啟的新篇章。圍繞人工智能的爭論只是其中一個最新的例子，是相信科學進步的人和那些害怕它的人之間古老爭論的延續(xù)。與媒體和娛樂界的爭論相反，在科學領域，裁決已定。追求認知未來已成為廣泛共識，人們也普遍認為有必要有責任推進技術發(fā)展。“技術創(chuàng)造可能性和潛力，但最終，我們的未來將取決于我們做出的選擇。我命在我，不在技術。”5——ErikBrynjolfsson，MIT（麻省理工學院，著名經濟學教授）具體而言，我們會繼續(xù)塑造認知計算對工作和就業(yè)的影響。與所有技術一樣，認知計算將改變人們的工作性質。它將有助于我們更快速、更準確地執(zhí)行一些任務。許多處理過程會因它變得更便宜、更有效。某些事它甚至會比人類做得更好——自文明誕生以來便一直如此。事情總是這樣，新技術被發(fā)現(xiàn)具有更高的價值，我們的社會和機制逐漸適應它并獲得進一步發(fā)展。所以，我們有理由相信此時此刻的情況與以往并沒有什么不同。事實上，認知時代會為人類開啟一個知識、發(fā)現(xiàn)、機會都以指數(shù)級速度增長的世界。我們也有充分的理由相信人類的工作將變得越來越有趣，也更具有挑戰(zhàn)性和價值。圖1.3認知計算系統(tǒng)以類同人腦的工作方式，進行學習和處理任務同時，社會的控制和保障也一樣重要。對于智能系統(tǒng)的擔憂再一次適用于此。從汽車、藥品到手機，每一項技術的轉換都會涉及個人和機構的安全問題。這些問題已經刻不容緩，也將繼續(xù)與認知技術發(fā)展如影隨形。這些問題已經被今天激進的技術民主化（網絡和云的快速傳播是背后的驅動力）以及隨之而來的成本削減所點燃。我們相信，答案不是試圖限制民主化，而是要擁抱它，同時設計出融合隱私、安全和人工控制的認知系統(tǒng)。5為下一代人類的認知鋪平道路最后，所有的技術革命不僅是被發(fā)現(xiàn)的，而且是由商業(yè)和社會需求推動的。我們追求這些新的可能性并不只是因為我們有能力，而是因為我們有所求。由于世界的復雜性和我們自己根深蒂固的偏見和方法，我們最初對每一項革命性的技術的理解都是有限的。然而，所有的限制必然會被發(fā)展所突破。事實上，我們一直在為不知道而付出昂貴的代價：我們不知道患者的病因出在哪里；不知道產品的消費者在哪里；不知道重要的自然資源藏在哪里；不知道每一項投資的風險在哪里。“行為明智的最大障礙是無知，它也是恐懼的最大來源。小小的蠟燭會發(fā)出誤導性的微弱光線，投射出巨大而不詳?shù)年幱啊Ｕ缣柟饩€明亮，不會投下一絲陰影。是時候將這整個人與機器的難題置于耀眼的正午陽光之下了。計算機永遠不會剝奪人的主動權，也不會取代人類的創(chuàng)造性思維。計算機會把人類從低級的重復性思考中解放出來，讓人類更加充分利用理性，創(chuàng)造更多機會?！?——ThomasWatsonJr.（小托馬斯·沃森，IBM第二代總裁）我們相信世界上的許多難題終將得到解決，并且我們相信，認知計算正是幫助我們實現(xiàn)這一宏偉目標的工具。炒作“人機大戰(zhàn)”的戲碼會讓我們偏離主題，這些戲碼只存在于那些激動人心卻有誤導性的小說里?，F(xiàn)在的認知系統(tǒng)不是我們的競爭對手，將來也不會是，科學和經濟學的證據(jù)都不支持這種恐懼。真正的認知系統(tǒng)實際上是一種深化重要關系的工具——人與世界的關系。通過它們，我們將為下一代人的認知鋪平道路。我們能用嶄新而有力的方式思考和推理。認知系統(tǒng)是真正靈感源于人類大腦的機器。同樣的，這些機器也會真正激發(fā)人的大腦，提高我們的理性能力，改變我們的學習方式。在21世紀，知道所有的答案并不能稱得上智慧，但提出更好的問題才算真正的天才。參考資料Licklider,J.C.R.Man-ComputerSymbiosis.IRETransactionsonHumanFactorsinElectronics.1960./medg/people/psz/Licklider.htmlKelly,JohnE.andSteveHamm.SmartMachines:IBM’sWatsonandtheEraofCognitiveComputing.NewYork.ColumbiaUniversityPress,2014.Kelly,Kevin.TheThreeBreakthroughsThatHaveFinallyUnleashedAIontheWorld.WiredMagazine.October,2014.McAfee,Andrew.DidGarryKasparovStumbleintoaNewBusinessProcessModel?HarvardBusinessReview.February,2010./2010/02/like-a-lot-of-people/Brynjolfsson,ErikandAndrewMcAfee.TheSecondMachineAge:Work,progress,andprosperityinatimeofbrilliantmachines.NewYork.W.W.Norton&Company,2014.Watson,ThomasJr.IBMArchives./ibm/history/exhibits/watsonjr/watsonjr_quoted.html第2章

認知商業(yè)的魔法

——認知技術如何創(chuàng)造真正的商業(yè)價值作者：陳黎明認知技術將很快創(chuàng)造真正的商業(yè)價值，只要能進行下列三項管理變革，任何企業(yè)都能順利進入到認知商業(yè)時代，它們分別是：制定認知戰(zhàn)略，完善云平臺等相應的基礎設施，以及進行管理變革。過去數(shù)年，我們頻繁從CEO的口中聽到：他們所經營的公司正在經歷著數(shù)字化變革：運營、決策、營銷、戰(zhàn)略等方面都因為新興技術而發(fā)生著顛覆性變化。在我們看來，這種因技術帶來的巨變還將持續(xù)并且深化，這主要基于以下三個判斷：超載的數(shù)據(jù)。很多企業(yè)家都逐漸堅信數(shù)據(jù)將成為未來企業(yè)最重要的資源。這是因為數(shù)據(jù)能讓他們更加準確地了解客戶需要什么、流量來自哪里、疾病如何傳播以及哪個位置風險最大，從而幫助企業(yè)形成洞察，為決策帶來依據(jù)。然而，大數(shù)據(jù)正在成為沉重的負擔，過去兩年產生的數(shù)據(jù)占人類有史以來數(shù)據(jù)總量的90%，未來將更加驚人。到2017年年底，醫(yī)療衛(wèi)生數(shù)據(jù)將增長99%，政府和教育數(shù)據(jù)將增長94%，公共事業(yè)數(shù)據(jù)將增長93%，媒體數(shù)據(jù)將增長97%。然而這些數(shù)據(jù)中80%都是無法被計算機識別的非結構化數(shù)據(jù)，不能為我們所直接利用，從而形成價值。想從這80%的數(shù)據(jù)里獲得洞察和價值，相當于想把桌子椅子塞進榨汁機，榨出美味的果汁。要想利用這些非結構化的數(shù)據(jù)，就必須采用新的技術手段，而認知技術正是具備了這樣的魔法。龐雜的數(shù)據(jù)還正在形成巨大的“負債成本”。根據(jù)CIOInsight2012年的調研，美國在數(shù)據(jù)管理方面的成本為1.1萬億美元，其中1/3用于存儲，1/3花在保障數(shù)據(jù)安全上。一家中型公司花在數(shù)據(jù)存儲和安全上的費用平均為3800萬美元。根據(jù)佛瑞斯特研究公司（Forrester'sResearch）的數(shù)據(jù)，全球公司只利用了32%的結構化數(shù)據(jù)和12%的非結構化數(shù)據(jù)。“代碼”時代。如果說我們創(chuàng)造的產品、設備、產業(yè)在一刻不停地生產數(shù)據(jù)，那么我們自己，就是在不停地創(chuàng)造改寫這個世界的“代碼”。波音787有1400萬行代碼，一部汽車是基于1億行代碼，一件智能家居產品平均有500萬行代碼，手機120萬行代碼，心臟起搏器8萬行代碼。毫不夸張地說，很多高新技術企業(yè)是基于代碼生存而發(fā)展的；可以說這個時代所有有志于推動商業(yè)發(fā)展、時代進步的人都在做一件事：用代碼改寫世界。在代碼和最終產品、服務之間的是，大量可以被直接調用的API（應用程序編程接口）。這被稱之為“API經濟”。到2018年，將有一半的消費者會基于認知技術定期開展服務互動。采用高級預測性分析技術（包括機器學習）的應用在2016年將出現(xiàn)加速增長。認知計算時代初啟。今天，各行各業(yè)的業(yè)務主管都已清醒地意識到他們必須正視一個現(xiàn)象：認知系統(tǒng)將改變商業(yè)世界。2015年，各大IT公司的大手筆收購，人工智能領域創(chuàng)業(yè)公司的大批涌現(xiàn)，讓很多名詞都不再陌生。無論是在功能層面的自然語言處理、圖像識別/計算機視覺、語音識別、數(shù)據(jù)分析、模式識別、VR/AR、機械手臂的自動控制，還是技術層面的機器學習的十大算法（C4.5、K-Means算法、支持向量機、Apriori算法、最大期望算法、PageRank、AdaBoost、K最鄰近分類算法、樸素貝葉斯模型、分類與回歸樹）、深度學習（深度神經網絡、卷積神經網絡、遞歸神經網絡、深度信念網絡），都預示著人工智能正在從智能計算、感知計算走向認知計算階段。認知計算的顯著特征就是理解、推理和機器學習。人類在經歷了制表計算、編程計算后，迎來了認知計算的時代。根據(jù)IDC的分析，到2018年，將有一半的消費者會基于認知技術定期開展服務互動。采用高級預測性分析技術（包括機器學習）的應用在2016年將出現(xiàn)加速增長。采用這些應用的企業(yè)收入增速將比不采用的企業(yè)高出65%。圖2.1Watson互動顧問界面上述提到的認知技術并不僅僅是像IBM2011年推出的參加智力挑戰(zhàn)賽或者谷歌AlphaGo這樣的比賽系統(tǒng)，而是那些真正能改變商業(yè)世界的認知技術。比如IBM認知的杰出代表作Watson系統(tǒng)已經成為一個能夠真正創(chuàng)造商業(yè)價值的平臺。正如英特爾的創(chuàng)始人羅伯特·諾伊斯（RobertNoyce）所言，“與英特爾致力于技術的規(guī)?；彤a業(yè)化不同，IBM擅長做拓荒者，爭取第一個把尖端科技商業(yè)化”。與Watson共同成長的是IBM與世界上一百余家企業(yè)一起將認知型產品和服務推向市場的能力。本文在總結五年來與百余家企業(yè)的合作基礎上，提出了進軍認知商業(yè)的三大前提條件：制定認知戰(zhàn)略，完善云平臺等相應的基礎設施，以及進行管理變革。1產品與服務（1）認知型互動體驗的服務近年來，問答互動的機器人大量進入公眾視野：同用戶進行開放主題對話，作為精神陪伴、情感慰藉而存在；也有些可以進行事務查詢，如天氣、定位、通話、日程提醒和搜索；還有一些是滿足用戶有關產品或服務的咨詢服務，以降低客服成本。事實上，大數(shù)據(jù)系統(tǒng)已經能夠幫助客服人員搜集客戶的基本信息，并快速找到客戶所需的資料。與大數(shù)據(jù)分析系統(tǒng)最大的不同，認知型互動，是能夠直接處理自然語言形式提出的問題，并提供基于邏輯推理的預測。認知型互動更加注重個人體驗，能夠設計正確的談話內容，找到正確的時機，正確理解上下文語境，調整正確的語氣（參見Watson互動顧問界面）。體驗，是非常重要的生產力，比如醫(yī)生、銷售、教師、空乘人員、收銀員、服務生的“情緒勞動”，在某種程度上，決定了其業(yè)績的好壞。今天，在拉斯維加斯旅游，就會看到自助式的“認知服務生”Ivy，它為客戶提供行程安排、訂餐以及訂票等服務。因為如果想在拉斯維加斯以最優(yōu)價額獲得最佳體驗，需要做大量的攻略，甚至酒店服務人員提供的票價、演出時間都有可能不是最新的，Watson的價值就是解決消費者的麻煩、幫助酒店提高客戶滿意度。2016年，將有2000萬人次使用基于Watson的互動平臺。NorthFace利用Watson解決了一個長期困擾電商的難題：如何把線上的成本優(yōu)勢與線下銷售代表的經驗結合在一起。比如，網購時不能直接問：“我要去西藏露營探險14天需要什么樣的裝備？”但是在專業(yè)的體育用品店里可以和店員就這一話題討論一下午。根據(jù)調研，放進購物卻沒有被購買的貨品中，40%是因為沒有專業(yè)人員的輔導也沒有足夠的時間自己做調研。Watson可以搜集網上所有的產品說明、買家評價、攻略，甚至社交媒體上的圖片，最終給出購買建議。同時，體驗也是非常復雜的。Watson幫助美國著名的定制化網絡音樂電臺Pandora，找到了四百五十多個影響聽眾和廣播內容關系的因素。認知幫助系統(tǒng)專業(yè)工作人員掌握新知識、獲得新技能，作為研發(fā)伙伴他們提高研發(fā)效率。它可以充當多種角色。（2）認知型產品認知技術植入智能產品中可以讓產品本身獲得理解、推理、學習用戶及周圍世界的能力。它們能不斷改進，使產品提升到以往想象不到的水平。很多的汽車、醫(yī)療設備及家用電器等均已開始部署認知技術。IBM與合作伙伴ElementalPath共同開發(fā)了有認知能力的玩具恐龍，這只恐龍能根據(jù)不同年齡段的孩子使用恰當?shù)?、孩子們聽得懂的語言回答他們的問題，并向他們提問，講故事。而在認知商業(yè)時代，針對不同理解程度的兒童提供的這款玩具，基于它與孩子互動的情況，做出個性化、定制化的教育來培養(yǎng)孩子的興趣和知識。在同孩子的互動中，玩具甚至形成了獨特“個性”。IBM與日本軟銀合作，共同開發(fā)了“情感機器人”Pepper，它能夠判斷人類的面部表情和語調，“讀”出人類情感。雀巢公司購買了第一批Pepper機器人，作為免雇員在日本的電器店里售賣咖啡機，Pepper還在日本74家手機專賣店做客服，收集客戶反饋。Watson作為很多機器人產品里的“大腦”，在中國網球公開賽上也展示了它對網球技術、球員、球迷的深入分析能力。美國運動品牌UnderArmour推出的“認知教練APP”，結合可穿戴式健身衣服、健身跟蹤硬件、人口特性分析、健身社區(qū)等社交數(shù)據(jù)，推出“世界上第一個完整的健康和健身見解的應用”，從此可能會改變人們管理健康、營養(yǎng)和鍛煉方式。未來UnderArmour還會利用認知計算能力開發(fā)智能的手表、運動服裝、運動鞋和其他運動裝備。2再造行業(yè)與職業(yè)（1）認知型人才布萊恩約佛森和麥卡菲在《與機器賽跑》（RaceAgainsttheMachine）一書寫道：隨著技術發(fā)展，人類正與機器形成一種對抗，結果是，人類一定會輸，因為人類需要吃飯和休息，有情感需求，厭惡重復性勞動。所以，作者提出未來人類需要轉換思路，與機器合作。我們將這種想法擴展開來，人的智慧不僅應該局限在建立更好的社交網絡，而且可以與機器連接起來，建立一種人機合作關系。各個行業(yè)和職業(yè)專業(yè)知識的累積速度已經達到了無法有人能夠窮盡的地步——學術期刊、新協(xié)議、新法律法規(guī)、新的業(yè)務模式……培養(yǎng)專業(yè)能力所需的時間成本和經濟成本驟增。2012年，美國企業(yè)在員工培訓方面開銷高達1642億美元；但90%的新技能在一年內就會毫無用處。在美國，醫(yī)生拿到行醫(yī)執(zhí)照需要11~16年，律師需要7~10年的工作經驗才能進入律師事務所。在這樣情況下，認知系統(tǒng)的優(yōu)勢就體現(xiàn)出來，幫助專業(yè)工作人員掌握新知識、獲得新技能，作為研發(fā)伙伴幫助他們提高研發(fā)效率。它可以充當下列多種角色：培訓助理：認知系統(tǒng)能系統(tǒng)地掌握專業(yè)語言和知識框架，而且“培訓”認知系統(tǒng)的老師都是頂級專家，無論是銷售、腫瘤診斷、判例法還是廚師，可大大縮短將一般人才培訓為專業(yè)人才的時間。業(yè)務助理：在美國，初級醫(yī)師需要問診時間約15分鐘，切除一個腫瘤平均3小時，但是2017年，如果一名優(yōu)秀的醫(yī)生要了解科研的最新成果，需要每周看160小時資料，實際情況是他們每周只有5小時學習。MemorialSloan-Kettering醫(yī)院的腫瘤醫(yī)生及研究人員“培訓”Watson學習肺癌、肝癌、乳腺癌等腫瘤治療方案，讓它能在最短的時間讀懂患者的病歷、基因數(shù)據(jù)、影像資料、藥物服用情況，并迅速結合最新的科研成果、治療方案，為癌癥病患提供有真實案例支持的治療方案。利用這一系統(tǒng)，泰國的Bumrungrad國際醫(yī)院，已經為東南亞100多萬名癌癥病患提供醫(yī)療方案。一家著名保險公司利用認知數(shù)字助理，分析大量的宏觀經濟政策、投資歷史及個人投資者情感和性格等信息，使用自然語言與個人投資者對話，幫助保險客戶經理達到金牌經理的銷售業(yè)績。科研助理：尋找研發(fā)方向和突破口需要投入大量的時間和經費。而認知系統(tǒng)最大的優(yōu)勢就是能以不可想象的速度排除研發(fā)的錯誤方向，把項目突破口迅速縮小到一定范圍，使研發(fā)人員更快、更深入地開展憑借一己之力永遠無法完成的研究工作，同時數(shù)百甚至數(shù)千名高級人才累積的信息都可以在系統(tǒng)內分享，聯(lián)合創(chuàng)新加快研發(fā)速度。經過過去幾十年的研究人們已經發(fā)現(xiàn)，一種基因的蛋白——p53與癌癥的關系非常密切：如果p53保持活性，患癌癥的可能性極低；但如果p53發(fā)生突變，就會由抑癌基因轉變?yōu)榘┗?。?992年到現(xiàn)在，已經找到33種可能與p53有關系的蛋白激酶，但需要驗證33種蛋白激酶與p53如何產生作用，只能靠運氣。而且，還有400多種蛋白激酶未被測試。如果采用傳統(tǒng)的方法研究p53，專家需要85年的時間閱讀現(xiàn)有研究資料，還需要85年時間閱讀不斷發(fā)表的新成果。而Baylor醫(yī)學院的研究人員利用Watson在幾個星期之內，把范圍縮小到了7種與p53關系最為密切的蛋白激酶，以及如何作用于p53——為人類征服癌癥的可能走出了第一步。（2）認知型流程與運營據(jù)估計，在美國，因供應鏈合作伙伴之間無法密切合作而導致企業(yè)每年浪費300億美元；資產是10億美元級的企業(yè)每周平均投入近1000個工時來管理供應商。在工作流程上融入認知能力，能夠提高預測能力和經營效力。例如，一家零售商構建認知供應鏈，將預估的需求錯誤減少了50%。他們運用預測性分析技術同時處理內部結構化數(shù)據(jù)及外部非結構化數(shù)據(jù)，包括消費者在Twitter發(fā)表的評論和情緒、本地新聞事件和天氣狀況，預測以前看似隨機的行為，形象的比喻是實現(xiàn)從庫房與商店之間的零距離。對半導體制造業(yè)來說，供應鏈的控制能力就是公司的生命線：一方面，如果不了解市場趨勢，消費類電子產品廠商更改訂單周期、產品功能或設計，甚至取消訂單，都會給半導體制造公司帶來巨大的損失；另一方面，如果不能準確控制上游供應商的進度，就會導致占用大量資金的囤貨，或因影響訂單進度、賠償客戶損失。Jabil半導體公司與IBM一同做的事情，就是打造一條有預知能力的認知型供應鏈，同時優(yōu)化財務管理、動態(tài)調整公司的財務平衡。某國際化妝品巨鱷，為130多個國家的地域“定制美麗”，但同時意味著管理28個國際品牌、470多種原料成分、上百萬種品類的包裝、特性、定價、重量，以及各國不同的法律法規(guī)……產品多樣性既是核心競爭力，也意味著鋪設大量渠道、各類合作伙伴關系、物流網絡方面的的大筆投入。認知型的渠道管理的第一步，提供“上帝視角”的全景圖，從不同國家、各類數(shù)據(jù)庫、內外資料里提取分析有效信息，輔助渠道決策。檢修與停機是石油石化、能源電力等運行成本高、停產損失大的行業(yè)中一個重要問題，維修所需要的輔助資源、組織支持和人員的調配都讓優(yōu)化維保檢修成為挑戰(zhàn)。澳大利亞Woodside公司用其累積的三十多年的油氣行業(yè)維保檢修數(shù)據(jù)“訓練”Watson，讓Watson在工作平臺設計之初就輔助搭建、裝配油田基礎設施；建造之后，制訂預測型的維保檢修方案；如果一旦出現(xiàn)問題需要現(xiàn)場作業(yè)，工程師也可以用自然語言提問，快速獲得歷史解決方案和相關信息。3革命性認知型企業(yè)最終，認知計算將助力認知型企業(yè)獲得超越競爭對手的“不斷發(fā)現(xiàn)”的能力。各行各業(yè)的領導者都被迫在顛覆與被顛覆之間掙扎，而傳統(tǒng)的可編程系統(tǒng)，無法快速走上“發(fā)現(xiàn)之旅”。Watson正將發(fā)現(xiàn)的能力擴展到發(fā)現(xiàn)新藥物、新材料、新金融投資模型以及新商業(yè)模式等多個領域。在石油行業(yè)，最大化開采現(xiàn)有油田和收購新的油田之間的平衡，是非常重要且極具風險的商業(yè)決策。因其涉及靜態(tài)地質數(shù)據(jù)、實時的地震檢測數(shù)據(jù)、歷史勘探數(shù)據(jù)、研究報告，還要綜合考慮國際政治、經濟環(huán)境、地區(qū)戰(zhàn)爭和國際油價等信息。Repsol和IBM聯(lián)合創(chuàng)建了“認知環(huán)境實驗室”，“訓練”Watson在油氣行業(yè)的解決方案。首先，Watson要利用已知的地質統(tǒng)計數(shù)據(jù)、前期勘探的有限可用數(shù)據(jù)，比如地層巖石的幾何特征和表面化學特性、與流體的關系，“發(fā)現(xiàn)”同類油氣藏，并用可視化界面展示出來。再用機器學習的方法，分析勘探可行性，量化預測生產的不確定性，比如斷層活動、地震事件等。最后評估備選油氣藏的經濟潛力，結合凈現(xiàn)值設計最優(yōu)的投資組合。幾乎人類所有數(shù)據(jù)都對保險行業(yè)有價值，包括天氣。但天氣數(shù)據(jù)和保險之間的關系很難被“發(fā)現(xiàn)”。美國平均每年因天氣原因造成的直接經濟損失高達5000億美元。結合實時的天氣數(shù)據(jù)、靜態(tài)的客戶關系數(shù)據(jù)，“訓練”認知系統(tǒng)辨別保單內容、分析客戶具體情況、識別欺詐模式，提供風險防范信息，將經濟和生命安全損失降低（參見圖2.2“認知型車險系統(tǒng)”）。RIMAC保險公司是秘魯有117年歷史的保險公司。在客戶提出索賠時，Watson對數(shù)千份保單進行掃描，幾乎同步地提取出當前決策的相關段落，將理賠流程時間縮短了90%。更重要的是，Watson將支持RIMAC發(fā)現(xiàn)秘魯公共健康方面的綜合性問題。比如，從患者損失和過度索賠中發(fā)現(xiàn)醫(yī)院不合理收費的狀況；如果發(fā)現(xiàn)某種疾病的索賠率高得驚人，可以聯(lián)合開發(fā)疾病防治、健康管理的社會方案。圖2.2認知型車險系統(tǒng)認知型服務、產品、認知型專業(yè)助理、認知型流程和運營以及認知型企業(yè)，目前，這五個方面只是我們有限的實踐。談及這五個方面里的很多案例，都會觸及今天熱議的話題“機器人取代人類工作”，事實上，這一天遠未到來。恰恰相反，真正的問題是如何利用機器與人類協(xié)作，讓更多的人平等享受技術發(fā)展、平等地獲取資源。一名頂級的器官移植手術醫(yī)生其成功率是一般手術醫(yī)生的六倍，如果沒有認知技術的發(fā)展，最好的器官移植手術醫(yī)師和高水準的律師服務并非為一般人群、底層人群可以企及，屬于金字塔頂部的財富。但MemorialSloan-Kettering醫(yī)院的頂級腫瘤醫(yī)師的專業(yè)能力卻可以通過認知系統(tǒng)讓東南亞的醫(yī)生為上百萬人提供治療。同樣，基于認知技術加拿大的ROSSIntelligence律師事務所可以為付不起律師費的客戶提供免費的、相當于頂級律師團隊撰寫的申訴材料。當認知計算技術成熟到可以從尖端科技進入到商業(yè)領域時，這個世界發(fā)生了巨大的變化。開放、平等和共創(chuàng)，取代了封閉、零和競爭，IBM沒有選擇把認知技術置于自己產品的內部，而是選擇開放開發(fā)工具，將認知技術和能力變成了API平臺，請各行業(yè)最了解他們客戶的企業(yè)家、創(chuàng)業(yè)者，用他們的創(chuàng)造力，想象如何利用認知計算進行變革、創(chuàng)新。我們總結了一百多家企業(yè)部署認知商業(yè)的方法和步驟，可供參考。4三個關鍵行動（1）制定認知戰(zhàn)略從哪里入手，如何利用認知技術實現(xiàn)企業(yè)轉型？確定認知計算提供的差異化價值，認知系統(tǒng)和認知能力絕不只是為了節(jié)約成本，所以需要建立一個認知計算的戰(zhàn)略路線圖。認知解決方案適合已經確定的挑戰(zhàn)，對特定的問題進行分析。·想要獲得的是認知型產品或服務？一個流程或功能？還是需要提供有置信度加權、支持性證據(jù)的商業(yè)決策能力？·你的用戶是否需要用自然語言與系統(tǒng)進行交互？·需要哪些數(shù)據(jù)？尤其是在80%的非結構化數(shù)據(jù)中，哪些是最需要關注的？·現(xiàn)有的IT架構是否支持？是否需要部署云計算？·需要哪些專家訓練認知系統(tǒng)？必須清醒地認識到，認知商業(yè)的價值不會在部署完之后就噴涌而出；相反，機器需要學習和訓練。因此，認知系統(tǒng)是漸進的，隨著時間的推移，系統(tǒng)會產生魔法般的效果。將現(xiàn)實情況告知利益相關方。認知計算是下一個“美達斯點石成金的手指”，關鍵在于你要點哪一塊石頭。（2）完善基礎設施為成功的認知商業(yè)的實施打下基礎，需要做五方面的工作：數(shù)據(jù)分析能力。認知系統(tǒng)的質量與數(shù)據(jù)的質量息息相關，能夠收集和累積正確數(shù)據(jù)，建立并保證高質量的語料庫——包括結構化和非結構化數(shù)據(jù)，尤其是實時反饋的物聯(lián)網數(shù)據(jù)、社交媒體數(shù)據(jù)、天氣數(shù)據(jù)以及視頻內容。還可以來自尚未開發(fā)的新資源，包括呼叫中心錄音、博客和線上社區(qū)。此外，要著眼于數(shù)字化投資，以確保機構的語料庫的未來發(fā)展。云平臺。云計算技術讓行業(yè)的價值鏈更加透明，并且容易分解，在價值鏈上的每個節(jié)點都可能產生顛覆者。所以，云計算的價值絕不是節(jié)約成本，而是提供敏捷開發(fā)、快速迭代的業(yè)務、產品、服務和商業(yè)模式、創(chuàng)新的源泉。尤其是將認知計算能力融入企業(yè)時，IaaS、PaaS層的可擴展性，SaaS層的多樣性和靈活度，需要安全的混合云方案和強大而豐富的認知型開發(fā)平臺。IT基礎架構。為了使認知商業(yè)需要強大的計算能力，必須構建新型IT核心——用作企業(yè)骨干的異質基礎架構。安全。未來，認知商業(yè)在交通、建筑、道路、商業(yè)流程、供應鏈等各個領域都要進行部署。這意味著保護每筆交易、每個數(shù)據(jù)、每次互動的安全性，對于整個系統(tǒng)、品牌及公司聲譽，非常重要。人才投資。認知系統(tǒng)需要“訓練”，而不是編程。因為它們利用交互結果和新的信息片段進行“學習”。這種勞動密集型的訓練過程通常被稱為“監(jiān)督學習”，需要專家的參與。同時，認知系統(tǒng)還需要自然語言處理、機器學習、數(shù)據(jù)庫管理、系統(tǒng)實施和集成、界面設計等方面的專業(yè)知識。此外，還需要一個無形的“技能”：好奇心。對于認知系統(tǒng)而言，學習過程永遠不會結束。（3）管理變革認知系統(tǒng)會對公司流程、人們的工作方式，產生巨大的影響。與我們傳統(tǒng)使用計算機系統(tǒng)的簡單輸入/輸出相比，用戶和員工以完全不同的方式與認知系統(tǒng)進行交互，因為它不再以“正確性”為衡量標準，認知系統(tǒng)提供的是可能結果（也就是說，它會提供幾個結果及其可能性大?。?，而不是確定結果（每項輸入都有固定的結果）。雖然準確率將隨著系統(tǒng)的學習而逐漸提高，但是永遠不可能達到100%。認知系統(tǒng)是一個全新的事物，保證高管參與到整個認知旅程。也要把認知愿景傳達到公司各級，不斷提高公司的“認知度”，讓人們接受和采用認知技術?；厮莼ヂ?lián)網的歷史，在萌芽階段，有些人看到了互聯(lián)網資訊平臺的價值，開創(chuàng)了第一批門戶網站，比如早期的雅虎；有些人看到了電子商務的契機，比如eBay；有些人看到了連接企業(yè)與企業(yè)間、企業(yè)內部各職能部門的作用，開發(fā)了CRM、ERP系統(tǒng)，比如甲骨文、SAP……互聯(lián)網在最開始是技術，但今天早已成為一種現(xiàn)象，浸透于社會、政治、經濟和生活中。從這一角度看“認知計算”，將引領一個全新的時代，這正是布萊恩約佛森和麥卡菲在《第二個機器時代：輝煌技術時代的工作、進步與繁榮》描述的“第二個機器時代”。如何把握這個時代，有賴于我們有怎樣的想象力和怎樣的創(chuàng)造力。認知計算是下一個“美達斯點石成金的手指”，關鍵在于你要點哪一塊石頭，可能是市場的某種需求而產生了新的產品和服務，可能是變革企業(yè)管理的某個職能、價值鏈的某個環(huán)節(jié)，或是全新的商業(yè)領域、商業(yè)模式……科幻作家阿瑟·克拉克說：“任何足夠先進的技術都與魔法無異?！闭J知的魔法畫卷才剛剛展開。第3章

您的認知計算未來

——認知計算的演進作者：SandipanSarkar,DaveZaharchuk企業(yè)已經開始觸及認知計算能力的表層。從改進客戶交流到增強研究能力以識別能夠挽救生命的全新治療方式，認知計算的潛在價值是無限的。通過研究，我們發(fā)現(xiàn)了各個行業(yè)中存在的多個創(chuàng)新機遇，為早期參與者實現(xiàn)巨大的先發(fā)優(yōu)勢創(chuàng)造了機會。據(jù)WinterGreenResearch估計，到2019年，隨著新的認知計算技術的發(fā)展，全球醫(yī)療決策支持市場的價值將增加到兩千多億美元。11執(zhí)行摘要幾十年來，科學幻想家分享了他們對于能夠像人類一樣學習和運行的智能機器和計算機的設想。自此以后，智能機器超越了科學幻想的范疇；如今，憑借認知計算的突破，它們已經變成了現(xiàn)實。認知計算出現(xiàn)了——而且這種創(chuàng)新能力在我們的日常生活中無處不在，并且從根本上改變我們開展工作、與他人交流和交互、學習并制定決策的方式。各行業(yè)以及全球各地的領先企業(yè)已經開始利用這些能力實現(xiàn)巨大的業(yè)務價值，并且?guī)椭鉀Q社會上的一些最嚴峻的挑戰(zhàn)。（形容詞）：有意識的精神活動（例如思考、理解、學習和記憶）圖3.1邊緣可成為擁有者和用戶之間的交易點和經濟價值創(chuàng)造者認知計算能做什么認知計算解決方案可提供各種能力，包括：·加快、增強并擴展人類專業(yè)知識?！か@取表現(xiàn)最優(yōu)秀者的專業(yè)知識——并加快其他人的專業(yè)知識培養(yǎng)?！ぴ鰪妼I(yè)人員的認知過程，以幫助改進即時的決策。·通過快速提高企業(yè)內決策的質量和一致性而擴展專業(yè)知識。我們正在進入新的計算時代。在可編程和制表時代后，認知計算代表著巨大的進步。這個新時代對于系統(tǒng)如何構建以及如何與人類交互帶來了根本性的差異。在可編程系統(tǒng)時代，人類完成大多數(shù)發(fā)指令任務。傳統(tǒng)可編程系統(tǒng)“吃進”數(shù)據(jù)，而且其結果基于真人預編程的處理。另一方面，認知時代是指自我思考——我們如何收集信息，如何訪問信息并且做出決策。基于認知計算的系統(tǒng)積累知識，并且學習和理解自然語言，進行論證，并且比傳統(tǒng)可編程系統(tǒng)更自然地與真人交互?！罢撟C”一詞指認知系統(tǒng)如何展示與真人的理解非常類似的洞察。認知系統(tǒng)能夠將內容放置在上下文中，根據(jù)支持證據(jù)而提供經過置信度加權的響應。這些系統(tǒng)還能夠在海量數(shù)據(jù)中快速找到所需的信息，識別新的模式和洞察。隨著時間的推移，認知系統(tǒng)將更好地模擬大腦如何工作。2這樣，它們能夠降低大數(shù)據(jù)的復雜度，并利用自然語言處理和機器學習的能力，從而幫助我們解決世界上復雜的問題。盡管認知計算在過去五十多年取得了巨大的進步，但這種令人振奮的基本上還處在演進的初級階段。采用認知解決方案并將其集成到企業(yè)中是一個過程，而非目的地。因此，企業(yè)需要設定切合實際的期望，并制定長期的計劃，通過漸進的里程碑而從該技術未來的進步中獲益。根據(jù)與客戶合作的經驗以及全面的研究，我們確定了各行業(yè)內當前以創(chuàng)新方式應用認知計算的多個機遇，并且考察了該技術在未來可能如何演進。在本章中，我們探索認知計算的三個能力領域。我們還討論未來的機遇如何受到認知計算能力演進的影響，例如機器學習技術的進步，以及該技術的接受如何受到多種力量的影響，包括從社會觀點到政策和技能。在第四章中，我們將討論從早期采用先鋒學習到的經驗，并且為您提供如何利用認知計算解決方案的洞察。2認知計算的三個能力領域我們看到認知系統(tǒng)有三大能力領域。這些能力為創(chuàng)新打開了新的大門，與人們思考和工作的方式直接相關，并且顯示了日益提高的認知能力。每個能力領域都已經取得了巨大的進步，而且這些能力的未來發(fā)展前景遠大，因為它們不斷從多個行業(yè)中獲得發(fā)展的動力。3需要指出的是，這些能力并不互相排斥。特定的業(yè)務解決方案實際上可能利用一個或多個能力領域。交流——通過提供專家級援助和理解的能力，這些系統(tǒng)從根本上改變了人類和系統(tǒng)交互的方式，并且大大擴展了人類的能力。這些系統(tǒng)通過開發(fā)深入的領域洞察，并以及時、自然和適用的方式將這些信息提供給人們，從而提供專家級援助。這時，認知系統(tǒng)扮演了助理的角色——這位助理不知疲倦，能夠分析海量的結構化和非結構化信息，能夠對比模糊，甚至自相矛盾的數(shù)據(jù)，而且能夠學習。在這種合作關系中，人和機器的合力要比各自孤軍奮戰(zhàn)更加高效。圖3.2認知計算有三個新的能力領域與人類的大腦類似，這些系統(tǒng)首先要構建它們自己以及周圍世界的模式。這個世界由系統(tǒng)本身、從信息主體中吸取的知識和系統(tǒng)的用戶組成。模式包括系統(tǒng)的世界中多個實體之間的上下文關系，這些關系使其能夠形成假設和論據(jù)。因此，這些系統(tǒng)能夠與真人進行深入的對話。圍繞這個能力領域已經形成了一些經過驗證的重要能力。將來，預計越來越多的特定領域問答（Q&A）系統(tǒng)將會出現(xiàn)。許多系統(tǒng)可能預先掌握了領域知識，可在不同的特定業(yè)務應用領域快速采用。此外，未來的認知系統(tǒng)不斷發(fā)展，具有形式自由的對話和論證能力。4（參見案例研究：利用認知計算幫助軍人過渡到普通人的生活）“認知計算當前的能力只是其潛力發(fā)揮的開始?！薄狹anuelaVeloso博士

卡耐基梅隆大學計算機科學教授3案例研究1利用認知計算幫助軍人過渡到普通人的生活美國金融服務公司USAA致力于為1040萬現(xiàn)役和退役的美國軍人及其直系家屬成員提供銀行和保險服務，包括通常難以從軍隊重返普通人生活的老兵。與任何事業(yè)變化一樣，從軍隊重返普通人的事業(yè)對軍人和他們的家庭都是一項挑戰(zhàn)。這個過程可能復雜而且棘手，因為許多人不知道在過渡的過程中詢問哪些問題和考慮哪些概念。為了更好地為這些軍人服務，USAA利用IBM的Watson實施了創(chuàng)新的認知計算解決方案。該解決方案允許處于過渡期的軍人訪問，或者使用手機瀏覽器提出與離開軍隊相關的問題，例如“我是否受保護，并獲得退伍軍人福利補償”，或者“如何充分利用‘9·11’之后的《退伍軍人法案》呢”。一個團隊從2000個問題開始，花了六個多月對系統(tǒng)進行訓練和教育。此外，解決方案分析并且理解了超過3000份專業(yè)軍人過渡文件。系統(tǒng)的自然語言處理功能使它能夠理解以不同方式提出的實際問題，并直接向客戶提供專家建議。這樣，USAA能夠在非批判性的環(huán)境中對客戶的復雜問題提供綜合的答案。5決策——這些系統(tǒng)有決策能力。認知系統(tǒng)所做決策基于證據(jù)，并且根據(jù)新信息、成果和行動持續(xù)演變。這些系統(tǒng)所做的決策是沒有偏見的。然而，人類需要某些標準才能真正信任它們的決策。目前，認知計算系統(tǒng)更多地扮演顧問的角色，它們向真人用戶建議一組選項，而最終決策由真人用戶做出。（見案例研究：認知計算解決方案幫助支持決策并提高患者治療質量）對認知系統(tǒng)決策能力的信任取決于查詢能力和追蹤能力（以審查為何做出特定決策），也取決于系統(tǒng)響應的最高置信度分數(shù)。置信度分數(shù)是由系統(tǒng)生成的定量值，代表了對多個選項進行評估后得出的最終決策的優(yōu)點。6發(fā)現(xiàn)——發(fā)現(xiàn)是認知能力的體現(xiàn)。這些系統(tǒng)可以發(fā)掘即使最聰明的人類也難以發(fā)現(xiàn)的洞察。發(fā)現(xiàn)涉及尋找洞察和連接，以及理解全球范圍內可用的海量信息。由于數(shù)據(jù)不斷增長，市場對系統(tǒng)提出的明確需求，即幫助比人類自身更有效地利用信息。7盡管仍處于初級階段，但某些發(fā)現(xiàn)能力已經凸顯，而且未來應用的價值主張非常有吸引力。這一能力在某些具體領域已經取得了進展，例如在科學資料非常充足的醫(yī)療研究領域。8（見案例研究：認知計算解決方案支持醫(yī)療研究的新發(fā)現(xiàn)和洞察）4案例研究2認知計算解決方案幫助支持決策并提高患者治療質量WellPoint公司是美國最大的健康福利公司之一，通過其覆蓋全國的網絡提供了多項健康福利解決方案。交責利用率管理的護士要花費40%到60%的時間對傳真或郵件信息進行匯總，以根據(jù)基于證據(jù)的藥品和WellPoint醫(yī)療政策而決定批準還是拒絕對程序的請求。對于復雜決策，患者通常要等待臨床部門審查幾星期，而且可用證據(jù)或者及時處理能力的缺乏可能延誤治療或導致錯誤出現(xiàn)。另外，醫(yī)療專業(yè)人員很難跟上醫(yī)療知識的快速進步。為了應對這些挑戰(zhàn)，WellPoint實施了基于IBMWatson的認知計算解決方案，為預授權流程提供決策支持。該解決方案通過在復雜醫(yī)療數(shù)據(jù)和人類與自然語言的上下文中解析含義和分析查詢命令而提供建議，包括醫(yī)生的單據(jù)、患者病歷、醫(yī)療注釋和臨床反饋。隨著解決方案不斷學習完善，它的結果會更加準確。即使護士必須對請求進行更多的研究，Watson匯總信息并以易讀的結構化格式提交信息的能力可節(jié)省大量時間。提供決策支持能力并減少書面工作能夠使臨床醫(yī)生將更多時間用在患者身上。9“數(shù)據(jù)共享程度有可能影響認知計算解決方案的采用；然而，技術方面也很重要。政策可明確影響技術，但希望在于認知能力仍將向前發(fā)展。”——ManuelaVeloso博士

卡耐基梅隆大學計算機科學教授5案例研究3認知計算解決方案支持醫(yī)療研究的新發(fā)現(xiàn)和洞察著名的健康科學大學——貝勒醫(yī)學院持續(xù)尋找創(chuàng)新方法實現(xiàn)醫(yī)學研究的進步和加速。目前，研究專業(yè)人員測試假設并得出結論需要幾天到幾年的時間。典型情況下，研究人員每個月閱讀大約23份科學論文，這使得人員不可能處理持續(xù)增多的科學材料。貝勒醫(yī)學院的生物學家和數(shù)據(jù)科學家在貝勒知識集成工具包（KnIT）中采用基于IBMWatson的認知計算系統(tǒng)以加快研究，發(fā)現(xiàn)模式，并且使發(fā)現(xiàn)結果更加精確。系統(tǒng)經過訓練，能夠像真人研究專家一樣“思考”，可以發(fā)現(xiàn)洞察，以可視化方式呈現(xiàn)各種可能性，并且更快地驗證理論。通過利用這個解決方案，研究人員識別出了修改p53的蛋白質，這是一種與許多癌癥相關的重要蛋白質，可最終在短短幾個星期內提高藥物和其他治療方案的功效。該解決方案分析了關于p53的70,000篇科研文章，預測了打開或關閉p53活動的蛋白質——如果沒有認知能力，研究人員需要幾年時間才能達到這一成就。從而，癌癥研究人員可以增加多個新的研究方向。10“追蹤機器建議（例如，為何提供建議）對于提高置信度和信任度很重要?！薄狥rancescaRossi博士

帕多瓦大學和哈佛大學計算機科學教授6認知計算的未來演進認知計算的未來——包括它作為一項技術如何進步以及在公共和私人領域中的采用率——將受外部力量以及技術演進路徑和趨勢的重大影響。“人們擔憂出現(xiàn)另一次‘AI寒冬’。教育計劃是增強認知系統(tǒng)能力的關鍵，而且IBM正在這個方面做大量工作?！薄狫imSpohrer博士

IBM研究全球大學計劃總監(jiān)六種主要推動力六種力量將影響認知計算的未來，并且影響其在公共和私人領域的采用率。圖3.3六種力量影響認知計算的演進社會——在社會層面有兩個相反的推動力。其中一個將推動技術的發(fā)展，因為對更智能的機器的需求會越來越大，而且對于通過個人移動設備接入這些機器的渴望也逐步提高。通過移動設備實現(xiàn)的這種更高的接入能力和認知能力的需求有可能增強人們對技術的了解和采用。然而，隨著人們對認知計算的理解加深和這些能力的實現(xiàn)，仍然會有一個相反力量阻礙人們采用。技術——相關主題專家強烈相信當前的計算機架構和編程范例必須不斷進步，才能將認知計算能力提升到新的高度。自然語言處理、神經形態(tài)計算機、無人監(jiān)管的機器學習算法（即深入學習）和虛擬現(xiàn)實設備等技術進步可在這一演進過程中提供幫助。智能設備（例如移動設備和物聯(lián)網）的進步將增強對實體（如人員和資產）上下文的理解，這可以提高認知系統(tǒng)的可用信息主體的可靠性。認知——認知計算的價值主張極具吸引力，而且許多領先機構已經實現(xiàn)了經濟價值。然而，認知能力需要良好的管理，并且要基于現(xiàn)實。否則，大量不同觀點間的差異和錯誤信息可能帶來另一次“AI寒冬”，即對人工智能研究的投資減少和興趣降低的時期。11培育市場了解認知計算的現(xiàn)實和潛在價值對于成功的認知管理至關重要。信息——據(jù)IDC預測，到2020年，數(shù)字宇宙將達到40ZB。40ZB相當于地球上所有海灘沙?？倲?shù)的57倍。12這種信息爆炸——部分是由于移動設備和社交媒體的快速增長——加快了認知計算的增長和應用?，F(xiàn)實是，所有職業(yè)中沒有人能跟上當前可用信息數(shù)量和速度的增加。隨著信息爆炸的數(shù)量級不斷增長，認知計算可能需要被迫更快地演進。未來認知系統(tǒng)能力的多樣性和擴展性必須快速進步才能跟上這種信息爆炸的速度。政策——認知計算在各領域中的更廣泛采用可能需要政策的改進（例如數(shù)據(jù)共享、數(shù)據(jù)安全和隱私）。此外，可能需要全新的政策來應對認知能力的進步。例如，在機器自主決策的情況下（即“決策”能力領域），可能需要增加滿足決策流程追蹤要求的政策。另外，為了消除擔憂、不確定性和懷疑，全球各地的機構應審查政策，保證它們負責任地推動認知計算能力的進步，并保護市民。技能——認知計算進步的一個主要挑戰(zhàn)是高技能人員的可用性。推動認知計算能力進步和實施認知系統(tǒng)需要獨特的技能組合，例如機器學習專家和語言處理科學家。目前，對這些技能的需求較大，但供應不足?！拔覀儾盘幱谶@個認知計算時代的開端。”13——JohnKelly博士

IBM高級副總裁兼IBM研究主任五個關鍵維度三種認知計算能力如何演進將取決于五個重要維度。這些維度的演進路徑和進步速度將影響未來能力的可靠性。圖3.4認知計算有五個演進維度個性化交互——目前的認知系統(tǒng)在性質上主要處于被動狀態(tài)，而且要求真人模擬動作才能生成輸出或響應。通常，這種交互通過在計算機、移動應用或網絡門戶上輸入文本而實現(xiàn)。未來的認知系統(tǒng)將實現(xiàn)與用戶的自然交互，包括語音和可視化。未來的系統(tǒng)將更具交互性和參與性。在更好地理解用戶，針對用戶特定空間和時間上下文提供響應等方面，認知系統(tǒng)已經取得了巨大的進步。學習——目前的認知系統(tǒng)主要是受過訓練的系統(tǒng)（受監(jiān)督的學習）。這些系統(tǒng)依賴掌握特定領域專業(yè)知識的真人進行訓練。這個過程可能需要大量人力，而且很耗時。未來的認知系統(tǒng)將采用更好的無人監(jiān)督式學習方法，在系統(tǒng)訓練過程中僅需要很少的人為干預。研究團體正積極地在這個方面尋求突破。感知——目前的認知系統(tǒng)主要采用自然語言文本開展工作，而且需要特定語言的自然語言處理能力。對于英語和西歐語言，自然語言處理能力目前更先進。未來幾代的認知系統(tǒng)將能夠處理除文本之外的多種介質（例如音頻、圖片、視頻）。這個方面的持續(xù)進步將有賴于計算機科學的多個領域（例如語音和圖片處理、模式識別）。無處不在——通過使用和接入網絡門戶、移動應用和云計算系統(tǒng)，認知系統(tǒng)的部署數(shù)量在日益增多。將來，隨著基于認知計算的系統(tǒng)日益普及，它們將最終變得無處不在。這一未來可能包括由數(shù)百萬認知計算代理或代言人組成的市場，其推動力部分來自移動設備的爆炸性增長、物聯(lián)網的普及和機器與機器交互的增長。未來的認知計算結構將與技術（例如社交媒體）交織在一起，從而進入我們的日常生活中。擴展能力——認知系統(tǒng)的擴展能力需要持續(xù)增強，以支持這些系統(tǒng)的廣泛應用。2011年，在美國電視節(jié)目Jeopardy！上擊敗現(xiàn)任冠軍的IBMWatson系統(tǒng)版本需要90臺IBMPower750服務器。到2014年1月，Watson的速度提高了24倍，性能增強了2400%，而體積減小了90%。14將來，認知系統(tǒng)可能作為一個結構提供。IBM已經將Watson技術作為云計算環(huán)境中的一個開發(fā)平臺，可激發(fā)創(chuàng)新，并且構建一個由創(chuàng)業(yè)型軟件應用提供商組成的新生態(tài)系統(tǒng)。15向消費者提供更加個性化、相關且寶貴信息的旅行靈感、建議和規(guī)劃平臺WayBlazer就是合作伙伴在這個生態(tài)系統(tǒng)模式中實現(xiàn)價值的例子。WayBlazer采用IBMWatson技術驅動的基于標準的認知云提供針對每個消費者體驗定制的旅行洞察建議和商務報價。167是否做好準備？回答以下問題·在為客戶創(chuàng)建更具吸引力和個性化的體驗方面，您的企業(yè)有哪些機會？·您沒有使用哪些數(shù)據(jù)——如果轉化為知識——這些數(shù)據(jù)能否使您滿足關鍵目標和業(yè)務要求？·如果您的企業(yè)未基于證據(jù)制定決策，或者在采取措施時未考慮全面的可能選項，您的企業(yè)會付出什么代價？·如果能夠探測到數(shù)據(jù)中隱含的模式，您可以獲得哪些好處？這將對研究、產品開發(fā)、客戶服務等方面有何促進？·您的組織面臨的專業(yè)技能差距是什么？如果您能夠使每位員工高效地成為該職位或領域中的領先專家，哪些方面會發(fā)生變化？8研究理念與方法論2014年夏天，IBM商業(yè)價值研究啟動了一項調研，著力于解決與認知計算相關的三個問題：①認知計算的現(xiàn)狀是什么，預計將會如何演進？②從已經在多個行業(yè)中實施認知計算解決方案的領先機構中可以吸取哪些經驗？③主要戰(zhàn)略和計劃是什么，領導者可以采取哪些措施在企業(yè)中將認知計算變?yōu)楝F(xiàn)實？為了回答這些問題，我們對多個領域中與認知計算新興領域相關的幾十位全球主題專家（SME）舉行了訪談。SME包括在多個領域擁有實際認知計算解決方案實施經驗的行業(yè)人士（例如認知計算系統(tǒng)實施計劃主管和技術領導人），以及專注于多個研究領域的認知計算研發(fā)的行業(yè)和學術機構成員［例如著名大學的計算機科學教授、人工智能〔AAAI〕進步協(xié)會成員］。訪談注重了解認知計算的未來和可能影響該技術方向的推動力，并且從領先機構正在實施的實際系統(tǒng)中吸取經驗教訓。本次調研的執(zhí)行領導人JayBellissimo是IBMWatson集團的Watson轉型總經理。Jay利用認知計算的多項優(yōu)勢創(chuàng)造市場，實現(xiàn)行業(yè)轉型，并幫助客戶探索新業(yè)務模式，從而幫助推動計算的下一個時代——認知計算——的到來。他的聯(lián)系方式是：joseph.bellissimo@。ShankerRamamurthy是IBM全球企業(yè)咨詢服務部業(yè)務分析與戰(zhàn)略業(yè)務的全球管理合伙人。Shanker負責全球跨行業(yè)的咨詢服務，包括數(shù)字運作，金融、風險和欺詐，大數(shù)據(jù)和分析，人才和變革。他的聯(lián)系方式是：sramamur@。作者SandipanSarkar博士是IBM全球企業(yè)咨詢服務部全球政府能力中心的執(zhí)行架構師，負責全球各地的機構設計和實施復雜創(chuàng)新的技術解決方案。Sandipan擁有賈達普大學的自然語言處理博士學位。他的聯(lián)系方式是：sandipan.sarkar@。DaveZaharchuk是IBM商業(yè)價值研究的全球政府行業(yè)領導人。Dave負責指導多個領域和主題的思想領導力研究。他的聯(lián)系方式是：david.zaharchuk@。合作者LisaAmini博士、IanBaker、GuruduthBanavar博士、GradyBooch、ChrisCodella博士、SteveCowley、WillDubyak博士、JulianeGallina、JohnGordon、BillHume、BrianKeith、PeterKorsten、RaveshLala、GinaLoften、PhilPoenisch、FrancescaRossi博士、ManuelaVeloso博士和EricWill。致謝感謝BrianBissell、EricBrown博士、MurrayCampbell博士、PatriciaCarrolo、JohnHogan、DanielKahneman博士、ShibaniKansara、NitinKapoor、EricLesser、RyanMusch、MaryAnnRyan、PrasannaSatpathy、AkashSehgal、DavidSink和JimSpohrer博士。參考資料“HealthcareDecisionSupportandIBMWatson:–MarketsReach$239BillionBy2019.”WinterGreenResearch,Inc.PressRel