|
1955年，当人工智能这个词首次被提出时，毫不意外地公众的想象力被点燃。接下来的60年间，我们多次被其前景所吸引，担心它的潜力被滥用，同时也为其缓慢发展而沮丧。
然而，正如大多数孕育得过早、超越所处时代的先进科技一样，人工智能一经出现，误解纷起——好莱坞电影将它胡乱描绘、媒体将它曲解，人工智能的角色从人类的拯救者到破坏者间变换。但对些真正参与到业界的严肃信息科学研究和应用的人来说，他们就很理解智能系统拥有的巨大潜能。这种技术（我们相信那将不是「人工智能」而是「认知智能」），是不同于目前为大众所称道的AI的，面临各种各样的、来自技术、科学和社会的挑战与机遇的，并且面临不同的监管、政策和管理需要的认知智能。
认知计算是指一种系统，它不但能够规模化学习、有目的推理、也能与人类自然交互。它们是在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，所以并不需要事先精确的编程。过去半个世纪中，多个科学领域的发展使这些事情变得可能，但是它们显然不同与那些运行着它们的信息系统。
那些信息系统是决定论的，而认知系统是概率性的，没有那么绝对。认知系统在可以回答大量的问题同时，还能对更加复杂（且有意义）的数据提出假设、推理论述和建议等等。认知系统除这些以外，还能理解占到全世界数据的百分之八十的，被计算机科学家称之为「非结构化」的数据。这使得它们能够与现代世界巨量、复杂和不可预测的信息相接轨。
当然，这些都与机器的感觉能力和自主性无关。相反，它能使人类的能力得到提高，让我们更加理解和运作社会中复杂的系统。而如果我们要实现驾驭科技的能力，这种智能的提高是十分必要的一步，因为它不但让我们能追寻更多知识、提升我们的能力，更能改善人类的境况。这就是为什么我们说它是认知时代的光明，因为它不仅是一种新科技，更是科技、商业和社会新纪元。
认知计算的判断标准并不是图灵测试或模拟人类的能力的成功。它的标准更加实际有用，例如投资的报酬率、新的市场机会、治疗疾病和拯救生命。 在IBM，我们已经工作了数十年用来建立认知计算的基础，将计算机科学领域前沿的十几个学科与这个100多年的商业专家结合起来。现在，我们正在亲眼目睹它用它的巨大潜力在改变着商业、政府和社会。
我们如今已经看到，因为它，大数据的障碍变成机遇，儿科医生更加准确的做出早期诊断，智慧城市的建设有了更多的新型方案。我们相信，这些技术提供了最好的（或许也是唯一的）机会，地球面临的一些最持久的系统性问题也得到了处理方案，例如癌症、气候变化和复杂多变的全球经济形势。 计算的历史与认知的崛起 为了更好地理解认知计算的未来，我们必须把它放到历史的语境中。迄今为止，我们经历过两个不同的计算时代——制表时代和编程时代。在这两个时代中IBM都扮演了不可替代的角色。我们相信，在计算演化史中、最具有转折意义的计算演化时代是认知计算的时代。
1、制表时代 (1900-1940年代) 计算机起源是源于一种单一计数用途的机械系统，这种系统输入和存储是用打卡孔来实现，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)。这些制表机从本质上来说是一种计算器，它不但在支持商业和社会规模的扩大等方面发挥着重大作用，也在帮助我们组织、理解以及管理从人口增长到全球经济进步等的各种事情上扮演有着不可替代的角色。 2、编程时代 (1950年代-现在) 在二战期间，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。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，每18个月处理器的容量和速度就提升一倍。所有计算机设备都是可编程的计算机。
3认知时代 (2011-) 早在1960年，J.C.R. Licklider的论文「人-机共生」中 ，我们就看到他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： Licklider知道，程序化计算的必要的自然演化结果是认知计算，虽然他并不知道如何实现这个目标。50年后，大规模并行计算以及结构化与非结构化数据的积累，为认知计算奠定了基础。 首个世界认知系统 在2011年2月，Watson项目首次公开，它是IBM开发的认知计算系统，它在Jeopardy!节目中战胜了肯·詹宁斯和布拉德·鲁特尔。这是首次面向公众证实认知计算，标志着所谓AI寒冬的终结。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。
节目后，Watson继续处理了更多的复杂数据集，在解谜之外，它还发展出了理解、推理以及学习的能力。认知计算就是以照亮原先在我们世界中不为人知的部分为目标，让我们的决策更加明智。认知时代的真正潜力将会是机器的数据分析、统计推断能力，以及人类特殊能力，比如自我引导的目标、常识和价值观。
这正是Watson被赋予的使命和他的价值所在，也是它正在尝试做的事情。银行正在运用它来分析客户要求和金融数据，以便于更好地做出投资决策。高度监管产业中的企业也用它保证自己跟上经常变化的监管和合规标准。肿瘤学家也利用认知系统能否帮助他们理解癌症患者医疗信息，找到个体化、循证的治疗方案。
这样的科技对于各类专业人士来说意味着什么？世界知名的肿瘤学家，纪念斯隆-凯特琳癌症中心的Larry Norton博士正与Watson合作帮助内科医生对患者进行个性化癌症治疗。他说：「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、电脑、我的护士、我的研究生同事还有我自己都在监察室一起交流。」
在Watson的象棋博弈前辈Deep Blue在1997年击败世界象棋冠军Garry Kasparov之后，我们首次看到这种人机共生的迹象。在那次演示之后，Kasparov继续参加这种新「自由式」的象棋联赛，在这些联赛中，一些选手孤身奋战。一些则完全依赖于计算机程序，但那些将两者相结合的选手是最成功的。 未来的技术之路与可能发展的科学 当Licklider为认知计算帮忙想出一种哲学方法时，他几乎无法表达出前行的技术进路。那条道路仍在被定义，不断调整。尤其是，我们敏锐地意识到数据正怎样塑造着我们的未来。Gartner预计世界的信息将增长800%在未来5年，而且80%的数据是非结构化的。包括人类语言记载下的每一件事（从教科书到诗歌），图片捕捉到每一个瞬间（CAT扫描每个家庭照片）以及声音记录下的每条信息。它是隐藏在气味、味道、文本和振动中的数据。它来自我们的活动，来自这个布满仪器的星球。
在如今的信息社会中，数据代表着这个世界上最富有，最具有价值，最复杂的原材料。直到现在，我们还没有方法对它完全有效利用。
可编程系统是基于一系列的规则使用的：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，但是由于种种不确定因素，它还无法处理定性或不可预见的输入。面对如今兴起的充满不确定性复杂新世界中的众多方面，这种死板束缚住了它们的发展。
认知系统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。他们可以「读」文本、「看」图像、「听」自然语音。它们整理解读信息以及提供他们意思的解释，还伴有它们结论的基本原理。他们不提供它们也无法确定的答案。相反，它们被设计成从多个来源中去衡量信息和想法，提供假说以供参考。一个认知系统给每个有潜力的洞见或答案分配一个各自的自信水平。
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， 「Final Jeopardy」的类目是「美国城市」。线索是「以二战英雄命名的最大的机场；二战的战役中第二大的。」答案是芝加哥（O’Hare 和 Midway）。Watson猜测为多伦多。Watson困惑于这个问题的原因，包括它的语法结构，在伊利诺斯州有一个城市叫Toronto并且Toronto Blue Jays在美国棒球联盟中打棒球。
结果，Watson自信水平出奇得低：14%。如果这是Jeopardy!常规线索，而不是「Final Jeopardy」阶段的线索，参赛选手很可能会响铃，但是Watson不会响铃，因为答案自信水平太低。下图即为该题。 然而，认知系统能够从错误中，训练和运用中不断得以改善。大规模的机器学习过程就是认知体系不断训练与使用的过程。
消化资料库知识，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应将会提升机器的「知识」。
当Watson参加Jeopardy!时，它的成功以五种技术为基础的自然语言Q&A。今天，Q&A仅为Watson众多以API方式提供的功能之一。打那以后，我们已经研发出多达20多个新的API，采用了50多种不同认知技术。这正是认知计算的技术进路和当前人工智能进路的关键区别。认知计算需要许多学科知识，从硬件架构，算法策略，工业流程设计到行业专长，它并不是一个孤单的领域。
我们每天使用的许多产品和服务都见证着人工智能的方方面面。
绝大多数人工智能产品和服务都是注重实用性，效益性。它们使用了一些认知计算的核心功能。文本挖掘技术。所有的产品和服务都局限于最初打造它们的构想。
相反，认知系统有五个核心功能：
1、与人的接触更加深入 人们与系统的互动以每个人偏好的模式、形式以及质量为基础的。它们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，交易历史等，但并不是简单的搜集，还会添加一些很难察觉的细节：品味，情绪，情感状态，环境条件以及人际关系本质和强弱。从所有信息中，找出什么才是人际交流中重要的东西。通过不断学习，创造出最大的价值。
2、规模化和专业技能的提高 各种工业知识和专业知识在很多领域正在以任何专家不能赶上的速度迅速膨胀。医疗保健中有一个例子，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，个人一生能产生一百万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，它能作为专家的合作伙伴以提高他们的业绩。由于这些系统掌握了许多领域的术语，所以他们能够理解和传授复杂的专业技能，进而缩短了由内行变为专家所需的时间
3、用认知将产品和服务结合 认知技术的发展将让感受、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。并创新出不曾有过的新方法。在汽车、医疗设备、器具和玩具行业等，这些正在发生。认知技术将被广泛运用
4、认知运营成为可能 认知也能改变变公司运营的方式。融合认知功能的商业运营，能将内外资源中的数据充分利用从而化为财富。它让公司重视工作流程、文本和环境，这有利于持续性学习发展、改善预测和提高运营效率——以当今的数据流动速度做出决策，及时反映各类信息
5、提升探索发现 最终，认知商业将会拥有的最强工具、可以照亮日益复杂又不稳定未来的「前灯」。
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、初创公司上投入巨大物力财力，这样的「前灯」变得越来越重要。把认知技术运用到大数据上，领军人物能找到规律、机会和可执行的假设，仅仅通过传统研究或可编程系统，几乎不可能实现。
如果要使认知计算如同预期般完成目标，底层平台就必须足够宽广、足够灵活，才能在各行各业得以应用。除此之外，该平台还要能够支持跨行业运用。要达到以上要求，我们需要采取一条全面的研发路线，以打造一个强健的、多功能平台为目标，支持生态圈开发者们各种各样的应用。
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、对话和叙述生成等多项功能。许多功能要求高性能计算，专门的硬件结构，甚至是新的计算范例，它们衍生于自身科技或学术领域。但这些技术必须和支持认知结果的硬件、软件、云平台和应用共同发展。
随着沃森的快速革新，我们已可以预测未来的模样。比如，一种分析X光，MRIs和超声波图像的认知医学图像应用，它能分析医学期刊、书本和文章的自然语言。它利用机器学习来更正和增强理解力。它还可以开发深度知识表达和推理，这有助于生成可能的诊断结果。为此，我们需要专门图像处理器来支持大数据和人类专业知识，以此来指导系统学习, 解读系统生成的结果。
这种新模型的功能适用任何领域。油气公司能把地震图像数据与对成千上万的论文、报告、时事、经济数据和天气预报的分析结合到一起，为开采活动提供风险分析。亦或是，学校能通过分析测试成绩、出勤率和数字学习平台上学生行为信息，建立起纵向的学生档案和个性化教育计划。
在被看作短期内最有前途的认知计算应用之一的领域，IBM正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。该项目旨在减少医学解读DNA的时间，学习个人遗传信息，将从医学文献搜集相关资料的时间从几周缩减至几分钟。在此基础上产生的分析结果，有助于医生针对任意患者特定的癌基因突变做出诊断。只需几分钟，Watson就能完成对遗传物质和医学文献的审查过程，生成一份可视化数据报告，并以循证医学为基础，综合患者个人独特的基因，制定出可行的药物方案。临床医生可以评估这些数据，判定其治疗效果是否比标准方案更具针对性。
前沿认知科学的阐释和义务 应用型科学发展的下一环节是认知时代（The Cognitive Era），它有助于人类理解自然，改善人类的生存状况。由此来看，认知时代是一个老故事中开启的新篇章；围绕人工智能的争论只是其中一个最新的例子，是相信科学的人与害怕科学的人间争论的延续。与媒体和娱乐界的争论恰恰相反，科学领域的争论已有结果。追求认知性未来已成为共识，人们也普遍意识到有必要承担技术责任。 我们会继续塑造认知计算对工作和就业的影响。同所有技术一样，认知计算将改变人们的工作性质。认知计算将有助于更快速准确地执行一些任务。因而，许多处理过程会更便宜而有效。在有些方面，认知计算甚至比人类做得更好。这一现象自古以来一直存在：新技术具有更高的价值，让我们的社会和生活得以发展和进化。因此，我们有理由相信，目前正在发生的变化并不是先例。实际上，认知时代会为人类开启一个知识、发现、机会都以指数增长的世界。我们也有充分的理由相信，人类的工作将变得更有趣，也更具有挑战性与价值。
除此之外，社会的控制和保障也同样重要。这也涉及对智能系统的担忧。从汽车、药品到手机，每一项技术的转换都将涉及到个人和机构的安全问题。这些问题已迫在眉睫，已被目前激进的技术民主化以及随之而来的成本削减引爆。
我们相信，问题的答案不是试图限制民主化，而是要包容它，设计出助于隐私、安全和人工控制管理的认知系统。
为下一代的认知扫清障碍 最后，我们不仅仅要找出所有的技术革命，还应号召商业和社会需求推动技术革命。我们不能因为有能力而追求新的可能性，而因有以有所求来追求新的可能性。
每一项革命性的技术，在产生之初，由于世界的复杂性和认知有限，总是不被我们完全理解的。但认知限制必然会被技术进展所突破。我们一直在为有限的认知承担着昂贵的代价：我们不知患者的病因何在；不知产品销售渠道何在；不知道重要的自然资源藏何在；不知每一项的投资风险何在。 我们相信，世界上的许多难题在IBM终将得到解决。借助认知计算，我们会实现这一宏伟目标。
「人机大战」的夸大与炒作会让我们偏离主题，而那些情况只存在于那些激动人心却很具误导性的小说里。认知系统现在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是一种工具——深化重要的人与世界的关系。
通过认知计算，我们将为下一代人的认知扫清障碍。我们要用崭新而有力的方式思考与推理。认知系统的真正灵感源于人类大脑。同样的，认知系统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，能答百问不能称得上智慧，能提出真正的问题才是关键所在。
本文来源:IBM |
|
|
