认知计算、大数据及人工智能革命

　　认知计算是通过与人的自然语言交流及不断地学习，从而帮助人们做到更多的系统，是从硬件架构到算法策略、从程序设计到行业专长等多个学术领域的结合，能够使人们更好地从海量复杂的数据中获得更多洞察，从而做出更为精准的决策。

　　在IBM，我们把它简化归纳为，具备规模化学习、根据目标推理以及与人类自然互动能力的系统。

　　认知计算与人工智能的区别是什么?

　　虽然认知计算包括人工智能的一些要素，但前者是一个更宽泛的概念。认知计算不是制造“为人们思考”的机器，而是与“增加人类智慧”有关，能够帮助我们更好地思考和做出更为全面的决定。

　　“欢迎光临机器人幼儿园，”Pieter Abbeel一边说着，一边打开Robot Learning Lab的大门。位于加州大学伯克利分校北边一栋崭新建筑7楼的这座实验室实际上挺乱的：自行车就往墙边靠着，杂乱无章的小隔间里面呆着十几个研究生，白板上写着一般人看不懂的公式。38岁的Abbeel是个身形瘦长的家伙，他下身穿一条牛仔裤，上面是一件宽松的T恤。2000年，他从比利时来到美国，在斯坦福攻读计算机博士。现在，在理解教会机器人智能思考所面临的挑战方面，他是全世界最重要的专家之一。但是首先，他得教会它们“思考”。“这就是为什么我们把这儿叫做幼儿园，”他开玩笑道。他把我介绍给Brett，这个6英尺高的人形机器人是曾经著名现已破产的硅谷机器人制造商Willow Garage的产品。几年前实验室把Brett弄了过来用作实验。Brett的意思是“用来干完沉闷任务的伯克利机器人(Berkeley robot for the elimination of tedious tasks)”，这个外表友善的创造物头扁扁的，用摄像头充当的眼睛隔得远远的，身材矮矮胖胖，跟人一样它也有手有脚，握爪就是它的手，轮子就是它的脚。现在Brett已经下班，站在实验室中央，它身旁是另一个还没上电的神秘安详的机器人。

　　人工智能的概念已经有二十多年了，人工智能从历史和研究角度来讲主要目的是为了让机器人表现得“更像人”，我们称之为Intelligent Behavior。

　　IBM的认知计算从技术角度上来讲和人工智能是有很多共性的地方，比如机器学习(MachineLearning)、深度学习(DeepLearning)等方面都很类似。

　　但是，IBM的认知计算目的并不是为了取代人，而IntelligentBehavior也只是认知计算的一个维度。认知计算除了要能够表现人和计算机的交互更加自然流畅之外，还会更多地强调推理和学习，以及如何把这样的能力结合具体的商业应用、解决商业的问题。

　　附近的地板上有一箱玩具，里面有木锤、塑料玩具飞机、还有一堆乐高积木，这是Abbeel和他的学生对Brett的教学道具。不过Brett只是实验室众多机器人当中的一员而已。在另一个隔间，一张椅子背面的吊带上悬着一个18英寸高的机器人。在地下室下面还有一个工业机器人，它每天都要在一个相当于机器人沙盒的东西里面玩几个小时，为的只是想看看它能教自己什么东西。街对面的另一间实验室里，一个手术机器人正在学习如何缝合人的肉体，与此同时，一位研究生正在教无人机如何聪明地躲开物体。“我们不希望无人机撞到东西从天上掉下来，”Abbeel说：“所以我们正在教它们学会看东西。”

　　认知计算和大数据分析有何区别?

　　大数据分析属于认知计算的一个维度。与大数据相比，认知计算的范围更广、技术也更为先进。

　　认知计算和大数据分析有类似的技术，比如大量的数据、机器学习(MachineLearning)、行业模型等，大数据分析更多强调的是获得洞察，通过这些洞察进行预测。此外，传统的大数据分析会使用模型或者机器学习的方法，但更多的是靠专家提供。

　　对于认知计算而言，洞察和预测只是其中的一种。但是，认知计算更为强调人和机器之间自然的交互，这些维度都不是传统的大数据分析所强调。

　　此外，认知计算目前成长很快的一个领域为深度学习(DeepLearning)，它的学习方法与传统方法不同，更多的是基于大量的数据通过自学的方式得到这样的模型，而不需要很多的人为干预，这个从学习方法来讲和大数据分析有很多不同的地方。