數(shù)據(jù)：現(xiàn)在遠(yuǎn)比從前多得多

　　我們今天提到的認(rèn)知計(jì)算，實(shí)際上起源于20世紀(jì)50年代，它是一種有遠(yuǎn)見(jiàn)的努力方向，希望讓技術(shù)模擬人類(lèi)智能。雖然有些原始的AI技術(shù)在20世紀(jì)80年代已經(jīng)開(kāi)始商業(yè)化，但是直到21世紀(jì)，組成機(jī)器智能的 AI 和認(rèn)知計(jì)算能力，才算是真正的騰飛。

　　有三股強(qiáng)大力量共同驅(qū)動(dòng)著機(jī)器智能趨勢(shì)：

1、數(shù)據(jù)指數(shù)級(jí)的增長(zhǎng)

　　如今，我們創(chuàng)建和復(fù)制的數(shù)據(jù)，每12個(gè)月大小增加一倍。實(shí)際上，到2020年，全球的數(shù)字預(yù)計(jì)將達(dá)到44澤字節(jié)（zettabytes）。我們還知道，隨著物聯(lián)網(wǎng)，暗分析（dark analytics）和其他數(shù)據(jù)來(lái)源的激增，數(shù)據(jù)將增長(zhǎng)得更快。從商業(yè)角度來(lái)看，這種爆炸性增長(zhǎng)將轉(zhuǎn)化為比以往任何時(shí)候都更有價(jià)值的數(shù)據(jù)源。除了使用傳統(tǒng)的分析技術(shù)，這些大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及存在于深層網(wǎng)絡(luò)中的大量非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于機(jī)器智能的進(jìn)步至關(guān)重要。這些系統(tǒng)消耗的數(shù)據(jù)越多，它們?cè)诎l(fā)現(xiàn)關(guān)系，模式和潛在影響這些問(wèn)題上就會(huì)變得“更聰明”。有效管理快速增長(zhǎng)的數(shù)據(jù)需要更高級(jí)方法，來(lái)掌控?cái)?shù)據(jù)、存儲(chǔ)、保留、訪(fǎng)問(wèn)、情景和管理。

　　從聯(lián)網(wǎng)設(shè)備生成的信號(hào)，到所有業(yè)務(wù)所有功能中的歷史轉(zhuǎn)換數(shù)據(jù)中隱藏的字符行級(jí)別的細(xì)節(jié)，處理數(shù)據(jù)資產(chǎn)正在成為建造機(jī)器智能的一個(gè)關(guān)鍵組成部分。

2、更快的分布式系統(tǒng)

　　隨著數(shù)據(jù)量越來(lái)越大，分析越來(lái)越復(fù)雜，讓數(shù)據(jù)對(duì)個(gè)體用戶(hù)可訪(fǎng)問(wèn)的分布式網(wǎng)絡(luò)現(xiàn)在的能力已經(jīng)得到指數(shù)地提升。今天，我們可以快速處理，搜索和控制幾年前無(wú)法實(shí)現(xiàn)的數(shù)據(jù)。當(dāng)前一代的微處理器提供了的性能是1971年推出的第一個(gè)單芯片微處理器的400萬(wàn)倍。

　　這種能力使得高級(jí)系統(tǒng)設(shè)計(jì)成為可能，例如支持多核和并行處理的那些。同樣，它支持高級(jí)數(shù)據(jù)存儲(chǔ)技術(shù)，支持對(duì)歸檔數(shù)據(jù)的快速檢索和分析。正如我們看到的MapReduce、內(nèi)存計(jì)算和硬件優(yōu)化的MI技術(shù)，如谷歌的張量處理單元。技術(shù)正在進(jìn)一步優(yōu)化我們管理指數(shù)級(jí)數(shù)據(jù)的能力，使之更有效。

　　除了純粹的功率和速度的增加，分布式網(wǎng)絡(luò)的覆蓋范圍也越來(lái)越大。它們現(xiàn)在可以與駐留在云中的基礎(chǔ)架構(gòu)，平臺(tái)和應(yīng)用程序無(wú)縫連接，并可以消化和分析存在于那里的不斷增長(zhǎng)的數(shù)據(jù)。它們還提供分析和驅(qū)動(dòng)來(lái)自“邊緣”功能（如物聯(lián)網(wǎng)，傳感器和嵌入式智能設(shè)備）的流數(shù)據(jù)所需的能力。

3、更智能的算法

　　近年來(lái)，隨著機(jī)器智能算法變得越來(lái)越強(qiáng)大，實(shí)現(xiàn)認(rèn)知計(jì)算的最初目標(biāo)——模擬人類(lèi)思考過(guò)程，也獲得了穩(wěn)步的進(jìn)步。

　　隨著機(jī)器智能使用案例在接下來(lái)18至24個(gè)月內(nèi)不斷涌現(xiàn)，以下算法能力將可能在公共和私有部門(mén)中得到更廣泛的應(yīng)用：

　　優(yōu)化，規(guī)劃和調(diào)度：在更成熟的認(rèn)知算法中，優(yōu)化自動(dòng)化的、復(fù)雜的決策和在有限資源中進(jìn)行權(quán)衡。類(lèi)似地，規(guī)劃和調(diào)度算法設(shè)計(jì)一系列動(dòng)作以滿(mǎn)足處理目標(biāo)的要求并觀察約束條件。

　　機(jī)器學(xué)習(xí)：計(jì)算機(jī)系統(tǒng)正在通過(guò)數(shù)據(jù)來(lái)發(fā)展提高自身的能力，這個(gè)過(guò)程總不需要遵循直接的編程指令。在其核心，機(jī)器學(xué)習(xí)自動(dòng)地從數(shù)據(jù)中發(fā)現(xiàn)模型。一旦經(jīng)過(guò)確認(rèn)，模型能被用于做預(yù)測(cè)。

　　深度學(xué)習(xí)（Deep Learning）：開(kāi)發(fā)人員正在研究涉及人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，這是啟發(fā)自大腦的結(jié)構(gòu)和功能。其中，互相連接的模塊運(yùn)行數(shù)學(xué)模型，這些模型根據(jù)處理大量輸入得出的結(jié)果來(lái)進(jìn)行不斷微調(diào)。深度學(xué)習(xí)可以分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。

　　概率推理（Probabilistic inference）：使用圖形分析和貝葉斯網(wǎng)絡(luò)來(lái)識(shí)別隨機(jī)變量中的條件依賴(lài)性的新的 AI 能力。

　　語(yǔ)義計(jì)算（Semantic computing）：這種認(rèn)知類(lèi)別包括計(jì)算機(jī)視覺(jué)（分析圖像的能力），語(yǔ)音識(shí)別（分析和解釋人類(lèi)語(yǔ)言的能力），以及各種為了理解自然語(yǔ)言表達(dá)的意圖和計(jì)算內(nèi)容的語(yǔ)義的文本分析能力 。這些信息被用于數(shù)據(jù)分類(lèi)，映射和檢索。

　　自然語(yǔ)言引擎（Natural language engines）：自然語(yǔ)言引擎以人類(lèi)的方式理解書(shū)面文本，但它可以用復(fù)雜的方式進(jìn)行文本處理，例如自動(dòng)識(shí)別文本中提到的所有人名和地址；識(shí)別文本的主題；或者以人類(lèi)可以理解的方式提取出合同中的條款并制成列表。自然語(yǔ)言引擎通常可以分為兩類(lèi)，一是針對(duì)人類(lèi)語(yǔ)言的自然語(yǔ)言處理技術(shù)，二是針對(duì)創(chuàng)造自然語(yǔ)言輸出的自然語(yǔ)言生成技術(shù)。

　　機(jī)器人過(guò)程自動(dòng)化（RPA）：機(jī)器人軟件，或稱(chēng)“bots”，可以通過(guò)模仿人類(lèi)與軟件應(yīng)用程序交互的方式來(lái)執(zhí)行例行的業(yè)務(wù)流程。企業(yè)開(kāi)始結(jié)合采用 RPA 和認(rèn)知技術(shù)（如語(yǔ)音識(shí)別，自然語(yǔ)言處理和機(jī)器學(xué)習(xí)）來(lái)自動(dòng)化執(zhí)行基于知覺(jué)或判斷的任務(wù)，這些任務(wù)從前被認(rèn)為是只能由人類(lèi)執(zhí)行的。

機(jī)器智能如何創(chuàng)造價(jià)值？

　　對(duì) CIO 而言，轉(zhuǎn)向機(jī)器智能需要一種新的理解數(shù)據(jù)分析的方式。數(shù)據(jù)分析不僅僅是一種創(chuàng)建靜態(tài)的報(bào)告的方式，還是一種利用更大型、更豐富的數(shù)據(jù)庫(kù)來(lái)自動(dòng)執(zhí)行任務(wù)并提高效率的方式。在機(jī)器智能中，CIO 可以考慮的機(jī)會(huì)包括：

　　認(rèn)知洞察（Cognitive insights）：機(jī)器智能可以提供深入、可操作的洞察，不僅對(duì)已經(jīng)發(fā)生的事情，而且包括現(xiàn)在正在發(fā)生的事情和接下來(lái)可能發(fā)生的事情。這可以幫助企業(yè)制定程序來(lái)提高員工效率。例如，在全球的呼叫中心中，服務(wù)代表可以使用多功能的客戶(hù)支持程序來(lái)回答有關(guān)產(chǎn)品的問(wèn)題，接受訂單，調(diào)查定價(jià)，以及解決客戶(hù)的其他問(wèn)題。許多這樣的系統(tǒng)還需要工作人員在屏幕間來(lái)回跳轉(zhuǎn)以找到回答特定查詢(xún)所需要的信息。

　　認(rèn)知參與（Cognitive engagement）：機(jī)器智能價(jià)值樹(shù)的下一級(jí)是認(rèn)知智能體（cognitive agents），即采用認(rèn)知技術(shù)與人類(lèi)進(jìn)行交互的系統(tǒng)。目前，這項(xiàng)技術(shù)主要服務(wù)對(duì)象是消費(fèi)者而非企業(yè)。例如，認(rèn)知智能體可以相應(yīng)人類(lèi)的語(yǔ)音命令來(lái)降低恒溫器溫度或打開(kāi)某個(gè)電視頻道。但是，有可以從這種認(rèn)知參與中受益的企業(yè)業(yè)務(wù)，并且新的應(yīng)用領(lǐng)域開(kāi)始出現(xiàn)。認(rèn)知智能體將能夠接入復(fù)雜信息，執(zhí)行諸如處理患者入院，為用戶(hù)推薦產(chǎn)品或服務(wù)等任務(wù)。它們可能在客戶(hù)服務(wù)領(lǐng)域有更大的商業(yè)潛力。

　　認(rèn)知自動(dòng)化（Cognitive automation）：第三個(gè)，可能也是最具顛覆性的機(jī)器智能機(jī)會(huì)，是利用機(jī)器學(xué)習(xí)，RPA，以及其他認(rèn)知工具開(kāi)發(fā)深度的專(zhuān)業(yè)領(lǐng)域知識(shí)（例如，按行業(yè)、職能或地區(qū)區(qū)分），然后自動(dòng)化執(zhí)行相關(guān)的任務(wù)。我們已經(jīng)看到有機(jī)器智能的系統(tǒng)能夠自動(dòng)化執(zhí)行從前需要經(jīng)過(guò)訓(xùn)練的人力進(jìn)行的工作。例如，有醫(yī)療公司應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行醫(yī)學(xué)圖像的分析，在測(cè)試中，系統(tǒng)在判斷惡性腫瘤方面比人類(lèi)專(zhuān)家的能力高50%。

　　在教育領(lǐng)域，嵌入在在線(xiàn)學(xué)習(xí)程序中機(jī)器智能可以通過(guò)跟蹤學(xué)習(xí)者解題時(shí)的“心理步驟”來(lái)模擬一對(duì)一輔導(dǎo)，為學(xué)習(xí)者提供及時(shí)的指導(dǎo)、反饋和解釋。