认知计算

人工智能、机器学习和认知计算入门指南

几千年来,人们就已经有了思考如何构建智能机器的想法。从那时开始,人工智能 (AI) 经历了起起落落,这证明了它的成功以及还未实现的潜能。如今,随时都能听到应用机器学习算法来解决新问题的新闻。从癌症检测和预测到图像理解和总结以及自然语言处理,AI 正在增强人们的能力和改变我们的世界。

现代 AI 的历史包含一部伟大的戏剧应具有的所有要素。上世纪 50 年代,随着对思维机器及阿兰·图灵和约翰·冯·诺依曼等著名人物的关注,AI 开始崭露头角。尽管随后经历了数十年的繁荣与萧条,并被寄予了难以实现的厚望,但 AI 和它的先驱们仍然一直在努力前行。如今,AI 展现出了它的真正潜力,专注于应用并提供深度学习和认知计算等技术。

本文将探索 AI 的一些重要方面和它的子领域。我们首先会分析 AI 的时间线,然后深入介绍每种要素。

现代 AI 的时间线

认知计算揭开计算新时代序幕?路漫漫其修远兮

据Techopedia报道,人类总是想要从生活中获取更多,计算系统也在这些预期范围之内。最初时,计算机只能汇总数据,接着只能去做编程安排它们去做的事情。但我们从未放弃去创建新的计算系统,它们无需人类帮助就能找到问题的解决方案。从很多方面看,这种计算系统的行为越来越像人类大脑。它被称为认知计算,也标志着新计算时代的开始。

认知计算也属于人工智能(AI)的范畴,为此认知计算也具备AI的某些特征,可是依然有很多AI功能无法被融入到认知计算中。毫无疑问,这种技术取得巨大进步将对我们的生活产生前所未见的影响。可是,计算系统模仿人类大脑的能力也受到许多人的怀疑。正如神经学家所说,人类大脑高度复杂,拥有很高的智慧。在当前状态下,认知计算只能模仿人类大脑很少的能力。

何为认知计算?
认知计算是计算系统模仿人类大脑的能力。人类大脑可以接收和储存不同形式的海量数据,比如文字、视觉、声音、数字以及对话等。当需要时,人类大脑可以处理输入,并找到当前问题的解决方案。认知计算系统也可以执行类似任务。

从大数据到认知计算,未来需要更强的计算能力

认知计算是IBM提出的概念,认为“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。IBM清晰地把认知计算定义为——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。

同步内容