人工智能 (AI) 会取代人类吗？

人工智能 (AI) 已经存在于许多应用中，从你每天使用的搜索算法，和工具到残障人士的仿生肢体。认知运算是 IBM 使用的术语。然而，计算机并不是真正的认知。什么是人工智能和认知运算，各种形式的人工智能是如何使用和发展的？

人工智能以多种形式和方式存在了很长时间。近年来，人工智能的一些领域取得了重大进展。总的来说，这并不意味着人工智能发展得那么快，只是那些领域。其中一些越来越多地用于数字化转型的不同领域。

目录 人工智能和认知运算

一些人没有谈论人工智能(AI)，而是用认知运算等术语和概念，来描述当前的人工智能创新和加速浪潮 —— 尽管定位有所不同。其他人则专注于人工智能的几种现实应用，这些应用通常以「智慧」 （在与物联网和人工智能相关的任何事物中无处不在） 、「智慧」、「预测」，以及实际上是「认知」等词开头，取决于具体的应用和供应商。

人工智能对于工业 4.0、信息管理、数位健康和生命科学、大数据分析、安全（网络安全和其他）、各种消费者应用、下一代智慧建筑技术、金融科技、预测性维护等领域非常重要，机器人技术等等。换句话说：在数据和信息必不可少的非常多样化的领域。

最重要的是，人工智能被添加到包括物联网在内的其他几项技术中，以在多个应用和流程中，释放这些技术的全部价值。

人工智能的历史问题 —— 认知更好吗？

有很多原因导致一些供应商怀疑将人工智能一词，用于 AI 解决方案/创新，并经常将它们打包成另一个术语（相信我们，我们一直在那里）。

人工智能 (AI) 是一个在一般认知中，具有某种负面含义的术语，但在技术领导者和公司的认知中也是如此。

一个主要问题是人工智能 —— 它实际上是一个广泛的概念/现实，涵盖了许多技术和现实 —— 已经成为一种东西，就像我们谈论的「云」或「物联网」一样，也似乎需要对流行文化有意见/感觉，这要归功于流行文化。好莱坞喜欢人工智能（或者更好：超级智慧，不一样）。它制作了优秀的科幻大片和电影，其中机器人等非人类「事物」接管了世界。

面向消费者行业的快速成长的人工智能技术，包括聊天机器人和虚拟个人助理(VPA)以及智慧顾问。

人工智能是一个如此广泛的概念，这一事实导致人们对它的确切含义产生误解。有些人在谈论人工智能、深度学习或文本挖掘时，实际上是在谈论机器学习，不胜枚举。其他人基本上谈论分析，在世界末日电影场景中，一切都变得复杂，包括机器人技术和超级智慧。在大多数情况下，我们真的在谈论某种形式的人工智能。

这种现象与人工智能未能实现之前「流行浪潮」 （可追溯到上一个千年，见本报导下方的方框）的预期相吻合，并且作为一个概念、研究领域和集合来说，真的是很古老技术 - 使其对许多供应商的吸引力降低，因为显然人工智能技术和应用，以及期望已经发展，尽管比我们这样的人相信的要少。

尽管如此，深度学习、图像辨识、假设生成、人工神经网络，它们都是真实的，并且部分用于各种应用。据 IDC 称，认知运算是其第三个平台之上，六个创新加速器之一。你会注意到 IDC 也谈到了认知（本报导将进一步了解认知系统作为创新加速器的意义）。

人工智能在许多技术和社会领域的使用速度越来越快，尽管供应商对「它」可以做什么大肆宣传。尽管如此，在特定领域对人工智能形式的日益关注，和采用引发了关于我们希望它在未来走多远的辩论。

著名的技术领导者已就危险发出警告，并成立了智库和协会，来思考和关注人工智能（和机器人技术）的长期影响，讨论人类的未来和超级智慧的影响，但也更密切地对于今天的担忧，自动化/人工智能/机器人对就业的影响。无论如何，它再次增加了这种成分的组合，为强化人工智能一词的负面含义创造了条件 —— 并且随着当前的政治转变，显示出整体的自动化/数字化。

如果谈论「智慧」、「认知」或「智慧」任何东西，让我们感觉更舒服，那就这样吧。更重要的是人工智能如何在这里，以及越来越多地出现，它为什么在这里，它如何提供帮助和使用，以及它对你意味着什么。

上下文中的人工智能：它如何与其他转型技术交互

当人们试图解释人工智能，已经以某种形式存在很长时间时，他们通常指的是为谷歌搜索技术提供动力的算法。或者行动设备上的大量应用 app。严格来说，这些算法与人工智能并不相同。

例如，还要考虑语音辨识，或者辨识技术、产品推荐，甚至我们玩的电子游戏。当然还有很多例子，取决于行业或职能。例如，营销使用大量具有人工辨识形式的平台：从社交平台中的情绪分析，到数据驱动营销解决方案中的预测能力。

所以，人工辨识是很多东西。Narrative Science 的研究图表，显示了更广泛的 AI 生态系统中的各个领域，从文本挖掘到深度学习和推荐引擎。后者是每个人都知道，或至少在推荐引擎无处不在的情况下使用的东西。然后有所有这些应用，例如 Uber、Airbnb 等，它们分别将你与附近的 Uber 司机和 Airbnb 的住宿地点联系起来 —— 由 AI 提供支持。

要了解 AI 在当今和未来的商业，和社会环境中的作用和当前浪潮，重要的是要查看大重叠总称下的现实和技术。在大数据、非结构化数据、整合和数位化转型的背景下，看待当前的人工智能浪潮也很重要。

人工智能 —— 也许不是这个词 —— 现在变得如此热门的原因之一，是它非常适合 —— 甚至是不可或缺的推动者 —— 其他技术及其提供的可能性。有时你只需要人工智能技术。

第三平台技术与人工智能的互联互通

由于我们没有重新发明支持，和加速数字化转型，和创新的技术列表的冲动，我们将使用 IDC 前面提到的著名的第三平台，尽管你可以使用许多其他平台。

这个所谓的第三平台的基础包括 4 套技术，这些技术相互关联，实际上也与人工智能有内在联系。

提醒一下：现实应用中技术和流程的高度互联性，是我们所谓的数字化转型或 DX 经济的核心特征。

这些技术集中的每一个（它们也不是事物，但正如人工智能由多种技术组成，更重要的是，应用和后果）都是数字化转型的技术驱动力。

在这 4 个基本集合或支柱（在人工智能、行动性、社群和大数据分析中必不可少的云端运算）之上，还有我们之前使用的所谓创新加速器。

这些又是各种各样的 —— 而且越来越多 —— 推动数字化转型的技术，和技术创新集，所有这些都与人工智能固有地结合在一起，实际上有些甚至接近于人工智能的同义词。

认知系统：创新加速器

正如你在第三个平台的图像中所见，这些创新加速器之一，就是所谓的认知系统技术本身。

认知运算实际上，是一个主要由 IBM 推广的术语，用于描述当前的人工智能浪潮，特别是机器学习，具有目的、适应性、自我学习、情境和人机交互的扭曲。人类是这里的关键，毫无疑问，它也比所有那些与人工智能相关的世界末日电影场景，更容易消化。

从本质上讲，认知系统使用诊断、预测和规范分析工具分析，由连接设备（不仅仅是物联网）创建的大量数据，这些工具可以观察、学习并提供见解、建议甚至自动化操作。你可能知道，IBM 观点的一个支柱是 IBM Watson，我们将在下面讨论。

严格来说，「认知运算」一词是一个难题。例如，认知还包括潜意识，这实际上是认知的主要部分。尽管这会让我们走得太远，但需要指出的是，IBM 确实夸大了其「认知」平台 Watson 可以做什么。确实是营销。人们有一些人工智能无法理解的典型特征。一个简单的例子：据我们所知，我们仍然是唯一知道它存在的物种（在人类知识能够知道的范围内，与超人类主义者讨论的更多内容）。人类的情绪也不仅仅关乎大脑和智力。情感，通常是非理性的冲突，不能被简化为数学，把人比作机器的整个比较确实是有缺陷的。

认知运算和人工智能推动数字化演进

人工智能适用的其他创新加速器包括物联网。在这里，人工智能和认知运算或认知系统也无处不在。

人工智能和物联网

一旦你开始连接你需要的一切，API、连接器、信息分析技术和「嵌入式智慧」，本质上是使这一切成为可能的代码。

此外，真正关乎自动化和信息的物联网（除此之外还有一层可能性，例如，增强客户体验或让生活更轻松）增加了大量数据、大数据（其中一个第三平台的四个支柱）到已经爆炸的数位数据世界。所有这些数据中的大部分都是非结构化的，需要转化为知识和（自动化）操作，因为好的旧的基于规则的信息管理方法，根本无法处理它（记住 DIKW 模型）。猜猜需要什么才能使其成为可能，甚至使物联网的所有其他方面成为可能？确实：人工智能。

安全的未来也是智慧的 —— 网络安全中的人工智能

我们不会涵盖所有其他创新加速器，除了一个：下一代安全。

你还记得网络安全曾经 —— 而且现在仍然 —— 被视为一系列「防御性」解决方案和方法（从策略到防火墙和防病毒应用等技术）吗？嗯，情况正在改变。

安全正在变得更加全面，也在不断变化的安全边界中，着眼于人的方面和所有元素。但最重要的是：网络安全业务策略正变得更加积极主动，在网络攻击发生之前，预测网络攻击的技术需求量很大。他们使用什么：确实，人工智能，不是在「大重叠」人工智能的意义上，而是在检测数据中的模式（以及潜在的攻击）并根据这些数据采取行动。然而，人工智能也是一个安全问题。在工业环境中备受瞩目的攻击中，恶意软件中发现了 AI 模式。当深度学习出现在这里时，这是一个非常可怕的地方。

数据和分析时代的认知和人工智能

人工智能和认知，不仅仅存在于创新加速器层中。如前所述，第三平台的四大支柱也非常重要，它们正在推动和实现数字化转型，就像它们改变了我们、企业和消费者的行为、工作和创新方式一样。

我们已经在这种情况下提到了大数据：越来越多的非结构化数据。解决方案：人工智能。此外，大数据本身并不是问题的症结所在。多年来，我们都知道大数据分析最重要。将数据转化为结果知识、行动、洞察力等。分析部分非常重要，IDC 将大数据支柱称为大数据/分析支柱。这些分析需要什么？确实，又是人工智能技术。事实上，分析在很大程度上也是所谓的认知系统的全部内容。

人工智能/认知和非结构化数据/内容

图片很清晰。但这在实践中意味着什么？让我们再次使用数据。

最后，3d 平台的其他支柱和推动数字化转型的技术，在很大程度上与数据有关。云、行动性、社交业务和协作……

非结构化和半结构化数据，正在推动信息处理和分析的复兴，催生了新一代的工具和功能，这些工具和功能有望为世界各地的消费者和知识工作者提供智慧帮助、建议和建议。

我们之前提到过数据世界如何爆炸式成长，非结构化数据的成长速度比其他数据快得多（严格来说，所有数据都是以一种或另一种方式结构化的，但在考虑结构化数据时，主要考虑文本、图像等）。这主要是由于行动数据流量和物联网（看看它是如何连接的？）。

这种现像也不是什么新鲜事，至少从 2000 年就已经预测到了。关于非结构化数据的确切含义，以及它与非结构化或半结构化数据的不同程度存在争议。简单地说，非结构化数据是你从物联网传感器、社交媒体（再次与四大支柱之一的链接）、文本文件（电子邮件）等获得的所有数据。几年来，据估计 80% 的数据是非结构化的，而且随着非结构化数据量的快速成长，这一比例似乎还在成长。

各种形式的数据 —— 非结构化数据需要人工智能来实现商业意义

例如，非结构化数据的典型特征，是它没有预定义的数据模型，而你对位于关系数据库中的数据，则拥有这种模型。非结构化数据和内容本身，没有意义或上下文关联，因为原则上我们不知道它是什么。

它有多种形状和形式，来自多个来源，并且通常是文本密集型的 。从需要数字化的纸质文档到 Twitter 消息或电子邮件，这也是非结构化数据/内容的主要来源。正是在这里，我们再次看到了各种人工智能技术，例如智慧文档辨识或 IDR、文本挖掘、自学习知识库技术、机器学习、自然语言处理和整个认知运算方面。

事实上，如果你查看 IBM 著名的 Watson 平台页面，你会读到，引用「IBM Watson 是一个使用自然语言处理和机器学习，从大量非结构化数据中揭示洞察力的技术平台」。在信息管理方面，我们在上述 IDR 应用、客户服务信息的自学系统、信息路由流程、预测分析和自动化流程（例如自动贷款申请分类）中发现了人工智能。

人工智能的价值 —— 结论和下一步

人工智能对于许多技术和业务的发展来说，将是非常重要的。而且，是的，它是数字化转型的众多推动力之一。

我们应该辩论我们能走多远吗？是的。但我们真的需要知道我们在说什么。你可以在我们关于人工智能、它的危险和人类未来的辩论的报导中，了解更多信息，基本上围绕着超级智慧展开。

期待更多报导，包括深入了解人工智能/认知的过去、存在和未来 —— 以及人工智能的各种应用和「形式」。

因为，正如所说的，人工智能不是一回事。正如 Roland Simonis 在第三部分中解释的那样，仅看看使用 AI 和认知的一种情况，即智慧文档辨识，有多种形式的人工智能，例如语义理解、统计聚类和分类算法，例如 SVM、贝叶斯和神经网络 AIIM 的部落格系列，在得到他的许可后在这里转发，他在其中讨论了 AI 如何帮助解决信息和大数据挑战。

现在，让我们说，让人们找到更好的东西的算法，显然没有害处（事实上，如果你看看搜索智慧仍然有多差，我们希望它有更多的智慧）并且有拥有一个可以帮助你更快更好地处理和理解信息，以改进任何值得改进的系统，例如客户服务（IDR 应用和知识库技术的使用越来越多），以及网络安全或人们的健康，仅举几例，这并没有什么坏处.

但人工智能作为一个「整体」，并不像我们倾向于相信的那样，随着人工智能在商业和人工智能中的广泛应用，机器学习和深度学习越来越多地，与相关技术结合使用，从先进的从分析和物联网到机器人技术等等。

人工智能的浪潮

尽管有些人在过去对 AI 的诞生看得更远，但 1950 年代确实是第一波浪潮开始的时候。人工智能作为一个概念的创始人之一，是美国计算机科学家和认知科学家约翰麦卡锡博士。据信，他还创造了这个术语，并将人工智能定义为「制造智慧机器的科学和工程」。在 1956 年麦卡锡出席的一次会议之后，第一波真正起飞，主要集中在研究上。除了 McCarthy 之外，这些研究人员中的许多人在早期的研究时代，已经成为家喻户晓的名字，今天仍然如此。其中包括：Marvin Minsky、Herbert Simon 和 Allenn Newell，仅举几例。

麦卡锡和他的同行的想法，以及多年的研究和初步发展，导致了 1980 年代的第二次人工智能浪潮，这主要归功于专家系统的成功，其中包括 PC 和客户端-服务器模型。

第三次浪潮发生在 90 年代末和 2000 年初，从人工智能在不同领域的具体应用的角度来看，人们更加关注。最重要的是，网络取得了成功，这也导致了一些炒作和预测，并没有真正兑现他们的承诺。网络的普及和使用确实引起了轰动。那些日子我们在一家出版社工作，作为出版商，公司的主要杂志之一，Inside Internet，有几篇来自各个大学的人工智能研究人员的文章，这些文章都尝试过现实生活中的应用。人工智能再次引起了很多争论，并变得流行，当时也在全球发行的杂志中，如 Wire。

不幸的是，炒作又大了。也是在那些日子里，人与机器的融合变得越来越流行（化）。例如，在 1999 年，我们有机会采访了 Joël de Rosnay，他出版了一本关于新生的全球超级有机体 cybiont 的书，该有机体将真正了解人类、技术和一切相互关联的生态系统中的「共生人类」。现在听起来很熟悉，不是吗？更多关于 de Rosnay 的观点和观点 - 以及其他人的观点 - 显示了在本报导中，如何将日益成长的相互联系，视为当时的重大承诺。

会能浪潮是人工智能技术，在新应用中的快速采用之一，其驱动因素包括云、更快的处理能力、可扩展性、大数据、物联网、各种公司在一个技术在多个应用和行业（自动驾驶汽车、机器人技术、聊天机器人的兴起等）中不断完善的空间，最后但同样重要的是，市场对智慧和智慧技术的需求，以利用新技术、信息息的潜力和数位化转型。

一般来说，所有这一切的主要驱动因素和共同线程是数据泛滥。简单地说，如果没有人工智能，数据与数据没有太大关系。高级分析、传统孤岛存在领域的可预测性，以及基于历史数据的决策、处理非结构化数据，就是其中的一些例子。最后但并非最不重要的一点是，特定形式的人工智能也取你阅读本报导时，随着事情的加速，我们将会有新的发展。

尽管有「良好迹象」，但这一浪潮是否会带来真正和持续的业务发展，仍有待观察，下一波浪潮以及关于未来人工智能「伦理」、安全和「位置」的讨论越来越多。「人工智能和机器人接管人类视野」和超级智慧的进化 —— 而不是人工智能作为模仿人类大脑的可能性 —— 是真正值得关注的问题，值得关注。

很明显，人工智能确实不是什么新鲜事物，但已经发生了很大的变化，并且比以往任何时候都受到更多的关注。它变得无处不在，改变了我们工作、生活和经商的方式。与机器人技术（以及 3D 打印、物联网等现象）一起，人工智能再次成为一个越来越受争议的话题。不过，这波浪潮不是最后一波，甚至在很多方面都与上一波非常相似，而且炒作非常响亮。