[翻译]Primer on Cognitive Computing(认知计算入门)

Source

Kelly J., Primer on Cognitive Computing 20150216.

侵删，联系方式：zhoujiagen\@gmail.com。

按A candidate solution for Java Web Application - current session中涉及内容，拼图还缺推荐和认知步骤。

这篇文章就Cognitive Computing的讨论偏向于商业的决策支持，与原计划中领域知识认知步骤(模型)中认知存在一定的区别，虽然没有进展，但有效的排除了一个相关词汇还是有意义的。

Content

现代分析技术很擅长对历史结构化数据的分析和可视化。想知道按邮编和生产线，上个季度公司卖出多少产品？没问题。市场上不缺少支持这类任务的交互式操作界面和可视化工具的数据仓库和商业智能工具。

但如果不仅仅关心公司的销售情况，还需要关注顾客对产品和公司的感觉(feel)时如何处理？不仅如此，还需要预测顾客将买(或不买)公司的产品，或者选择竞争者的产品该如何处理？同时，需要获得为充分利用(或避免)前述行为公司下一步应该采取的措施又该如何处理？事情变得复杂了。

这两个现象的区分线在于，前者(现代分析技术)要求公司内部数据(销售和仓库位置数据等)的回顾式试图和一个相对直接的可视化结果展示工具；后者要求持续处理和分析大量无结构化数据和内容(社交媒体流、新闻报道、顾客反馈论坛)，以生成预测性(predictive, 将发生什么)、指导性(prescriptive, 对某一情况应该做什么)分析结果。

这就是认知计算(cognitive computing)起作用的地方。尽管不存在一致的定义，本质上认知计算是一类高级分析，尝试模拟人脑功能，其规模超出单个人脑所能处理的范畴。尽管认知计算系统及其复杂，但它们需要一些基础性的构建模块，包括：

大量数据 尽管数据的类型依赖于特定应用，所有的认知计算系统需要大量的数据，通常是无结构化文本数据，系统在数据基础上应用多种分析技术。

数据存储和处理 数据需要存储，这意味着认知计算系统必须有一个可扩展的、灵活的存储层。

机器学习 不需要人工干预，机器学习算法从数据分析结果中学习和调整，以优化模型产生闭环的反馈系统。

自然语言处理 自然语言处理(Natural Language Processing, NLP)是理解人类交流细节的分析技术，用于解释口语和文本数据，以执行预测性和指导性查询。

尽管认知计算概念不是很新，一些在该领域的工作已经取得了重要进展。例如，大规模数据处理和存储的新方法，如Hadoop，简化了认知计算参与者在管理大规模无结构化数据上的工作。同时，每天产生的大量无结构化数据需要机器解析和解释。

除个别情况外，大多数认知计算系统的目标并不是在决策制定处理上彻底的替换掉人类，而是作为人类决策制定的补充，以产生无论是认知计算系统还是人类自身均无法具备的分析能力。

现实案例

尽管认知计算还处在起步阶段，已经有一些成功了应用了。这包括Durkheim项目，一个非盈利性倡议，预期建立帮助心理健康专家确定战后综合症患者自杀风险的认知计算系统。

这个项目由来自认知计算公司Patterns and Predictions的Chris Poulin主持，由DARPA赞助，产生的系统在从患者社交媒体挖掘的文本数据上应用机器学习算法。系统理解患者在社交媒体上发布和分享的内容，并对自杀风险评分。在实际应用中，系统可以在患者采取极端行动前通知心理健康专家，以对患者提供一些治疗干预。

Craig Bryan博士(Utah大学National Center for Veteran Studies副主任，Durkheim项目顾问)指出，认知计算系统有帮助心理健康专家的潜力，特别的，可以帮助心理健康专家分析大量的数据。

Bryan博士在近期采访中说：
当然局限性在于，作为人类只能做这些，我们预先假设知道风险的指标，我们只观测这些指标。就认知计算技术我们能做的，当然是更快的分析大量的数据集，可能揭示对人类来说不是那么符合直觉的指标。

认知计算系统在其他领域的可应用性是重要的。考虑：

医疗 除心理健康场景外，认知计算系统可以广泛的应用于医疗临床和研究。在临床应用中，认知计算系统可以帮助医生和护士分析大量的电子医疗记录，这些记录通常包含文本临床笔记，以更好的诊断和治疗患者。在研究应用中，认知计算系统已经用于帮助药品研制员挖掘和理解单个研究人员无法处理的文本研究资料。

安全 认知计算系统帮助USA政府部门分析社交媒体，以确定罪犯和预测受恐怖袭击的概率。大型企业可以使用类似的方法确定和阻止潜在的灾难性事件发生。

零售业 因薄利润空间，各类零售商总在关注其竞争者。认知计算系统系可以帮助零售商通过分析社交媒体订阅流、博客、新闻报导和其他文本数据源，更好的理解顾客和潜在顾客。NLP技术也能用于提升用户体验，允许用户用自然语言查询产品。

这仅是认知计算能够产生显著效果的三个领域，其他领域包括金融服务、保险业、房产业和服务业。

厂商展区

自201501，认知计算厂商生态圈很小但很活跃。这包括直接销售企业用认知计算系统的厂商、利用认知计算技术支持产品和服务的厂商。认知计算领域的厂商包括：

IBM IBM Watson是现市场上最广为人知的认知计算系统。它在2012Jeopardy!电视节目中一炮而红。之后，IBM快速将Watson商业化，并在2014末云服务化。作为通用的认知计算系统，Watson早期的成功出现在医疗领域。

Patterns and Predictions 该公司提供的认知计算系统Predictus，像Watson一样可以应用于多种场景。例如，Centiment是基于Predictus的应用，分析文本金融数据源(Bloomberg的新闻报导等)，提供股票风险预测评分。投资者们使用Centiment避免风险、确定潜在有利投资机会。

Google Google在201401开启认知计算项目DeepMind。Google将DeepMind中NLP技术应用到其核心的搜索产品中，使搜索系统可以理解自然语言查询。Apple在Siri中也使用了NLP技术。

结论

尽管认知计算有一些重要的承诺，但企业在引入该技术时面临一些挑战。这些挑战包括隐私和管理因素、执行者和一线工人因新分析驱动的决策制定带来的威胁而产生的阻力，缺乏成熟的前端工具和应用来帮助非专家用户与认知计算系统交互。

However, Wikibon recommends that both IT and business practitioners begin to evaluate cognitive computing systems and identify potential high-impact use cases in their respective enterprises (though mindful of potential risks.) While the technology is still maturing, there are already a number of use cases in which cognitive computing systems can deliver significant value today and early adopters increase their likelihood of realizing significant competitive advantage from the use of cognitive computing systems over more risk-averse organizations.