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。
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(Machine Learning)、深度学习(Deep Learning)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Intelligent Behavior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。
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(Machine Learning)、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(Deep Learning),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。