IBM：不是人工智能，而是认知商业

　　认知计算是模拟人的自然思维理解数据，归纳起来是三种能力的集合，即理解(Understanding)、推理(Reasoning)和学习(Learning)，简称为URL。

　　实现认知计算的第一步是理解数据，例如理解人的自然语言、图片的内容等等。以语音识别为例，在一个句子中，出现“苹果”一词，可能是指苹果公司或者它的产品，也可能是指一种水果。究竟是什么含义，这就需要准确判断出来。如果不能实现数据的理解，后面的分析也就无从谈起。这也是科技巨头都在花费大量精力研发语音识别和图像识别技术的原因。

　　推理是发现非结构化数据之间的逻辑联系。通过假设生成，能够透过数据揭示洞察、模式和关系。将散落在各处的知识片段连接起来，进行推理、分析、对比、归纳、总结和论证，获取深入的洞察以及决策的证据。在与美国知名作曲家鲍勃·迪伦的对话中，IBM沃森(Waston)仅仅花了几秒钟就判断出：“根据我的分析，你的歌曲主题大多是关于时光流逝和爱情枯萎的。”沃森能以每秒阅读8亿页内容的惊人速度从海量歌词中提取关键信息，再通过推理判断能力揭示海量歌词背后的“爱与痛”。推理是认知计算最为关键的一环。

　　学习是认知计算能够不断提升的保障。通过以证据为基础的学习能力,从大数据中快速提取关键信息，像人类一样进行学习和认知。可以通过专家训练，并在交互中通过经验学习来获取反馈，优化模型，不断进步。具备自我学习的能力，是认知计算与大数据等传统技术最为本质的区别。

　　布局行业认知平台

　　目前人工智能可分为两大阵营，一类是以谷歌Deep Mind通用型的人工智能平台为代表。该类平台的策略是突出程序和算法，优化运算能力。希望只需通过改变训练数据的输入，就可以在不同行业运用。如谷歌希望Alpha Go的平台，将棋谱变为癌症数据库，就可以实现癌症治疗方法的研究。

　　另一类是以IBM为代表，将人工智能技术与行业相结合的应用。在IBM看来如果说互联网时代的关键词是“颠覆”，那么人工智能的关键词就是“变革”，与行业经验的结合是未来商业的主流模式。

　　早在郭士纳主导的转型中，IBM就将咨询作为核心业务发展，这令IBM能够深入到各个行业内部积累行业知识，对行业的深度理解，是IBM与其他IT企业相比最大的竞争优势所在。

　　IBM深耕行业认知依靠的是沃森平台。沃森是一个具有强大认知功能基于云和开放标准的平台。沃森通过提供API使企业接入沃森平台获取认知计算服务。沃森的每个API可以实现一个特定的功能，通过不同API的组合，就可以实现多种认知计算的需求。目前沃森的API接近50个，主要包括潜在语义分析、情感分析、关系抽取、深度学习、知识提取注解、递归神经网络、问答验证等。在API的基础上，通过整合行业知识库，就可以针对每个行业，提供特定的认知计算服务，目前沃森平台主要的行业包括金融、制造、医药、零售、媒体等。

　　对于传统企业而言，也无需对人工智能的到来心怀恐惧，专注于自身行业经验的积累，选择合适的人工智能服务商合作，将人工智能用于行业价值的挖掘，将为企业带来无限的想象空间。