如今，认知计算发展到哪一步了？
编者按：“认知计算”如今正逐渐成为新一代计算中不可或缺的重要组成部分，因为我们现在尚处在这个计算新时代的前期，所以大众对于“认知计算”还没有形成一个清楚的认识——他们还不了解什么是“认知计算“，也不清楚它与其他相关、类似的内容（如人工智能、“物联网”、机器学习、会话系统、机器人和神经语言程序等）具体有什么区别。本文作者 Sue Feldman 对认知计算的发展状况进行了介绍和分析。
我们发现，无论是在美国还是在欧洲，许多公司都对“认知计算”十分感兴趣，不过其中大部分公司的兴趣还仅停留在实验及概念验证的阶段。在他们开发认知应用程序并将其更广泛地推向市场的过程中，我们将会持续跟踪研究其中的一部分项目。毫无疑问的是，这一开发和推广的利润十分可观；同时，自我增值、协助用户的能力，以及由静态系统转向动态系统的能力都具有相当大的吸引力。
最近，我有幸参加了一个由SAS研究机构赞助的、有关“认知计算”在美国国外的应用情况的专业座谈会。有来自丹麦、日本、芬兰、塞尔维亚、瑞典、瑞士、印度和爱尔兰的与会者参与了这次会议，他们代表了多个行业，包括金融服务、电信、消费产品制造商、政府机构和航空公司等。以下是从他们广泛、激烈的讨论中获取到的一些零碎信息：
你是如何使用，或者你希望如何使用认知计算？
自动修正和完善规则，从而加速适应进程
开发和完善最佳的业务实践及业务流程
侦测行为模式及异常障碍，识别危机漏洞
通过自动化处理可预测的工作内容，以提高我们人类的超负荷工作能力。
为什么要使用“认知计算”？（“认知计算”有何吸引力）
能处理大量的、包含更多变量的数据，尤其是文本数据；
降低了对人力的需求，缩小了人力规模；
始终领先于竞争对手；
发现更多惊喜
积极地发掘我们尚未得到的、来自“认知计算”的潜在效益；
摆脱了孤岛思维；
能够将可预测的或重复性的工作自动化；
能通过开发数字助理来提高人力的工作效率。
应用实例
“对话式”的产品销售。一家公司的创新实验室正在开发一款个性化的应用程序，它将会用机器学习的方法代替数百条商业规则和20个预测模型，并且机器学习能使这些模型以更快的速度完成业务规则的修订和完善。
一家公司正以数百个业务经理的个人知识阅历中发现和提取的最佳商业实践模式来建立全球性的KPI（关键业绩指标）。所以我们需要知道实践的内容是什么以及为什么这样做。
加速商业化进程。从一个单纯基于规则的进程发展成教会系统如何评估问题和减少延误。
另一家公司正在对支票使用规则和计量经济学模型进行跟踪研究和分析。他们的目标是向一个系统传授模型自动开发和修正的能力，用于支票的跟踪分析。通过在规则和计量经济模型之上的扩展，他们希望从进入量和非英语交流中增加人气。
通过识别行为模式来发现异常现象和预测风险，进而能更彻底、全面地对人和商品进行评估。
客户意见分析的工程之一——大数据研究，也就是为了在自动回应客户的时候表现得更加人性化。
一直以来，在任何情况下，完善现存的应用程序，并从认知计算体系的使用中发掘互联网的新益处都是所有参与者追求的目标。由认知计算应用导致的全新产品的开发，或者业务进程的剧烈变化，看起来都将不会带来应用普及所需要的、可观的商业利益。但是无论如何，我们还是希望看到在现存业务实践上的改变和完善。
注：本文由「图普科技」编译，您可以关注微信公众号tuputech，获得最新、最好的人工智能资讯。
