欢迎光临“认知时代”

2016新年伊始，谷歌公司忽然宣布：其开发的AlphaGo软件可以和专业级别的围棋选手相抗衡。因为围棋的复杂性，此消息立刻引起了巨大反响，有人认为这是认知计算（Cognitive Computing）在现实应用中的重大进展，是机器学习和拟人思考的重大突破，若围棋失守，人类引以为傲的思维优势将不复存在。也有人工智能领域专家指出，谷歌以近乎娱乐化的方式，夸大了认知计算的现有能力，极易引起不明真相的人对人工智能和认知计算产生不必要的恐慌。

我不是技术专家，也基本不懂围棋，因此无法预测AlphaGo软件接下来与世界级围棋高手的对决结果，尽管一些专业围棋手已经悲观预计人类必败。我关心的是，虽然各界对人工智能的发展或威胁莫衷一是，甚至对认知计算的定义也有疑义，但种种迹象表明，2016年或将成为具有标杆价值的人类“认知计算元年”。

这首先体现在相关技术正在出现质的飞跃。比如，2011年2月， IBM 开发的高性能Watson计算机，在美国电视知识竞赛节目《危险边缘》中战胜人类选手获得冠军。当时IBM也宣称，这是认知计算技术的胜利，是计算技术走向新时代的启示录。此后诸多公司开始将人工智能或者认知技术应用于自动驾驶汽车、机器人和数字助手等方面。很多迹象表明，这方面的技术将在2016年有长足发展，正像《连线》杂志创始主编凯文·凯利在《哈佛商业评论》中国年会上强调的：“现在没有任何事情让它（认知计算）停下来。”

我是文科生，对认知计算的了解多停留于文字。专家们说，这是指一种能够规模化学习、有目的推理、并与人类自然交互的系统，是对新一代智能系统特点的概括。这包括IBM的Watson这样在功能层面具备人类的某些认知能力、能出色完成特定认知任务的计算系统，也包括在结构层面借鉴人类大脑的构造、重新设计出非冯·诺依曼体系（即：数字计算机的数制采用二进制，计算机应该按照程序顺序执行）架构的计算机，它们可以更有效地进行认知所需的运算。

这些概念看起来有点复杂，在技术专家看来并不重要，他们更在意的一个重要变化是：2016年将有可能成为认知计算改变商业、或者说是“认知商业时代”的元年。值得关注的是，IBM已经明确将认知计算应用在许多行业，改造行业中组织机构的业务流程、运营方式和管理机制，从而产生出全新的“认知商业（Cognitive Commerce）”。一个引起业界高度关注的变化是，2015年IBM 投资10亿美元组建了Watson事业部，CEO罗睿兰女士还在2015年底高调宣布：IBM 公司将整体转型为一家认知商业和云平台的企业。

这很可能并不只是IBM公司自己全新设定的一个愿景，而是意味着行业的历史性突破和变化。有人或许还记得，整整20年前，也就是1996年，IBM率先提出“电子商务”的全新概念，当时互联网热潮方兴未艾，所谓电商基本上无从谈起，但从当时的技术突破和应用前景来看，电子商务实际上已经呼之欲出，随后几年电子商务在全球的兴起，有力地证明了IBM惊人的技术前瞻和商业预判。

经过相关阅读和分析，我发现IBM这次转身是基于几个关键的行业判断：

其一：随着海量数据的积累和不断产生，数据本身已经代表着这个世界上最富有、最具价值、最复杂的虚拟原材料，其战略重要性类似于蒸汽机时代的煤和工业化时代的油。其二：企业高层领导大多想知道，他们是否充分发挥了企业内现有海量信息的价值。为此许多企业一直寻找更好的方式，试图从现有数据积累中获得价值，并在市场上赢得竞争优势。但是他们大多不得不望数据而兴叹，因为这些海量数据的大部分（一说是80%），无法按传统认知技术进行处理，惟有新的认知系统，能理解这些海量的“非结构化”数据，从而增强人类的能力，可以更好地理解和运作社会中复杂的系统。这种增强智能对提升我们驾驭科技的能力是十分必要的一步，让我们能追寻更多知识、提升核心能力并改善人类境况。

AI和认知计算改变世界的潜力

要说清楚认知计算，就不得不区别它和人工智能（AI）的关联与差异。谈及人工智能，有人会想到《终结者》在现实中上演：人类研制的全球高级计算机控制系统“天网”全面失控，机器人有了自己的意识，将人类视为假想敌，并发射核弹到地球的各个角落，杀死了几十亿人。余下来的人类在约翰·康纳的领导下，用有限的资源和武器与强大精良的机器人周旋作战……2015年，特斯拉CEO埃隆·马斯克曾用这部电影表达他对AI技术走向失控的恐惧。

这种恐惧大可不必。今天人工智能既是计算机硬件、网络和大数据的发展，更是研究思路和方法的巨大进步，在IBM高级副总裁约翰·凯利（John Kelly）看来，继续使用“人工智能”这一概念，已具有严重误导性。因此 IBM 用“认知计算”来概括在这个领域的最新发展（见《认知计算与传统人工智能的区别》）。

正在兴起的互联网大数据时代，越来越多的企业开始关注利用云计算、大数据、社交、移动等技术，以期推动业务的发展与创新。我们面临的挑战是，如何处理海量的非结构化和不确定的数据，并从这些数据中挖掘商业价值。为迎接这一挑战，以IBM Watson为例的认知计算技术应运而生，这些新技术趋势复杂且富有颠覆性。企业则需要将技术研发力量与自身业务发展紧密结合，在战略初期就充分考虑、设计并部署这些创新技术。技术研发力量与业务的融合正在成为企业释放新技术价值的重要前提。

IBM在Watson项目上花了14年时间，不断改进其计算能力；它是一种人工学习系统，能够消化大量信息并从中找出隐藏含义。除了在游戏节目中打败人类以外，它的最初用途还包括检查病人和医疗记录，以获得出人意料的诊断结果，这有点像电视剧《豪斯医生》（House）里的那个天才。它还可以被用来进行个性化网络购物，以及充当虚拟健康助手，通过提问来为人量身定制锻炼计划。

如今，大型科技公司都希望世界上最强大的计算机能像《愤怒的小鸟》一样普及，IBM扩大其标志性技术使用范围的做法就是其中最新的举动。这也显示出科技行业的变化速度之快，从需要耗资数百万美元来安装的复杂系统到现买现付的交易。仅仅几年前，还只有那些规模最大的公司才能承担这种费用，而现在连小公司乃至个人都有使用这项技术的机会。约翰·凯利说，“我所见过的一切事物，都比不上AI和认知计算所具有的改变世界的潜力。”

一切领域将被重新定义

从无人攻击机、自动驾驶汽车、机器人和大数据领域不断传来的进展，让企业决策层相信，这个领域会出现令人敬畏、不容缺席的重大突破。这个领域正在孕育一场技术和商业革命，作为计算机系统的“终极圣杯”，认知计算一旦实现，它给人类经济社会、生活方式和意识形态的影响，都将是无法估量的。

为此，我们需要将认知计算放到历史语境中，以更好地理解它的未来。科学家们告诉我，迄今为止人类经历过两个不同的计算时代——制表和编程时代。在人类的计算演化史中，认知计算是第三个、也是最具转折意义的时代（见图表《计算的历史与认知的崛起》）。

如果按照对商业管理的影响给科技划分级别，大致可以分为四级。最低一个级别当然是没有什么直接影响，比如具体软件开发里的一些技术进步、新的编程语言和新的压缩算法，一般来说它们对商业管理的直接影响非常有限，可以忽略不计。

第二个级别是效率性影响，就是不改变组织结构、工作方式和流程，而是加快效率，比如电子邮件、在线流媒体播放就是这样的技术。

第三个级别是结构性影响，就是新的 IT 技术改变了整个行业的协作结构，从而引发行业的破坏和重构，这个层面的技术影响非常之大，可以决定一个行业的兴衰。

在这个级别之上，还有更高级别的技术冲击。如果说互联网和电子商务是第三级的技术，认知计算将很可能是第四级的技术。这些技术变革一旦发生，传统商业的各个领域都将遭到“重定义”式的改变，就好比远洋航海技术之于世界贸易体系，热兵器之于战争，蒸汽机之于工业，以及计算机之于现代商业，在这种级别的技术变革面前，一切现有业务结构和规则都有可能被夷平重建。

认知计算的4大能力

科学家的进一步解释表明，认知计算之所以目前不为更多人知，主要是外界对其几大核心能力的感知不足。原因在以下简述：

1、辅助能力。在认知计算系统的帮助下，人类的工作可以更加高效。百科全书式的信息辅助和支撑，可以让人类利用广泛而深入的信息，成为各个领域的“资深专家”。比如在医疗领域，医生诊断一个疑难病症要花很长时间，而如果有认知计算系统的帮助，时间则会大幅缩短。

2、理解能力。非凡的观察和理解能力，可以帮助人类在纷繁信息中发现其内在的关联和涌现的趋势；面对海量的数据，虽然我们有搜索引擎这样的技术，但很多时候并不能如愿找到自己想要的信息。而认知计算系统具有接收、处理和理解声音、图像和语言的能力，能够更加聪明地和人类进行对话，更好地理解我们的需求，为我们提供相应的服务。

3、决策能力。企业制定发展战略，政府部门出台政策措施，都需要汇集和分析大量的信息，然后进行决策。认知计算系统则可以在决策方面为我们提供帮助。例如，对于目前面临的日益严重的交通拥堵问题，未来或许可以将城市的地理信息数据、人口数据和交通数据等输入电脑，然后由认知计算系统来向我们推荐缓解交通拥堵的方式。

4、发现和洞察的能力。帮助人类发现当今计算技术无法发现的新洞察、新机遇及新价值。现在的药品发现周期通常大约是12-15年，每类新药研发需投资数十亿美元，且失败率在90%以上。对于零售、医学及快速消费品等许多行业的公司来说，如何快速实现重大的新突破非常关键。

认知计算的真正意义在于，我们希望将来的计算机不仅通过编程的方式具备完成特定任务的能力，还能通过其具有的认知能力，像人类一样通过训练、启发、联想、思考，更方便地具备新的能力，成为人类助手或某领域的专家。

深度学习的革命

因为建造专门的认知系统成本非常高，建立通用的具有学习能力的系统具有特别现实的意义，尤其是当我们处在当前大数据的时代，可供学习的数据和信息越来越丰富。深度学习对认知计算系统的构造至关重要。

深度学习在维基百科中被定义为“一组针对具有多层输入结构模型而设计的机器学习算法”。其中所指的具有多层输入结构的模型，主要指深层神经网络，即包含多个隐藏层的人工神经网络。

深度学习，显然是更好的算法，能够处理未标记的数据，甚至未来有可能超越人类自然语言表达未能展现的认知系统。今天，机器学习算法的改进，至少可以分析更多种类的数据，结构化、半结构化、非机构数据。

得益于计算能力方面的突破，深度学习掀起了机器学习领域的一次革命。在语音识别、图像识别、自然语言处理等方面取得了一系列突破性的进展。深度学习的一大显著优势是能无监督地学习“通用”知识。例如在谷歌进行的一项关于图像识别的研究中，研究人员首先用大量没有标记的图片进行无监督的深度学习，目的是学习出能有效表示各种物体图像的抽象特征。在此基础上，利用少量的带有标记的训练图像，就可以快速学习出能检测相应物体（例如人脸或猫脸）的模型。

在深度学习中，你并不需要手工编程每个新算法，只需要在容纳海量数据的算法中输入数据就可以自行生成新算法架构。由于深层神经网络提取的高层特征能反映人类语音的共性，因此其他语言的数据也会对目标语言模型和训练产生积极的效果。这种学习抽象特征的能力与大脑的学习过程相似，是认知系统的重要部分。

市场格局：群雄逐鹿

认知计算的成功并不以图灵测试或模拟人类的能力作为判断标准。它的标准更加实际，例如投资回报率、新的市场机会、诊断治疗疾病以及拯救生命。认知计算将大数据从障碍变成机会，它的目标就是照亮以往我们世界中不为人知的部分，具体来说就是潜藏在非结构化数据中的模式和洞察，使得我们能够对更重要的事情做出更明智的决策。认知计算的真正潜力将会是机器的数据分析、统计推断能力，以及人类特殊能力，比如自我引导的目标、常识和价值观。这正是Watson被赋予的使命，也是它正在尝试做的事情。

Watson的成功仅仅只是一个开始。所有主流的云计算公司，加上数十家创业公司都在争先恐后地开展类似Watson电脑的认知服务。根据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅去年一年，就有322家拥有类似人工智能技术的公司获得了超过20亿美元的投资。Facebook和谷歌也为其公司内部的人工智能研究小组招聘了研究员。自去年以来，雅虎、英特尔、Dropbox、LinkedIn、Pinterest以及Twitter也都收购了人工智能公司。过去4年间，人工智能领域的民间投资以平均每年62%的增长速率增加，这一速率预计还会持续下去。

为了取得云计算——大量计算机服务器通过互联网相互连接领域的控制权，IBM正在与亚马逊、谷歌和微软等大型科技公司展开竞争，而Watson就是IBM的武器。在IBM谈论Watson相关讯息的同一周，亚马逊也把客户召集到拉斯维加斯参加会议，推出了被称作亚马逊网络服务（AWS）的云计算系统，这绝非偶然。尽管这场竞争仍然处于初期阶段，但它必将产生巨大的影响。

其他公司也在开发类似的项目。参加亚马逊大会的一家企业声称，它在亚马逊的云计算服务器上运行一个项目花了18小时，而用一台单独的服务器运行这个项目将需要264年。这个项目与寻找更好的太阳能组件材料有关，研发花销大约3.3万美元。相比之下，仅仅几年前，打造并运行一台类似的计算机估计要花6800万美元。但比起IBM Watson的问答认知计算，该项目更像是传统的超级计算。

在区分全新的认知计算和传统的超级计算之外，更多的分析集中于讨论更容易理解的人工智能的技术频谱。纽约大学认知学家盖里·马库斯（Gary Marcus）近期在《麻省理工科技评论》上发表文章表示：人工智能领域分化为两个阵营，其中一个是通过复制大脑的基本生物状态来创造智能机器，而另一阵营的目标则是用传统计算机和软件来模拟更高级的认知功能。如今，谷歌、微软和百度等大多数IT行业的领头羊公司都在致力于将人工智能商业化，它们的一个研究重点是深度学习，即大脑中的神经回路在接收到新信息会发生变化，深度学习算法就是对这种变化方式进行粗略建模。以IBM Watson为例的全新认知计算系统，则在处理海量数据方面的能力更强大，并能从相对少量的数据中获取更加深度的抽象概念，实现从“演绎”到“归纳”的拟人逻辑突破，从而可以靠机器进行推断和预测，帮助人们发现和识别数据中的新机遇和新价值。听起来很酷，是不是？

像人类一样思考

很多围观者将信将疑，但全新的认知计算的确开始在一些重要的垂直行业得到应用。例如在医疗保健、金融和物联网等领域，IBM致力于推动Watson的应用，并针对一些行业或公司的特定需求进行定制化调整，这是否是最严格意义上的认知计算未来，尚待观察，但这些应用所开启的全新认知商业，却足够吸引人。

医疗行业。专家们告诉我，认知系统的蓬勃发展，使得IT技术正在成为颠覆医疗行业的力量。一方面，难以承受的医疗开支，巨额的研发投入，短缺的专业人才行带来了种种经济和社会挑战。而另一方面，生活在日益数据化世界中的消费者，对医疗健康服务质量和便捷的要求越来越高。目前在世界各地，精准化个性化的医疗服务能大幅减少不必要的研发和治疗成本，也是大势所趋。

金融领域。银行家们告诉我，由于传统基于算法数据分析和人工处理信息能力的限制，银行通常无法充分发掘数据价值，这一度令一些银行决策者对更多的技术和设备投入产生怀疑。认知计算因此闪亮登场，因为认知技术能以数量级大幅延展认知计算能力，从而把大量金融数据激活，释放出新的商机。利用认知技术，金融机构能够提升人的专业技能和经验并大规模应用；员工能够更好地利用数据，银行业者获得改变运营和流程的新洞察，甚至推进组织变革。

物联网。互联网专家们更以不容质疑的口吻告诉我，物联网很快将成为全球最大的数据来源，然而其中近90%的数据尚未发挥应有作用。利用独一无二的感知、推理和学习功能，IBM Watson技术为企业、政府和个人创造机会，可以最终利用这些实时数据，将其与历史数据和专业知识库进行综合比较分析，然后寻找内在关联，形成新的洞察力，使企业和社会从中受益。

通过大量的了解，我基本确信，迄今为止，Watson显然是IBM强大认知计算技术转化而来的杰出系统代表，它几乎可以像人类一样“思考”，积累经验，不断跨界学习，具有高超的大数据分析能力，可以提高管理决策的可信度和准确性。如果其研究和优化趋势继续，这种技术的未来将涉及各种各样的、来自技术、科学和社会的挑战与机遇。Watson对于IBM来说，不仅意味未来会有数百亿美元甚至更多的新业务，更为重要的是，它实现了计算科学新的突破，为认知计算打开了一个新世界（见边栏《IBM Watson：认知计算未来的10大工作》）。

把商业交给认知计算

在最近的一系列交流学习之后，我基本相信：在接下来3到5年中，认知技术有可能会给不同行业、从业者和相关公司带来深远影响。这些技术可以、并且即将消除人们的一部分工作。但它们将重新定义人们的某些工作，创造新的职业机遇，为商业世界的各种利益相关者带来更高的价值。

IBM的 CEO罗睿兰女士此前曾表示：“大家都在谈何为一个数字公司。我们已经建立了一个含数据、云计算、移动性和安全性的基础系统。怎么才能与众不同呢？认知计算可以令贵公司与众不同。认知科技会在未来数十年大行其道。人类将从事以前没有从事过的工作，完成以前不能完成的事情。”

只要认知计算可以随人们的使用而逐步改进，IBM的Watson就有可能变得愈发聪明；它在任何情况中获悉的改进点，都会传送至其他情况中。它不是单一的程序，而是各种软件引擎的集合——逻辑演绎引擎和语言解析引擎可以在不同的代码、芯片以及位置上运行——这些智慧的因素将汇集成统一的“智能流”。

畅想一下，随着认知计算发展，未来智能机器会不会像《2001太空漫游》中的HAL 9000那样，是“类人的天才”：一些并不起眼的机器，帮你开车、翻译外语、整理照片、推荐娱乐选项，甚至诊断你的疾病。“所有我们之前电气化的东西，现在都要认知化，”凯文·凯利写道。相信他，我们和未来智能机器的关系，要比今天更加纠缠不清，机器会代替我们完成一部分脑力劳动，这真的好吗？

更大的震撼在组织和管理，企业领导们将面临着如何应用认知技术的抉择。这将决定企业员工是被边缘化还是被增强，决定着这些企业是创造全新价值还是仅仅消减成本。我相信，没有一套通用的选择，企业领导者若想引入认知技术，他们应当考虑哪些选择最适合他们的人才和竞争策略。

对我和许多人而言，认知计算还是一个新生事物，很难给它下一个精确的文字定义，何况重要的不是文字如何描述它，而是它能做什么，能带来什么变化。比如IBM曾经倡导的电子商务，无论之前有多少种定义争议，在商业实践中其实都不重要，重要的是有远见卓识者努力推进它的实现，让亿万消费者可以在网上买卖。同样，如何在文字上定义认知商业并不重要，最重要的是我们有要类似的远见卓识：未来面对几乎一切商业问题时，我们或许都可以让电脑帮忙出主意。

很神奇，对吗？欢迎光临人类认知计算和认知商业的元年！

何刚是《哈佛商业评论》中文版主编。