认知计算

认知计算代表了人工智能 (AI)领域，致力于创建模拟人类思维过程的系统，以解决复杂和模糊的问题。与为特定、狭窄任务设计的系统不同，认知计算旨在构建自适应、交互式和上下文模型，这些模型可以从经验中学习并以自然语言与人类交互。这些系统并非旨在取代人类专家，而是为了增强他们的智能，通过分析来自知识图谱和非结构化文档等来源的大量复杂数据来帮助他们做出更好的决策。

主要特点

• 自适应学习： 认知系统被设计用于持续学习。 它们通过处理新信息和从用户交互中学习来随着时间的推移提高其性能，类似于人类获得专业知识的方式。 这超越了许多机器学习项目中典型的初始模型训练阶段。
• 语境理解： 它们可以解释和综合来自各种数据类型（包括文本、图像和传感器数据）的语境。这需要复杂的自然语言处理（NLP）和计算机视觉（CV）能力来掌握细微差别和含义。
• 互动性和会话性： 一个关键目标是以自然的方式与人互动。这通常涉及高级 聊天机器人 或 虚拟助手，它们可以理解查询并提供带有佐证的回应，甚至会提出澄清问题以消除歧义。

认知计算与其它人工智能概念

区分认知计算与相关术语非常重要。

• 通用人工智能（AGI）： 虽然认知计算试图模仿人类思维，但它是一种专注于特定领域的弱人工智能。它增强了人类的能力，而不是试图复制人类意识的全部广度，而这正是通用人工智能（AGI）的目标。著名的图灵测试探索了机器智能的边界。
• 统计 AI： 认知系统建立在 统计 AI 的基础上，它使用 深度学习 和概率模型来查找模式。然而，认知计算是一种系统级方法，它将这些统计模型与符号推理相结合，以处理歧义并提供可解释的见解——这是 可解释 AI (XAI) 的一个关键原则。

现实世界的应用

认知计算擅长于专家必须驾驭大量非结构化信息才能做出高风险决策的领域。

• 医疗保健中的人工智能： 肿瘤顾问系统就是一个典型的例子。这种平台可以接收患者的电子健康记录、基因组数据，并对 MRI 进行 医学图像分析。同时，它还会从 PubMed Central 等来源以及临床试验结果中搜索数百万篇医学期刊。然后，它会向肿瘤医生提供一份包含支持证据的个性化治疗方案排名列表。这增强了医生的专业知识，使他们能够做出更明智的决策，正如 美国医学会 等组织所探讨的那样。
• 金融服务： 认知系统用于创建个性化的财富管理顾问。这些系统可以与客户互动，以了解他们的财务目标和风险承受能力。然后，该系统分析实时市场数据、情感分析的经济新闻和全球金融报告，以推荐和动态调整投资组合。这提供了以前只有高净值人士才能获得的数据驱动建议，这是世界经济论坛等机构关注的领域。

工具与技术

认知系统的开发依赖于强大的平台和工具。IBM Watson是一个著名的商业平台，提供用于自然语言理解、计算机视觉和决策的API，通常被认为是认知计算的实际应用的一个关键例子。其他关键技术包括像Google Cloud AI这样的云平台，以及通过像Azure机器学习快速入门这样的指南提供的工具，以及像TensorFlow和PyTorch这样的开源框架。对于认知系统中的视觉感知等特定任务，像Ultralytics YOLO这样的模型提供了最先进的目标检测和图像分割功能。像Ultralytics HUB这样的平台为训练自定义模型、管理数据集和部署视觉组件（对于许多认知应用至关重要）提供了简化的工作流程，包括利用云训练选项。您可以在像SAS认知计算概述这样的资源中找到更多见解。像艾伦·图灵研究所这样的研究机构和像人工智能促进协会（AAAI）这样的组织为深度学习和认知架构的基础研究做出了重大贡献。