认知计算

认知计算是人工智能（AI）的一个领域，致力于创建模拟人类思维过程的系统，以解决复杂而模糊的问题。与为特定、狭隘任务而设计的系统不同，认知计算旨在建立自适应、交互式和上下文模型，这些模型可以从经验中学习，并通过自然语言与人类互动。这些系统不是要取代人类专家，而是要增强他们的智能，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，帮助他们做出更好的决策。

主要特点

• 自适应学习：认知系统是为持续学习而设计的。它们通过处理新信息和从用户交互中学习，随着时间的推移不断提高性能，这与人类获得专业知识的方式类似。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：它们可以从文本、图像和传感器数据等各种数据类型中解释和综合上下文。这需要复杂的自然语言处理（NLP）和计算机视觉（CV）能力来把握细微差别和含义。
• 互动和对话：一个关键目标是与人类自然互动。这通常涉及先进的聊天机器人或虚拟助理，它们能够理解询问，并提供带有支持性证据的回复，甚至可以提出澄清性问题来消除歧义。

认知计算与其他人工智能概念其他人工智能概念

必须将认知计算与相关术语区分开来。

• 人工通用智能（AGI）：虽然认知计算试图模仿人类思维，但它是弱人工智能的一种形式，侧重于特定领域。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，这是人工通用智能（AGI）的目标。著名的图灵测试探索了机器智能的边界。
• 统计人工智能：认知系统建立在统计人工智能的基础之上，它使用深度学习和概率模型来寻找模式。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，以处理模糊性并提供可解释的见解--这正是可解释人工智能（XAI）的关键原则。

现实世界中的应用

在专家必须浏览大量非结构化信息以做出重大决策的领域，认知计算表现出色。

• 医疗保健领域的人工智能：肿瘤顾问系统就是一个典型的例子。这样一个平台可以获取病人的电子健康记录、基因组数据，并对核磁共振成像进行医学影像分析。同时，它还能从PubMed Central等来源搜索数百万份医学期刊和临床试验结果。然后，它向肿瘤医生提供一份个性化治疗方案的排序列表，并附上支持证据。这增强了医生的专业知识，使其能够做出更明智的决定，正如美国医学协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，了解他们的财务目标和风险承受能力。然后，系统会分析实时市场数据、用于情绪分析的经济新闻以及全球金融报告，从而推荐并动态调整投资组合。这提供了以前只有高净值人士才能获得的数据驱动型建议，而这正是世界经济论坛等机构关注的领域。

工具和技术

开发认知系统依赖于强大的平台和工具。IBM Watson是一个著名的商业平台，为自然语言理解、计算机视觉和决策提供 API，经常被作为认知计算应用的重要范例。其他关键技术包括谷歌云人工智能（Google Cloud AI）等云平台、《Azure 机器学习快速入门》等指南提供的工具，以及TensorFlow和PyTorch 等开源框架。对于认知系统中的视觉感知等特定任务，Ultralytics YOLO等模型可提供最先进的物体检测和图像分割功能。Ultralytics HUB等平台为训练自定义模型、管理数据集和部署对许多认知应用至关重要的视觉组件（包括利用云训练选项）提供了简化的工作流程。您可以在《SAS 认知计算概述》等资源中找到更多见解。艾伦图灵研究所（Alan Turing Institute）等研究机构和人工智能促进协会（AAAI）等组织为深度学习和认知架构的基础研究做出了巨大贡献。