认知计算开启机器解放脑力新纪元
序
写这篇文章的初衷，是想写写人工智能。但提到人工智能又不得不提到认知计算。其实最近有很多专家都在讨论认知计算与人工智能的区别是什么？
我原来以为认知计算与人工智能没有区别，但后来找到认知计算与人工智能的区别后，对于IBM公司战略的转型豁然开朗，或许IBM根据认知计算的转型会是一次根本的变革。
此文开始部分内容是人工智能（开始构思的人工智能的内容，已经写好了的），而后边内容则是在发现认知计算与人工智能的区别后，对认知计算的阐述。可能内容会有些跳跃。
本文主要阐述了认知计算与人工智能的区别。
什么是人工智能
3月中旬，阿尔法狗与李世石的世界围棋人机大战中，着实让人工智能大大的火了一把。当时特别想写一篇文章，可是当时出差非常忙碌，一直没有机会写，今天补上。
阿尔法狗战胜人类的人工智能的主要工作原理是深度学习，也就是通过模仿人类大脑神经网络，让机器模拟人脑的机制进行记忆、学习、分析、思维、创造…
最近几年在机器与人的智力比赛中，这不是第一次机器战胜人类，在2011年的2月17日的全美最受欢迎的智力竞赛节目《危险边缘》中，IBM的超级电脑Watson击败了该节目历史上两位最成功的选手。
Watson与阿尔法狗战胜人类的方式都非常类似：基于数据的人工智能，通过机器学习，借助大量的数据，对机器进行从不确定到确定，从低准确率到高准确率的训练。这有别于传统的人工智能的，传统人工智能被称之为IntelligentBehavior，主要是为了让机器表现地更像人；比如深蓝在1997年战胜国际象棋大师卡斯帕罗夫的算法是通过程序模仿人下棋的思考方式，它能够战胜人类的主要原因是可以搜索估计随后的12步棋，而人类最好的棋手只能估算随后的10步棋。
而深度学习智能方法是：通过大量数据输入，根据输入数据的关联关系，逐步建立起知识体系架构，通过建立起来的知识体系去分析，模仿人脑去思考，创新；后续根据模仿人脑的思考，实践结果，不断完善建立起来的知识架构体系，让判断越来越精确。
什么是认知计算？与人工智能的区别是什么？
认知计算是IBM提出来的，主要通过Watson与人的自然语言交流不断学习，在从硬件架构到算法策略，从程序设计到行业专长等多个学术领域结合，能够使人们更好的从海量复杂的数据中获得更多的洞察，从而做出更精准的决策。是可以规模化学习，根据目标推理以及人类自然互动的能力的系统。
认知计算的关键的在于：通过人的自然语言交流学习；复杂的大数据的洞察；增强人类智慧。
从这个意义上讲，人工智能更多的是技术体系研究，而认知计算更偏向于最终的应用形态：比如Watson与阿尔法狗的技术体系，可以具备学习、分析、思维的能力，这是人工智能；但Watson学习了人类的知识，建立了知识体系，并利用的知识体系以及大量的数据，最后在危险边缘的游戏中取得胜利，Watson的技术体系加上通过学习建立起来的知识体系以及大量的数据一起可以称为认知计算。
类似的学习了大量围棋棋谱的阿尔法狗是认知计算，而没有学习棋谱的阿尔法狗只能是人工智能。
未来人工智能的广泛应用一定是借助通过大量学习建立起知识体系的认知计算来完成的。
认知计算在商业智能上还很超前
IBM将商业智能分为三个阶段：Descriptive，Predictive和Cognitive。
早期的商业智能(BI)主要是Descriptive，也就是借助BI工具，对已经产生的大量数据处理，，通过数据分析找到数据之间的关联性，并对已经发生事实作出结论或找到原因（比如提供报表，比如通过BI工具找到业绩突然增长的原因）。IBM在商业智能上的主要工具是Cognos。
第二个阶段的商业智能是Predictive，主要借助一些数理分析工具，通过对历史数据的分析，预测未来可能发生的事情（比如通过统计学方法，可以预测某款产品的销量），并根据对未来的预测，做出一些商业决定（比如根据预测的销售量，分布库存）。IBM在这个阶段的主要工具包括SPSS，iLog等等产品。
第三个阶段的商业智能是Cognitive（认知计算），也就是可以从历史发生的事件中学习知识，建立知识体系，并利用这个知识体系来对未来的事情做出决策。（比如当企业推出一款新产品的时候，企业对新产品的库存的全局优化，每次都用SPSS不同的统计方法做预测并制订策略，后来发现新产品库存总是参照一款老产品的库存策略，总能达到库存最低，客户满意度最高，于是每次都是建议产品库存优化用这种方法）。IBM这个阶段的主要工具是Watson Analytics。
中国大部分企业利用大数据做商业智能还处于起步阶段，Descriptive阶段的企业最多。少数先进企业处于Predictive阶段。而大部分企业对Cognitive阶段还不能理解。所以Congitive（认知计算）对中国企业还是有些超前。
当然未来的商业环境下，Descriptive，Predictive, Cognitive三种商业智能的形式都存在，而Cognitive（认知计算）是集大成者，通过不断学习，把最适合的Descriptive，Predictive的最佳实践融合，建立完善的知识体系，将早期具有使用Descriptive, Predictive有丰富经验的人的经验融入Watson Analytics知识体系，将来当一个不懂商业智能的人使用Cognitive时，可以根据Watson Analytics已经建立起来的知识体系，借助现有的成功经验，很容易的实现商业智能。
认知计算必须部署在云端
前面讲述了认知计算是偏向于应用的最终形态，也就是说认知计算要具备：人工智能的技术，以及利用人工智能通过大量的训练而建立起来的知识架构。而人类经过几千年的发展，在不同学术领域、不同应用领域有丰富的知识框架体系，这么纷繁复杂的知识框架，不是一个系统可以短时间建立起来的；需要不同领域的专业人士不断的将专业知识输入到Watson中，让Watson不断学习，逐渐成为各个领域的专家。
无论是从学习成本角度，还是从知识共享角度，认知计算都应该部署在云端，通过服务的形式为企业、个人服务。
在早期知识体系未完善的时期，Watson更多的是为专业人士提供商业认知服务，并在各个领域建立知识体系框架。当完成了知识体系框架之后，Watson将来会为更多的非专业人士提供专业知识服务（认知服务相当于专业咨询），以及具有专业知识的商业认知服务。
认知计算需要借鉴互联网商业模式
既然认知计算必须部署在云端，以云计算的形式提供服务。而云计算通过互联网提供服务，因而云计算必须借鉴互联网的商业模式。
需要借鉴互联网的免费模式
首先互联网的边际成本非常低，就可以使互联网企业的用户群规模无限扩大，而这么大量的用户群就是非常有价值的，所以互联网行业可以携用户以令诸侯，从而实现羊毛出在狗身上，猪来买单的商业模式。
而提供认知服务的IBM无疑必须向互联网转型，也会针对终端用户提供免费的认知服务。
互联网企业组织边界模糊化
互联网已经颠覆了传统的媒体行业和零售行业，正在颠覆着公共交通行业。这三个行业的新的业态有一个最重要的特点是组织边界模糊化，比如微信平台与公众账号运营者之间的生态，淘宝平台与商户之间，淘宝平台与开发者之间的协同，Uber与司机之间的协同，这些行业的组织边界越来越模糊。
而未来对于认知计算的用户边界也会越来越模糊，比如一个企业的计划员需要借助于认知计算来做计划，这个用户是企业用户？还是个人用户？未来越来越难界定！
所以传统上一直做企业服务的IBM在推出了Watson Analytics认知平台之后，开始向终端用户提供服务。这是IBM战略上的重大转变，而IBM的这种变革，预示着未来企业被互联网冲击，将形成组织架构的根本变革，甚至会颠覆传统的企业管理理论。
在关注IBM认知计算的同时，IBM适应未来企业组织架构变革的战略转变也值得关注。
我对认知计算在商业领域的未来充满期待，或许是互联网冲击传统企业经营模式的前奏。工业革命的历史主要是机器解放体力，而未来工业革命将是机器解放脑力；比如我在工业4.0的课程中经常讲到的工业4.0实际上是设计、决策的工业化；而设计、决策主要是人脑的创造性劳动，也就是工业4.0是机器解放人脑的革命；所以我推断认知计算将开启机器解放脑力的历史。
在今天公众账号，还选择了一些人工智能的文章。