認(rèn)知計算是通過與人的自然語言交流及不斷地學(xué)習(xí)，從而幫助人們做到更多的系統(tǒng)，是從硬件架構(gòu)到算法策略、從程序設(shè)計到行業(yè)專長等多個學(xué)術(shù)領(lǐng)域的結(jié)合，能夠使人們更好地從海量復(fù)雜的數(shù)據(jù)中獲得更多洞察，從而做出更為精準(zhǔn)的決策。

　　在IBM，我們把它簡化歸納為，具備規(guī)?；瘜W(xué)習(xí)、根據(jù)目標(biāo)推理以及與人類自然互動能力的系統(tǒng)。

　　認(rèn)知計算與人工智能的區(qū)別是什么？

　　雖然認(rèn)知計算包括人工智能的一些要素，但前者是一個更寬泛的概念。認(rèn)知計算不是制造“為人們思考”的機(jī)器，而是與“增加人類智慧”有關(guān)，能夠幫助我們更好地思考和做出更為全面的決定。

　　人工智能的概念已經(jīng)有二十多年了，人工智能從歷史和研究角度來講主要目的是為了讓機(jī)器人表現(xiàn)得“更像人”，我們稱之為Intelligent Behavior。

　　IBM的認(rèn)知計算從技術(shù)角度上來講和人工智能是有很多共性的地方，比如機(jī)器學(xué)習(xí)（MachineLearning）、深度學(xué)習(xí)（DeepLearning）等方面都很類似。

　　但是，IBM的認(rèn)知計算目的并不是為了取代人，而IntelligentBehavior也只是認(rèn)知計算的一個維度。認(rèn)知計算除了要能夠表現(xiàn)人和計算機(jī)的交互更加自然流暢之外，還會更多地強(qiáng)調(diào)推理和學(xué)習(xí)，以及如何把這樣的能力結(jié)合具體的商業(yè)應(yīng)用、解決商業(yè)的問題。

　　認(rèn)知計算和大數(shù)據(jù)分析有何區(qū)別？

　　大數(shù)據(jù)分析屬于認(rèn)知計算的一個維度。與大數(shù)據(jù)相比，認(rèn)知計算的范圍更廣、技術(shù)也更為先進(jìn)。

　　認(rèn)知計算和大數(shù)據(jù)分析有類似的技術(shù)，比如大量的數(shù)據(jù)、機(jī)器學(xué)習(xí)（MachineLearning）、行業(yè)模型等，大數(shù)據(jù)分析更多強(qiáng)調(diào)的是獲得洞察，通過這些洞察進(jìn)行預(yù)測。此外，傳統(tǒng)的大數(shù)據(jù)分析會使用模型或者機(jī)器學(xué)習(xí)的方法，但更多的是靠專家提供。

　　對于認(rèn)知計算而言，洞察和預(yù)測只是其中的一種。但是，認(rèn)知計算更為強(qiáng)調(diào)人和機(jī)器之間自然的交互，這些維度都不是傳統(tǒng)的大數(shù)據(jù)分析所強(qiáng)調(diào)。

　　此外，認(rèn)知計算目前成長很快的一個領(lǐng)域為深度學(xué)習(xí)（DeepLearning），它的學(xué)習(xí)方法與傳統(tǒng)方法不同，更多的是基于大量的數(shù)據(jù)通過自學(xué)的方式得到這樣的模型，而不需要很多的人為干預(yù)，這個從學(xué)習(xí)方法來講和大數(shù)據(jù)分析有很多不同的地方。