認知計算是未來業(yè)務應用的起點，咨詢師Judith Hurwitz說，但是企業(yè)可能不用完全購買全范圍的系統(tǒng)。相反，這些都會作為一系列云服務提供出來。

“這不是必須加到數(shù)據(jù)中心的東西，除非你的確有大量需求，”Hurwitz最近在紐約舉行的Cloud Expo上說。

她認為該技術(shù)會作為基于服務的IT模型企業(yè)的一部分來繼續(xù)演進。 認知計算系統(tǒng)——或者有時候稱為認知系統(tǒng)——和人腦功能類似。

Hurwitz說，通過人類和機器的交互，他們可以用于分析并且關聯(lián)海量數(shù)據(jù)，并且基于這些數(shù)據(jù)來構(gòu)建應用，而不是像傳統(tǒng)應用那樣基于業(yè)務邏輯或者程序。

不只是算法

認知系統(tǒng)并不僅僅是機器學習算法，雖然訓練它能夠洞察數(shù)據(jù)里的模式并理解其中的上下文是它很重要的部分，Hurwitz說。有由很多部分組成的大型，復雜系統(tǒng)，都是基于公有云，私有云或者本地基礎架構(gòu)的。這之上是內(nèi)部和外部數(shù)據(jù)源——非結(jié)構(gòu)化數(shù)據(jù)，比如文本，視頻和圖案，以及結(jié)構(gòu)化數(shù)據(jù)，比如數(shù)據(jù)庫記錄，以及數(shù)據(jù)訪問和管理服務。

認知系統(tǒng)的另一個核心組件是ontologies。這些是系統(tǒng)吸收知識并且從中學習特定主題的知識數(shù)據(jù)庫。最上層是視圖化服務，新的應用程序可以基于這些服務來構(gòu)建。

大型研究性大學可能會從頭開始構(gòu)建這樣的系統(tǒng)來做實驗，但是ontologies marketplace以及特定行業(yè)所需的預測試的數(shù)據(jù)集會服務于大多數(shù)需要構(gòu)建基于數(shù)據(jù)的應用的企業(yè)。

一旦工具可以使用，企業(yè)就能夠開始行動，但是他們“并不會全面發(fā)展；而是會選擇一個領域，并且通常會從他們想要解決的特定問題開始，”Hurwitz說。

對于很多業(yè)務問題而言，稱為監(jiān)督式學習的機器學習類型很有用，她說。該算法用來監(jiān)測或者匹配特殊類型數(shù)據(jù)的模式——比如，在某年的特定日期出售的商品數(shù)量——并且可以用來預測特定的市場宣傳會起到什么影響。

還有別的模型。加強的學習算法基于性能反饋，比如打游戲的結(jié)果，來開發(fā)策略。未監(jiān)督的學習會查找大型數(shù)據(jù)里隱藏的關聯(lián)；這在企業(yè)不知道應該查找什么的時候很有用。

隨后有很多試用和錯誤：形成假設，確定正確的數(shù)據(jù)源，向系統(tǒng)注入數(shù)據(jù)并且看看會發(fā)生什么。

“操作，查看如何工作——然后重復執(zhí)行，”Hurwitz說。“這的確是我們想實現(xiàn)的知識的整個生命周期。”

該領域才剛剛萌芽，IBM的Watson被用于醫(yī)療研究，并且計劃用于比如通信和財務服務領域。Google和Amazon有自己的認知計算方案，并且肯定會有更多的科技公司進入該領域。這些努力的結(jié)果，Hurwitz說，將會帶來使用技術(shù)的全新方式。

“這正是數(shù)字化革命的真正意義所在，”Hurwitz說，指的是數(shù)字化技術(shù)引領的業(yè)務和產(chǎn)業(yè)。“這并非關于創(chuàng)建更快的網(wǎng)站，或者能夠自動化一個流程。這真的是關于轉(zhuǎn)變我們對于數(shù)據(jù)以及邏輯的思考方式。”

咨詢師Judith Hurwitz在兩部分報告的第一部分探討了認知系統(tǒng)如何構(gòu)建應用。