1、人工智能的定義
人工智能領(lǐng)域苦于存在多種概念和定義，有的太過有的則不夠。作為該領(lǐng)域創(chuàng)始人之一的Nils Nilsson先生寫到：“人工智能缺乏通用的定義。”一本如今已經(jīng)修訂三版的權(quán)威性人工智能教科書給出了八項(xiàng)定義，但書中并沒有透露其作者究竟傾向于哪種定義。對于我們來說，一種實(shí)用的定義即為——人工智能是對計算機(jī)系統(tǒng)如何能夠履行那些只有依靠人類智慧才能完成的任務(wù)的理論研究。例如，視覺感知、語音識別、在不確定條件下做出決策、學(xué)習(xí)、還有語言翻譯等。比起研究人類如何進(jìn)行思維活動，從人類能夠完成的任務(wù)角度對人工智能進(jìn)行定義，而非人類如何思考，在當(dāng)今時代能夠讓我們繞開神經(jīng)機(jī)制層面對智慧進(jìn)行確切定義從而直接探討它的實(shí)際應(yīng)用。值得一提的是，隨著計算機(jī)為解決新任務(wù)挑戰(zhàn)而升級換代并推而廣之，人們對那些所謂需要依靠人類智慧才能解決的任務(wù)的定義門檻也越來越高。所以，人工智能的定義隨著時間而演變，這一現(xiàn)象稱之為“人工智能效應(yīng)”，概括起來就是“人工智能就是要實(shí)現(xiàn)所有目前還無法不借助人類智慧才能實(shí)現(xiàn)的任務(wù)的集合。”
2、人工智能的歷史
人工智能并不是一個新名詞。實(shí)際上，這個領(lǐng)域在20世紀(jì)50年代就已經(jīng)開始啟動，這段探索的歷史被稱為“喧囂與渴望、挫折與失望交替出現(xiàn)的時代”——最近給出的一個較為恰當(dāng)?shù)脑u價。
20世紀(jì)50年代明確了人工智能要模擬人類智慧這一大膽目標(biāo)，從此研究人員開展了一系列貫穿20世紀(jì)60年代并延續(xù)到70年代的研究項(xiàng)目，這些項(xiàng)目表明，計算機(jī)能夠完成一系列所本只屬于人類能力范疇之內(nèi)的任務(wù)，例如證明定理、求解微積分、通過規(guī)劃來響應(yīng)命令、履行物理動作，甚至是模擬心理學(xué)家、譜曲這樣的活動。
但是，過分簡單的算法、匱乏的難以應(yīng)對不確定環(huán)境(這種情形在生活中無處不在)的理論，以及計算能力的限制嚴(yán)重阻礙了我們使用人工智能來解決更加困難和多樣的問題。伴隨著對缺乏繼續(xù)努力的失望，人工智能于20世紀(jì)70年代中期逐漸淡出公眾視野。
20世紀(jì)80年代早期，日本發(fā)起了一個項(xiàng)目，旨在開發(fā)一種在人工智能領(lǐng)域處于領(lǐng)先的計算機(jī)結(jié)構(gòu)。西方開始擔(dān)心會在這個領(lǐng)域輸給日本，這種焦慮促使他們決定重新開始對人工智能的投資。20世紀(jì)80年代已經(jīng)出現(xiàn)了人工智能技術(shù)產(chǎn)品的商業(yè)供應(yīng)商，其中一些已經(jīng)上市，例如Intellicorp、Symbolics、和Teknowledge。
20世紀(jì)80年代末，幾乎一半的“財富500強(qiáng)”都在開發(fā)或使用“專家系統(tǒng)”，這是一項(xiàng)通過對人類專家的問題求解能力進(jìn)行建模，來模擬人類專家解決該領(lǐng)域問題的人工智能技術(shù)。
對于專家系統(tǒng)潛力的過高希望徹底掩蓋了它本身的局限性，包括明顯缺乏常識、難以捕捉專家的隱性知識、建造和維護(hù)大型系統(tǒng)這項(xiàng)工作的復(fù)雜性和成本，當(dāng)這一點(diǎn)被越來越多的人所認(rèn)識到時，人工智能研究再一次脫離軌道。
20世紀(jì)90年代在人工智能領(lǐng)域的技術(shù)成果始終處于低潮，成果寥寥。反而是神經(jīng)網(wǎng)絡(luò)、遺傳算法等科技得到了新的關(guān)注，這一方面是因?yàn)檫@些技術(shù)避免了專家系統(tǒng)的若干限制，另一方面是因?yàn)樾滤惴ㄗ屗鼈冞\(yùn)行起來更加高效。
神經(jīng)網(wǎng)絡(luò)的設(shè)計受到了大腦結(jié)構(gòu)的啟發(fā)。遺傳算法的機(jī)制是，首先迭代生成備選解決方案，然后剔除最差方案，最后通過引入隨機(jī)變量來產(chǎn)生新的解決方案，從而“進(jìn)化”出解決問題的最佳方案。
3、人工智能進(jìn)步的催化劑
截止到21世紀(jì)前10年的后期，出現(xiàn)了一系列復(fù)興人工智能研究進(jìn)程的要素，尤其是一些核心技術(shù)。下面將對這些重要的因素和技術(shù)進(jìn)行詳細(xì)說明。
1)摩爾定律
在價格、體積不變的條件下，計算機(jī)的計算能力可以不斷增長。這就是被人們所熟知的摩爾定律，它以Intel共同創(chuàng)辦人Gordon Moore命名。Gordon Moore從各種形式的計算中獲利，包括人工智能研究人員使用的計算類型。數(shù)年以前，先進(jìn)的系統(tǒng)設(shè)計只能在理論上成立但無法實(shí)現(xiàn)，因?yàn)樗枰挠嬎銠C(jī)資源過于昂貴或者計算機(jī)無法勝任。今天，我們已經(jīng)擁有了實(shí)現(xiàn)這些設(shè)計所需要的計算資源。舉個夢幻般的例子，現(xiàn)在最新一代微處理器的性能是1971年第一代單片機(jī)的400萬倍。
2)大數(shù)據(jù)
得益于互聯(lián)網(wǎng)、社交媒體、移動設(shè)備和廉價的傳感器，這個世界產(chǎn)生的數(shù)據(jù)量急劇增加。隨著對這些數(shù)據(jù)的價值的不斷認(rèn)識，用來管理和分析數(shù)據(jù)的新技術(shù)也得到了發(fā)展。大數(shù)據(jù)是人工智能發(fā)展的助推劑，這是因?yàn)橛行┤斯ぶ悄芗夹g(shù)使用統(tǒng)計模型來進(jìn)行數(shù)據(jù)的概率推算，比如圖像、文本或者語音，通過把這些模型暴露在數(shù)據(jù)的海洋中，使它們得到不斷優(yōu)化，或者稱之為“訓(xùn)練”——現(xiàn)在這樣的條件隨處可得。
3)互聯(lián)網(wǎng)和云計算
和大數(shù)據(jù)現(xiàn)象緊密相關(guān)，互聯(lián)網(wǎng)和云計算可以被認(rèn)為是人工智能基石有兩個原因，第一，它們可以讓所有聯(lián)網(wǎng)的計算機(jī)設(shè)備都能獲得海量數(shù)據(jù)。這些數(shù)據(jù)是人們推進(jìn)人工智能研發(fā)所需要的，因此它可以促進(jìn)人工智能的發(fā)展。第二，它們?yōu)槿藗兲峁┝艘环N可行的合作方式——有時顯式有時隱式——來幫助人工智能系統(tǒng)進(jìn)行訓(xùn)練。比如，有些研究人員使用類似Mechanical Turk這樣基于云計算的眾包服務(wù)來雇傭成千上萬的人來描繪數(shù)字圖像。這就使得圖像識別算法可以從這些描繪中進(jìn)行學(xué)習(xí)。谷歌翻譯通過分析用戶的反饋以及使用者的無償貢獻(xiàn)來提高它自動翻譯的質(zhì)量。
4)新算法
算法是解決一個設(shè)計程序或完成任務(wù)的路徑方法。最近幾年，新算法的發(fā)展極大提高了機(jī)器學(xué)習(xí)的能力，這些算法本身很重要，同時也是其他技術(shù)的推動者，比如計算機(jī)視覺(這項(xiàng)科技將會在后文描述)。機(jī)器學(xué)習(xí)算法目前被開源使用，這種情形將促成更大進(jìn)步，因?yàn)樵陂_源環(huán)境下開發(fā)人員可以補(bǔ)足和增強(qiáng)彼此的工作。
4、認(rèn)知技術(shù)
我們將區(qū)分人工智能領(lǐng)域和由此延伸的各項(xiàng)技術(shù)。大眾媒體將人工智能刻畫為跟人一樣聰明的或比人更聰明的計算機(jī)的來臨。而各項(xiàng)技術(shù)則在以往只有人能做到的特定任務(wù)上面表現(xiàn)得越來越好。我們稱這些技術(shù)為認(rèn)知技術(shù)(下圖)，認(rèn)知技術(shù)是人工智能領(lǐng)域的產(chǎn)物，它們能完成以往只有人能夠完成的任務(wù)。而它們正是商業(yè)和公共部門的領(lǐng)導(dǎo)者應(yīng)該關(guān)注的。下面我們將介紹幾個最重要的認(rèn)知技術(shù)，它們正被廣泛采納并進(jìn)展迅速，也獲得大量投資。
1)計算機(jī)視覺
是指計算機(jī)從圖像中識別出物體、場景和活動的能力。計算機(jī)視覺技術(shù)運(yùn)用由圖像處理操作及其他技術(shù)所組成的序列來將圖像分析任務(wù)分解為便于管理的小塊任務(wù)。比如，一些技術(shù)能夠從圖像中檢測到物體的邊緣及紋理。分類技術(shù)可被用作確定識別到的特征是否能夠代表系統(tǒng)已知的一類物體。
計算機(jī)視覺有著廣泛應(yīng)用。其中包括，醫(yī)療成像分析被用來提高疾病的預(yù)測、診斷和治療;人臉識別被Facebook用來自動識別照片里的人物;在安防及監(jiān)控領(lǐng)域被用來指認(rèn)嫌疑人;在購物方面，消費(fèi)者現(xiàn)在可以用智能手機(jī)拍攝下產(chǎn)品以獲得更多購買選擇。
機(jī)器視覺作為一個相關(guān)學(xué)科，泛指在工業(yè)自動化領(lǐng)域的視覺應(yīng)用。在這些應(yīng)用里，計算機(jī)在高度受限的工廠環(huán)境里識別諸如生產(chǎn)零件一類的物體，因此相對于尋求在非受限環(huán)境里操作的計算機(jī)視覺來說目標(biāo)更為簡單。計算機(jī)視覺是一個正在進(jìn)行中的研究，而機(jī)器視覺則是“已經(jīng)解決的問題”，是系統(tǒng)工程方面的課題而非研究層面的課題。因?yàn)閼?yīng)用范圍的持續(xù)擴(kuò)大，計算機(jī)視覺領(lǐng)域的初創(chuàng)公司自2011年起已經(jīng)吸引了數(shù)億美元的風(fēng)投資本。
2)機(jī)器學(xué)習(xí)
指的是計算機(jī)系統(tǒng)無需遵照顯式的程序指令而只是依靠暴露在數(shù)據(jù)中來提升自身性能的能力。其核心在于，機(jī)器學(xué)習(xí)是從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于做預(yù)測。比如，給予機(jī)器學(xué)習(xí)系統(tǒng)一個關(guān)于交易時間、商家、地點(diǎn)、價格及交易是否正當(dāng)?shù)刃庞每ń灰仔畔⒌臄?shù)據(jù)庫，系統(tǒng)就會學(xué)習(xí)到可用來預(yù)測信用卡欺詐的模式。處理的交易數(shù)據(jù)越多，預(yù)測就會越好。
機(jī)器學(xué)習(xí)的應(yīng)用范圍非常廣泛，針對那些產(chǎn)生龐大數(shù)據(jù)的活動，它幾乎擁有改進(jìn)一切性能的潛力。除了欺詐甄別之外，這些活動還包括銷售預(yù)測、庫存管理、石油和天然氣勘探、以及公共衛(wèi)生。機(jī)器學(xué)習(xí)技術(shù)在其他的認(rèn)知技術(shù)領(lǐng)域也扮演著重要角色，比如計算機(jī)視覺，它能在海量圖像中通過不斷訓(xùn)練和改進(jìn)視覺模型來提高其識別對象的能力。現(xiàn)如今，機(jī)器學(xué)習(xí)已經(jīng)成為認(rèn)知技術(shù)中最炙手可熱的研究領(lǐng)域之一，在2011-2014年中這段時間內(nèi)就已吸引了近十億美元的風(fēng)險投資。谷歌也在2014年斥資4億美金收購Deepmind這家研究機(jī)器學(xué)習(xí)技術(shù)的公司。
3)自然語言處理
是指計算機(jī)擁有的人類般文本處理的能力，比如，從文本中提取意義，甚至從那些可讀的、風(fēng)格自然、語法正確的文本中自主解讀出含義。一個自然語言處理系統(tǒng)并不了解人類處理文本的方式，但是它卻可以用非常復(fù)雜與成熟的手段巧妙處理文本，例如自動識別一份文檔中所有被提及的人與地點(diǎn);識別文檔的核心議題;或者在一堆僅人類可讀的合同中，將各種條款與條件提取出來并制作成表。以上這些任務(wù)通過傳統(tǒng)的文本處理軟件根本不可能完成，后者僅能針對簡單的文本匹配與模式進(jìn)行操作。請思考一個老生常談的例子，它可以體現(xiàn)自然語言處理面臨的一個挑戰(zhàn)。在句子“光陰似箭(Time flies like an arrow)”中每一個單詞的意義看起來都很清晰，直到系統(tǒng)遇到這樣的句子“果蠅喜歡香蕉(Fruit flies like a banana)”，用“水果(fruit)”替代了“時間(time)”，并用“香蕉(banana)”替代“箭(arrow)”，就改變了“飛逝/飛著的(like)”與“像/喜歡(like)”這兩個單詞的意思。
自然語言處理，像計算機(jī)視覺技術(shù)一樣，將各種有助于實(shí)現(xiàn)目標(biāo)的多種技術(shù)進(jìn)行了融合。建立語言模型來預(yù)測語言表達(dá)的概率分布，舉例來說，就是某一串給定字符或單詞表達(dá)某一特定語義的最大可能性。選定的特征可以和文中的某些元素結(jié)合來識別一段文字，通過識別這些元素可以把某類文字同其他文字區(qū)別開來，比如垃圾郵件同正常郵件。以機(jī)器學(xué)習(xí)為驅(qū)動的分類方法將成為篩選的標(biāo)準(zhǔn)，用來決定一封郵件是否屬于垃圾郵件。
因?yàn)檎Z境對于理解“time flies(時光飛逝)”和“fruit flies(果蠅)”的區(qū)別是如此重要，所以自然語言處理技術(shù)的實(shí)際應(yīng)用領(lǐng)域相對較窄，這些領(lǐng)域包括分析顧客對某項(xiàng)特定產(chǎn)品和服務(wù)的反饋、自動發(fā)現(xiàn)民事訴訟或政府調(diào)查中的某些含義、以及自動書寫諸如企業(yè)營收和體育運(yùn)動的公式化范文等。
4)機(jī)器人技術(shù)
將機(jī)器視覺、自動規(guī)劃等認(rèn)知技術(shù)整合至極小卻高性能的傳感器、致動器、以及設(shè)計巧妙的硬件中，這就催生了新一代的機(jī)器人，它有能力與人類一起工作，能在各種未知環(huán)境中靈活處理不同的任務(wù)。例如無人機(jī)，還有可以在車間為人類分擔(dān)工作的“cobots”，還包括那些從玩具到家務(wù)助手的消費(fèi)類產(chǎn)品。
5)語音識別技術(shù)
主要是關(guān)注自動且準(zhǔn)確的轉(zhuǎn)錄人類的語音。該技術(shù)必須面對一些與自然語言處理類似的問題，在不同口音的處理、背景噪音、區(qū)分同音異形異義詞(“buy”和“by”聽起來是一樣的)方面存在一些困難，同時還需要具有跟上正常語速的工作速度。語音識別系統(tǒng)使用一些與自然語言處理系統(tǒng)相同的技術(shù)，再輔以其他技術(shù)，比如描述聲音和其出現(xiàn)在特定序列和語言中概率的聲學(xué)模型等。語音識別的主要應(yīng)用包括醫(yī)療聽寫、語音書寫、電腦系統(tǒng)聲控、電話客服等。比如Domino’s Pizza最近推出了一個允許用戶通過語音下單的移動APP。
上面提到的認(rèn)知技術(shù)進(jìn)步飛快并吸引了大量投資，其他相對成熟的認(rèn)知技術(shù)仍然是企業(yè)軟件系統(tǒng)的重要組成部分。這些日漸成熟的認(rèn)知技術(shù)包括決策最優(yōu)化——自動完成對復(fù)雜決策或者在資源有限的前提下做出最佳權(quán)衡;規(guī)劃和調(diào)度——使設(shè)計一系列行動流程來滿足目標(biāo)和觀察約束;規(guī)則導(dǎo)向系統(tǒng)——為專家系統(tǒng)提供基礎(chǔ)的技術(shù)，使用知識和規(guī)則的數(shù)據(jù)庫來自動完成從信息中進(jìn)行推論的處理過程。
認(rèn)知技術(shù)的廣泛使用
各種經(jīng)濟(jì)部門已經(jīng)把認(rèn)知技術(shù)運(yùn)用到了多種商業(yè)職能中。
1)銀行業(yè)
自動欺詐探測系統(tǒng)使用機(jī)器學(xué)習(xí)可以識別出預(yù)示著欺詐性付款行動的行為模式;借助語音識別技術(shù)能夠自動完成電話客服;聲音識別可以核實(shí)來電者的身份
2)醫(yī)療健康領(lǐng)域
美國有一半的醫(yī)院采用自動語音識別來幫助醫(yī)生自動完成醫(yī)囑抄錄，而且使用率還在迅速增長;機(jī)器視覺系統(tǒng)自動完成乳房X光檢查和其他醫(yī)學(xué)影響的分析;IBM的Watson借助自然語言處理技術(shù)來閱讀和理解大量醫(yī)學(xué)文獻(xiàn)，通過假設(shè)自動生成來完成自動診斷，借助機(jī)器學(xué)習(xí)可以提高準(zhǔn)確率。
3)生命科學(xué)領(lǐng)域
機(jī)器學(xué)習(xí)系統(tǒng)被用來預(yù)測生物數(shù)據(jù)和化合物活動的因果關(guān)系，從而幫助制藥公司識別出最有前景的藥物。
4)媒體與娛樂行業(yè)
許多公司正在使用數(shù)據(jù)分析和自然語言生成技術(shù)，自動起草基于數(shù)據(jù)的的公文材料，比如公司營收狀況、體育賽事綜述等。
5)石油與天然氣
廠商將機(jī)器學(xué)習(xí)廣泛運(yùn)用在礦藏資源定位、鉆井設(shè)備故障診斷等眾多方面。
6)公共部門
出于監(jiān)控、合規(guī)和欺詐檢測等特定目的，公共部門也已經(jīng)開始使用認(rèn)知技術(shù)。比如，喬治亞州正在通過眾包的形式來進(jìn)行財政披露和競選捐助表格的數(shù)字化，在這個過程中他們就采用了一套自動手寫識別系統(tǒng)。
7)零售商
零售商利用機(jī)器學(xué)習(xí)來自動發(fā)現(xiàn)有吸引力的交叉銷售定價和有效的促銷活動。
8)科技公司
它們正利用機(jī)器視覺、機(jī)器學(xué)習(xí)等認(rèn)知技術(shù)來改進(jìn)產(chǎn)品或者開發(fā)全新產(chǎn)品，比如Roomba機(jī)器人吸塵器，Nest智能恒溫器。
上述例子表明，認(rèn)識技術(shù)的潛在商業(yè)收益遠(yuǎn)大于自動化帶來的成本節(jié)約，這主要體現(xiàn)在：
更快的行動與決策(比如，自動欺詐檢測，計劃和調(diào)度)
更好的結(jié)果(比如，醫(yī)學(xué)診斷、石油探測、需求預(yù)測)
更高的效率(亦即，更好的利用高技能人才和昂貴設(shè)備)，
更低的成本(比如，自動電話客服減少了勞動成本)
更大的規(guī)模(亦即，開展人力無法執(zhí)行的大規(guī)模任務(wù))
產(chǎn)品與服務(wù)創(chuàng)新(從增加新功能到創(chuàng)造新產(chǎn)品)
認(rèn)知技術(shù)影響力與日俱增的原因
在未來五年，認(rèn)知技術(shù)在商業(yè)領(lǐng)域的影響力將顯著增長。原因有二，首先，近些年來，技術(shù)性能有了實(shí)質(zhì)進(jìn)步，并處于持續(xù)研發(fā)狀態(tài)。其次，數(shù)億美元已經(jīng)投入到技術(shù)商業(yè)化中，許多公司正致力于為各商業(yè)部門的廣泛需求提供定制化開發(fā)和打包方案，以使這些技術(shù)更易購買和配置。雖然并非所有的技術(shù)提供商都能幸存，但他們的努力將共同推動市場前進(jìn)。技術(shù)性能的改善和商業(yè)化正在共同擴(kuò)大著認(rèn)知技術(shù)的應(yīng)用范圍，這種情況在未來幾年都將持續(xù)下去。
1、技術(shù)提升擴(kuò)展了應(yīng)用范圍
認(rèn)知技術(shù)大踏步前進(jìn)的例子非常多。比如Google的語音識別系統(tǒng)，一份報告顯示，Google用了不到兩年時間就將語音識別的精準(zhǔn)度從2012年的84%提升到如今的98%。計算機(jī)視覺技術(shù)也取得了突飛猛進(jìn)的發(fā)展。如果以計算機(jī)視覺技術(shù)研究者設(shè)置的技術(shù)標(biāo)準(zhǔn)來看，自2010年到2014年，圖像分類識別的精準(zhǔn)度提高了4倍。Facebook的DeepFace技術(shù)在同行評審報告(譯者注：同行評審，是一種學(xué)術(shù)成果審查程序，即一位作者的學(xué)術(shù)著作或計劃被同一領(lǐng)域的其他專家學(xué)者評審。)被高度肯定，其臉部識別率的準(zhǔn)確度達(dá)到97%。2011年，IBM為了讓W(xué)atson在智力節(jié)目《危險邊緣》中獲勝，曾對Watson進(jìn)行優(yōu)化，提升兩倍的答案精確度。現(xiàn)在，IBM又宣稱如今的Watson比當(dāng)時“智能”了2400%。
隨著技術(shù)的改進(jìn)和提高，技術(shù)應(yīng)用的范圍也在不斷擴(kuò)大。比如，在語音識別方面，機(jī)器曾經(jīng)需要大量訓(xùn)練才能在有限詞庫里勉強(qiáng)識別出來，由語音識別技術(shù)延伸出的醫(yī)療應(yīng)用程序也很難得到真正普及。而現(xiàn)在，每個月互聯(lián)網(wǎng)上都會有數(shù)以百萬次的語音搜索。另外，計算機(jī)視覺技術(shù)過去被狹隘的理解為部署在工業(yè)自動化方面，但現(xiàn)在，我們早已看到這一技術(shù)被廣泛運(yùn)用到監(jiān)控、安全以及各種各樣的消費(fèi)應(yīng)用里。IBM如今正拓展Watson在競賽游戲之外的應(yīng)用，從醫(yī)療診斷到醫(yī)學(xué)研究再到財務(wù)建議以及自動化的呼叫中心。
并不是所有的認(rèn)知技術(shù)都有如此令人矚目的發(fā)展。機(jī)器翻譯有了一定發(fā)展，但幅度很小。一份調(diào)查發(fā)現(xiàn)，從2009年到2012年，將阿拉伯語翻譯到英語的精確度僅僅提升了13%。盡管這些技術(shù)還不完美，但他們已經(jīng)可以影響到專業(yè)機(jī)構(gòu)的工作方式。很多專業(yè)翻譯人員依靠機(jī)器翻譯提升翻譯精準(zhǔn)度，并把一些常規(guī)翻譯交給機(jī)器，自己專注在更具挑戰(zhàn)性的任務(wù)上。
很多公司正努力將認(rèn)知技術(shù)做進(jìn)一步研發(fā)，并逐步將其融入到更多產(chǎn)品尤其是企業(yè)級產(chǎn)品里，以方便企業(yè)用戶購買和部署。
2、對商業(yè)化進(jìn)行的大規(guī)模投資
從2011年到2014年5月，超過20億美元的風(fēng)險投資流入到基于認(rèn)知技術(shù)研究的產(chǎn)品和服務(wù)里。與此同時，超過100家的相關(guān)公司被兼并或收購，其中一些被互聯(lián)網(wǎng)巨頭如亞馬遜、蘋果、Google、IBM或Facebook收購。所有這些投資都在培育一個多樣化的公司圖譜，這些公司正在加速認(rèn)知技術(shù)的商業(yè)化進(jìn)程。
在這里，我們并不會提供關(guān)于某公司在認(rèn)知技術(shù)商業(yè)化方面的細(xì)節(jié)，我們希望說明，認(rèn)知技術(shù)產(chǎn)品擁有豐富的多樣性。下面就是致力于認(rèn)知技術(shù)商業(yè)化的公司名單，這個名單既不是完整無缺也非固定不變，而是一個動態(tài)的，用于推動和培育市場的指標(biāo)。
數(shù)據(jù)管理和分析工具主要使用自然語言處理、機(jī)器學(xué)習(xí)等認(rèn)知技術(shù)。這些工具利用自然語言處理來從非結(jié)構(gòu)化的文本中提取出意思，或者借助機(jī)器學(xué)習(xí)幫助分析人員從大規(guī)模數(shù)據(jù)集中發(fā)現(xiàn)深層含義。這個領(lǐng)域的公司包括Context Relevant(譯者注：美國的一家大數(shù)據(jù)挖掘和分析公司)、Palantir Technologies(譯者注：這家公司稱要將數(shù)據(jù)、技術(shù)、人類和環(huán)境連接起來)、以及Skytree(譯者注：一家借助機(jī)器學(xué)習(xí)進(jìn)行市場分析并提供決策依據(jù)的大數(shù)據(jù)公司)。
認(rèn)知技術(shù)的各個部分可以被整合到各種應(yīng)用和商業(yè)決策中，分別起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模塊來促進(jìn)商業(yè)決策，比如客戶支持、營銷和銷售，這里面會用到機(jī)器學(xué)習(xí)模型來預(yù)測哪些客戶比較容易流失，以及哪些潛在客戶更加容易轉(zhuǎn)化。Nuance公司通過提供一種語音識別技術(shù)來幫助開發(fā)者進(jìn)行需要語音控制的移動APP的開發(fā)。
單點(diǎn)解決方案。眾多認(rèn)知技術(shù)成熟的標(biāo)志是它們正在被不斷的嵌入到特定商業(yè)問題的解決方案中。這些解決方案的設(shè)計初衷是要比公司原有的解決方案更加有效，并且?guī)缀醪恍枰J(rèn)知技術(shù)方面的專業(yè)人員。普及度比較高的應(yīng)用領(lǐng)域包括廣告、營銷和銷售自動化、預(yù)測以及規(guī)劃。
技術(shù)平臺。平臺的目的是為建立高度定制化的商業(yè)解決方案提供基礎(chǔ)。它們會提供一系列功能，包括數(shù)據(jù)管理、機(jī)器學(xué)習(xí)工具、自然語言處理、知識表示和推理、以及將這些定制化軟件整合在一起的統(tǒng)一框架。
3、新興應(yīng)用
如果這些技術(shù)的表現(xiàn)和商業(yè)化趨勢繼續(xù)發(fā)展，我們就能夠大膽預(yù)測認(rèn)知技術(shù)的應(yīng)用將更加廣泛，被接受程度也會大大增加。數(shù)億美金的投資涌入這些基于機(jī)器學(xué)習(xí)、自然語言處理、機(jī)器視覺或者機(jī)器人技術(shù)的公司，這預(yù)示著許多新應(yīng)用即將投入市場。在商業(yè)機(jī)構(gòu)依托認(rèn)知技術(shù)構(gòu)建自動化業(yè)務(wù)流程、增強(qiáng)產(chǎn)品和服務(wù)方面，我們也看到了巨大空間。
認(rèn)知技術(shù)在企業(yè)的應(yīng)用路徑
認(rèn)知技術(shù)將在接下來幾年里變得流行。在未來2-5年，技術(shù)層面的進(jìn)步和商業(yè)化將擴(kuò)大認(rèn)知技術(shù)對企業(yè)的影響。越來越多的企業(yè)會找到一些創(chuàng)新性應(yīng)用來顯著改善他們自身的表現(xiàn)或者創(chuàng)造新功能，以增強(qiáng)他們的競爭地位。企業(yè)的IT部門現(xiàn)在可以行動起來，增加對這些技術(shù)的了解，評估出適用這些技術(shù)的機(jī)會，將這些技術(shù)可能帶來的價值向領(lǐng)導(dǎo)進(jìn)行匯報。高級商務(wù)和公共部門的領(lǐng)導(dǎo)應(yīng)該思考認(rèn)知技術(shù)將對他們的部門以及整個公司產(chǎn)生何種影響，這些技術(shù)將如何激發(fā)創(chuàng)新并提升經(jīng)營表現(xiàn)。
廣州澳博信息科技有限公司首頁
