國內對(dui)于(yu)人工智能(neng)的討(tao)論大多是不成體系的碎片式，很(hen)難從中深入了解人工智能(neng)的發展脈絡和技術體系，也很(hen)難有實際借鑒(jian)意義。德勤DUP，對(dui)人(ren)工(gong)智能的(de)(de)歷史(shi)、核心技術(shu)和應(ying)用情況(kuang)進行了詳細說明，尤其是其中重要(yao)的(de)(de)認知技術(shu)。這份(fen)報告將有助于(yu)我們(men)對(dui)人(ren)工(gong)智能和認知技術(shu)進行深入了解(jie)，也有助于(yu)各行業的(de)(de)公(gong)司考量人(ren)工(gong)智能應(ying)用的(de)(de)實(shi)際價值(zhi)。
本(ben)報告由(you) 機器之心(xin) 翻譯(yi)，歡迎關注微(wei)信號：機器之心(xin)（ID：almosthuman2014）。
一(yi)、概述
近幾年各界對人工智能的興趣激增，自2011年以來，開發與人工智能相關的產品和技術并使之商業化的公司已獲得超過總計20億美元的風險投資，而科技巨頭更是(shi)投資(zi)數十億美元收購那些人(ren)(ren)工智能(neng)初創公司。相關(guan)(guan)報道鋪天(tian)蓋地，而巨額投資(zi)、計(ji)算(suan)機(ji)導致失業等問(wen)題也(ye)開(kai)始(shi)浮現，計(ji)算(suan)機(ji)比人(ren)(ren)更加聰(cong)明并有可(ke)能(neng)威脅(xie)到人(ren)(ren)類生存這類論斷更是(shi)被媒體四處引用并引發廣泛關(guan)(guan)注。
IBM承諾撥出10億美元來使他們的認知計算平臺(tai)Watson商業(ye)化。
谷(gu)歌在(zai)最近幾年里的投資主要集(ji)中在(zai)人(ren)工智能領域，比(bi)如(ru)收(shou)購(gou)了(le)8個(ge)機器人(ren)公司和1個(ge)機器學習公司。
Facebook聘用了人工智(zhi)能學界(jie)泰斗Yann LeCun 來創(chuang)建自己的人工智(zhi)能實(shi)驗室，期望在該領域獲得重(zhong)大突(tu)破(po)。
牛津大學的(de)研究人員發(fa)表了一篇報告表明，美國大約47%的(de)工作因為機(ji)器認知(zhi)技術自(zi)動化而變(bian)得岌(ji)岌(ji)可危。
紐約時報暢(chang)銷書《The Second Machine Age》論斷，數字(zi)科技和人(ren)工智能帶來巨大積極(ji)改變的時代已經到來，但是隨之而來的也有引發大量失業等負面效應。
硅谷創業家Elon Musk 則通過(guo)不斷投資的方式來(lai)保持對人工(gong)智能(neng)的關(guan)注。他(ta)甚(shen)至(zhi)認為人工(gong)智能(neng)的危險性(xing)超過(guo)核武器。
著名(ming)理(li)論物理(li)學家Stephen Hawking認為，如(ru)果(guo)成(cheng)功創造出人(ren)工智能則意味著人(ren)類歷史的終結，“除非我們知道(dao)如(ru)何規避風險。”
即(ji)便有(you)如此(ci)多炒作，但人工(gong)智(zhi)能領域卻也不(bu)乏顯著的商業(ye)行為(wei)，這(zhe)些活動已經或者即(ji)將對(dui)各個(ge)行業(ye)和組織產生影(ying)響(xiang)。商業(ye)領袖(xiu)需要(yao)透徹理解人工(gong)智(zhi)能的含義(yi)以及(ji)發展趨勢。
二、人工智能(neng)與認知科(ke)技
揭秘人工智能的首要步驟就是定(ding)義專(zhuan)業(ye)術語，勾(gou)勒歷(li)史，同時描述基礎性(xing)的核心(xin)技術。
1、人工智能的定義
人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)領(ling)域(yu)(yu)苦于(yu)存在(zai)多種(zhong)概(gai)念和定(ding)義(yi)(yi)，有(you)的(de)(de)(de)太過有(you)的(de)(de)(de)則不夠。作為該領(ling)域(yu)(yu)創始人(ren)(ren)之一的(de)(de)(de)Nils Nilsson先(xian)生(sheng)寫到：“人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)缺乏通用的(de)(de)(de)定(ding)義(yi)(yi)。” 一本如今已經修訂三版的(de)(de)(de)權威性(xing)人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)教科(ke)書給出(chu)了八(ba)項定(ding)義(yi)(yi)，但(dan)書中(zhong)并沒有(you)透露其作者究竟(jing)傾向于(yu)哪(na)種(zhong)定(ding)義(yi)(yi)。對(dui)(dui)(dui)于(yu)我(wo)們來(lai)說，一種(zhong)實(shi)(shi)(shi)用的(de)(de)(de)定(ding)義(yi)(yi)即為——人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)是(shi)對(dui)(dui)(dui)計(ji)算機系統如何能(neng)夠履行(xing)那些只有(you)依靠(kao)人(ren)(ren)類智(zhi)(zhi)(zhi)慧才(cai)能(neng)完成(cheng)的(de)(de)(de)任(ren)務的(de)(de)(de)理論研究。例如，視覺感知、語(yu)音識別、在(zai)不確定(ding)條件下做出(chu)決(jue)策(ce)、學習、還有(you)語(yu)言翻譯等。比起(qi)研究人(ren)(ren)類如何進行(xing)思維活動，從(cong)人(ren)(ren)類能(neng)夠完成(cheng)的(de)(de)(de)任(ren)務角(jiao)度對(dui)(dui)(dui)人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)進行(xing)定(ding)義(yi)(yi)，而(er)非人(ren)(ren)類如何思考，在(zai)當今時代能(neng)夠讓我(wo)們繞開神經機制(zhi)層面對(dui)(dui)(dui)智(zhi)(zhi)(zhi)慧進行(xing)確切(qie)定(ding)義(yi)(yi)從(cong)而(er)直接探(tan)討它的(de)(de)(de)實(shi)(shi)(shi)際應用。值(zhi)得一提的(de)(de)(de)是(shi)，隨著(zhu)計(ji)算機為解決(jue)新任(ren)務挑戰而(er)升級換(huan)代并推而(er)廣之，人(ren)(ren)們對(dui)(dui)(dui)那些所謂需(xu)要(yao)(yao)依靠(kao)人(ren)(ren)類智(zhi)(zhi)(zhi)慧才(cai)能(neng)解決(jue)的(de)(de)(de)任(ren)務的(de)(de)(de)定(ding)義(yi)(yi)門檻也越(yue)來(lai)越(yue)高。所以，人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)的(de)(de)(de)定(ding)義(yi)(yi)隨著(zhu)時間(jian)而(er)演(yan)變，這一現象稱之為“人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)效應”，概(gai)括起(qi)來(lai)就是(shi)“人(ren)(ren)工(gong)智(zhi)(zhi)(zhi)能(neng)就是(shi)要(yao)(yao)實(shi)(shi)(shi)現所有(you)目前(qian)還無法不借助人(ren)(ren)類智(zhi)(zhi)(zhi)慧才(cai)能(neng)實(shi)(shi)(shi)現的(de)(de)(de)任(ren)務的(de)(de)(de)集合。”
2、人工智能的歷史
人工智能并(bing)不是一(yi)個新(xin)名詞。實際(ji)上，這個領(ling)域在20世紀50年(nian)代(dai)(dai)就(jiu)已經開始啟動，這段探(tan)索的(de)歷史被稱為(wei)“喧囂與(yu)渴(ke)望(wang)、挫折與(yu)失望(wang)交(jiao)替(ti)出(chu)現的(de)時代(dai)(dai)”——最近給出(chu)的(de)一(yi)個較為(wei)恰當的(de)評價。
20世(shi)紀50年(nian)(nian)代(dai)明確(que)了人工智能(neng)要模(mo)(mo)擬(ni)人類(lei)智慧這一(yi)大膽目標，從此研究(jiu)人員開展了一(yi)系列貫穿(chuan)20世(shi)紀60年(nian)(nian)代(dai)并延續到70年(nian)(nian)代(dai)的(de)研究(jiu)項目，這些項目表明，計(ji)算機能(neng)夠(gou)完(wan)成一(yi)系列所本(ben)只(zhi)屬于人類(lei)能(neng)力范疇之內的(de)任務，例如證明定理(li)、求解微(wei)積(ji)分、通過規劃來響應(ying)命令、履行物理(li)動作(zuo)，甚(shen)至是模(mo)(mo)擬(ni)心理(li)學家、譜(pu)曲這樣的(de)活動。
但是，過分簡單的(de)(de)算(suan)法、匱乏的(de)(de)難以應對(dui)(dui)不確(que)定(ding)環(huan)境（這種情(qing)形在(zai)(zai)生活中(zhong)無處不在(zai)(zai)）的(de)(de)理(li)論，以及計算(suan)能力的(de)(de)限(xian)制嚴(yan)重阻礙(ai)了我們使(shi)用人(ren)(ren)工智(zhi)能來解決(jue)更加困難和多(duo)樣的(de)(de)問題(ti)。伴隨著對(dui)(dui)缺乏繼續努力的(de)(de)失望，人(ren)(ren)工智(zhi)能于20世紀70年代中(zhong)期(qi)逐漸淡(dan)出公眾(zhong)視野。
20世紀80年代早期，日本發起了一個項目，旨(zhi)在(zai)(zai)開(kai)發一種(zhong)在(zai)(zai)人工(gong)智能領域處于領先的計(ji)算機結構。西(xi)方開(kai)始擔心會在(zai)(zai)這個領域輸給日本，這種(zhong)焦慮促(cu)使他(ta)們決定(ding)重新(xin)開(kai)始對人工(gong)智能的投(tou)資。20世紀80年代已(yi)經(jing)出(chu)現了人工(gong)智能技術產品的商業供應商，其(qi)中(zhong)一些已(yi)經(jing)上市，例如Intellicorp、Symbolics、和(he)Teknowledge。
20世紀(ji)80年代末，幾乎(hu)一半(ban)的“財(cai)富500強”都(dou)在(zai)開發(fa)或(huo)使用(yong)“專家(jia)系(xi)統”，這是一項通過(guo)對人(ren)類(lei)(lei)專家(jia)的問(wen)題求(qiu)解能力進行建模，來(lai)模擬人(ren)類(lei)(lei)專家(jia)解決該領域問(wen)題的人(ren)工(gong)智(zhi)能技術。
對于專家(jia)系統(tong)潛力的(de)過高希(xi)望徹底(di)掩蓋了它(ta)本身的(de)局限性(xing)，包括明顯缺乏常識、難(nan)以捕(bu)捉專家(jia)的(de)隱性(xing)知(zhi)識、建(jian)造和(he)維護大型系統(tong)這(zhe)項工作的(de)復雜性(xing)和(he)成本，當這(zhe)一(yi)(yi)點被越來越多(duo)的(de)人所認(ren)識到(dao)時，人工智(zhi)能研(yan)究再一(yi)(yi)次脫離軌道。
20世紀90年代在人工智(zhi)能領域的技術成果始終處(chu)于低潮，成果寥寥。反而是(shi)(shi)神(shen)經網(wang)絡、遺傳(chuan)算法(fa)等科(ke)技得到(dao)了新(xin)的關注，這一(yi)方(fang)面是(shi)(shi)因(yin)為這些技術避免(mian)了專(zhuan)家系統的若干限制，另一(yi)方(fang)面是(shi)(shi)因(yin)為新(xin)算法(fa)讓它們(men)運行起來更(geng)加高效。
神經網絡的(de)設(she)計受到了大(da)腦結構的(de)啟發(fa)。遺傳(chuan)算法的(de)機制是，首(shou)先(xian)迭代生(sheng)(sheng)成備選解決(jue)方(fang)(fang)案(an)，然后剔除最差方(fang)(fang)案(an)，最后通過引入隨機變量來產生(sheng)(sheng)新的(de)解決(jue)方(fang)(fang)案(an)，從而“進(jin)化”出(chu)解決(jue)問題的(de)最佳方(fang)(fang)案(an)。
3、人工智能進步的催化劑
截止(zhi)到21世紀前10年的后期(qi)，出現(xian)了一系列復興人工智能(neng)研究進程的要素，尤其是一些核心技(ji)術。下面將對這些重要的因素和技(ji)術進行(xing)詳細(xi)說明。
1）摩爾定律
在(zai)(zai)價格、體積不變的條件下，計算(suan)機的計算(suan)能力可以不斷增長。這就是被人(ren)們所(suo)(suo)熟(shu)知的摩爾定律，它以Intel共(gong)同創辦(ban)人(ren)Gordon Moore命名。Gordon Moore從(cong)各種形式(shi)的計算(suan)中(zhong)獲利，包括人(ren)工智能研(yan)究人(ren)員使用的計算(suan)類型。數年以前，先(xian)進的系(xi)統設計只能在(zai)(zai)理(li)論上成立(li)但無(wu)法(fa)實現(xian)，因為它所(suo)(suo)需(xu)要的計算(suan)機資源過于昂貴或者計算(suan)機無(wu)法(fa)勝任。今天，我們已(yi)經擁有了(le)實現(xian)這些設計所(suo)(suo)需(xu)要的計算(suan)資源。舉(ju)個(ge)夢(meng)幻般的例子，現(xian)在(zai)(zai)最新一代微處理(li)器的性能是1971年第一代單(dan)片(pian)機的400萬倍。
2）大數據
得益于互聯網、社交媒體、移動設備(bei)和(he)廉價(jia)的傳感器，這(zhe)(zhe)(zhe)個(ge)世(shi)界產生的數(shu)(shu)據(ju)量急劇增加。隨著對這(zhe)(zhe)(zhe)些(xie)數(shu)(shu)據(ju)的價(jia)值的不斷(duan)認(ren)識，用(yong)來管理和(he)分析(xi)數(shu)(shu)據(ju)的新技(ji)術(shu)也得到了發展。大數(shu)(shu)據(ju)是(shi)人工智能發展的助推(tui)劑，這(zhe)(zhe)(zhe)是(shi)因為有些(xie)人工智能技(ji)術(shu)使用(yong)統(tong)計模(mo)型來進行數(shu)(shu)據(ju)的概率推(tui)算，比如圖(tu)像、文(wen)本(ben)或(huo)者語(yu)音，通過把這(zhe)(zhe)(zhe)些(xie)模(mo)型暴露在(zai)數(shu)(shu)據(ju)的海(hai)洋中(zhong)，使它們(men)得到不斷(duan)優(you)化，或(huo)者稱之(zhi)為“訓練”——現在(zai)這(zhe)(zhe)(zhe)樣的條件(jian)隨處可(ke)得。
3）互聯網和云計算
和大(da)數(shu)據現象緊密(mi)相關，互聯網和云(yun)計(ji)算可(ke)(ke)以(yi)被認為是人(ren)工(gong)智(zhi)能基石有(you)(you)兩個(ge)原(yuan)因(yin)(yin)，第一(yi)(yi)，它們(men)可(ke)(ke)以(yi)讓所有(you)(you)聯網的(de)(de)(de)(de)(de)計(ji)算機設備都能獲得(de)海量(liang)數(shu)據。這些(xie)數(shu)據是人(ren)們(men)推進人(ren)工(gong)智(zhi)能研發所需要的(de)(de)(de)(de)(de)，因(yin)(yin)此(ci)它可(ke)(ke)以(yi)促(cu)進人(ren)工(gong)智(zhi)能的(de)(de)(de)(de)(de)發展。第二，它們(men)為人(ren)們(men)提供了一(yi)(yi)種可(ke)(ke)行的(de)(de)(de)(de)(de)合作方式(shi)(shi)——有(you)(you)時顯式(shi)(shi)有(you)(you)時隱式(shi)(shi)——來(lai)(lai)(lai)幫助(zhu)人(ren)工(gong)智(zhi)能系統進行訓練。比如，有(you)(you)些(xie)研究人(ren)員使(shi)用(yong)(yong)類似Mechanical Turk這樣(yang)基于云(yun)計(ji)算的(de)(de)(de)(de)(de)眾包(bao)服務來(lai)(lai)(lai)雇傭成千上萬的(de)(de)(de)(de)(de)人(ren)來(lai)(lai)(lai)描繪數(shu)字圖(tu)像(xiang)。這就使(shi)得(de)圖(tu)像(xiang)識(shi)別算法可(ke)(ke)以(yi)從(cong)這些(xie)描繪中進行學習(xi)。谷(gu)歌(ge)翻(fan)譯(yi)通過分析用(yong)(yong)戶的(de)(de)(de)(de)(de)反饋以(yi)及使(shi)用(yong)(yong)者的(de)(de)(de)(de)(de)無償貢獻來(lai)(lai)(lai)提高它自動(dong)翻(fan)譯(yi)的(de)(de)(de)(de)(de)質(zhi)量(liang)。
4）新算法
算法(fa)(fa)是解決一個(ge)設計程序或完成任務的(de)(de)路徑方法(fa)(fa)。最近幾(ji)年，新算法(fa)(fa)的(de)(de)發展(zhan)極大提高了機器學(xue)習(xi)的(de)(de)能力，這(zhe)些算法(fa)(fa)本身很重要，同時也是其他技術的(de)(de)推動者(zhe)，比(bi)如(ru)計算機視覺（這(zhe)項科技將(jiang)(jiang)會在(zai)后文描述(shu)）。機器學(xue)習(xi)算法(fa)(fa)目前(qian)被開源使用(yong)，這(zhe)種(zhong)情(qing)形將(jiang)(jiang)促(cu)成更(geng)大進步，因(yin)為在(zai)開源環境下開發人員可以(yi)補足和(he)增強彼此的(de)(de)工作。
4、認知技術
我們將區分人工智能領域和由此延伸的各項技術。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的來臨。而各項技術則在以往只有人能做到的特定任務上面表現得越來越好。我們稱這些技術為認知技術（下圖），認知技術是人工智能領域的產物，它們能完成以往只有人能夠完成的任務。而它們(men)正(zheng)是商(shang)業和(he)公共部(bu)門(men)的領(ling)導(dao)者應(ying)該關(guan)注的。下面我們(men)將介紹(shao)幾個最重要的認知技術，它們(men)正(zheng)被(bei)廣泛采納(na)并進展(zhan)迅(xun)速，也獲得大(da)量投資。
1）計算機視覺
是指計(ji)算(suan)機(ji)(ji)從(cong)圖(tu)像(xiang)中識別(bie)出(chu)物(wu)體(ti)、場景和活動(dong)的(de)(de)能(neng)力。計(ji)算(suan)機(ji)(ji)視覺技(ji)術(shu)運用(yong)由圖(tu)像(xiang)處(chu)理(li)操作及(ji)其他技(ji)術(shu)所組成的(de)(de)序列(lie)來將圖(tu)像(xiang)分析(xi)任務分解為(wei)便于管(guan)理(li)的(de)(de)小塊任務。比如，一(yi)些技(ji)術(shu)能(neng)夠從(cong)圖(tu)像(xiang)中檢測到(dao)物(wu)體(ti)的(de)(de)邊緣及(ji)紋理(li)。分類技(ji)術(shu)可被(bei)用(yong)作確定識別(bie)到(dao)的(de)(de)特征是否能(neng)夠代表系統已知(zhi)的(de)(de)一(yi)類物(wu)體(ti)。
計(ji)算機視覺有著廣泛應用(yong)(yong)。其(qi)中(zhong)包括，醫療成像分析被(bei)用(yong)(yong)來(lai)提(ti)高疾病的預(yu)測、診斷和治(zhi)療；人臉識別(bie)(bie)被(bei)Facebook用(yong)(yong)來(lai)自動(dong)識別(bie)(bie)照片里的人物(wu)(wu)；在(zai)安(an)防及監控領(ling)域被(bei)用(yong)(yong)來(lai)指認嫌(xian)疑人；在(zai)購(gou)物(wu)(wu)方面，消費者現(xian)在(zai)可以用(yong)(yong)智能手機拍攝下產品以獲(huo)得更多購(gou)買(mai)選擇(ze)。
機(ji)器(qi)視(shi)覺(jue)作為(wei)一(yi)個(ge)相(xiang)關學(xue)科，泛指在(zai)(zai)工(gong)業自動化領(ling)域的(de)視(shi)覺(jue)應(ying)用。在(zai)(zai)這些應(ying)用里，計(ji)(ji)算機(ji)在(zai)(zai)高度受限的(de)工(gong)廠環(huan)境(jing)里識別諸如(ru)生產零(ling)件一(yi)類的(de)物(wu)體，因此相(xiang)對(dui)于(yu)尋求在(zai)(zai)非受限環(huan)境(jing)里操作的(de)計(ji)(ji)算機(ji)視(shi)覺(jue)來說目標更為(wei)簡單(dan)。計(ji)(ji)算機(ji)視(shi)覺(jue)是一(yi)個(ge)正在(zai)(zai)進行中的(de)研(yan)究，而(er)機(ji)器(qi)視(shi)覺(jue)則是“已經解決的(de)問題”，是系(xi)統工(gong)程方面的(de)課(ke)題而(er)非研(yan)究層面的(de)課(ke)題。因為(wei)應(ying)用范圍的(de)持(chi)續擴大，計(ji)(ji)算機(ji)視(shi)覺(jue)領(ling)域的(de)初創公(gong)司(si)自2011年(nian)起已經吸引了數億(yi)美元(yuan)的(de)風投資本。
2）機器學習
指(zhi)的是(shi)計算機系統無需遵照顯式的程(cheng)序指(zhi)令而只是(shi)依靠暴露在數(shu)據(ju)中來提升(sheng)自(zi)身性(xing)能的能力。其(qi)核心在于，機器(qi)學習(xi)是(shi)從數(shu)據(ju)中自(zi)動(dong)發現(xian)(xian)模(mo)式，模(mo)式一(yi)旦被發現(xian)(xian)便可用(yong)于做預測(ce)(ce)。比(bi)如，給予機器(qi)學習(xi)系統一(yi)個關于交易時間、商家、地點、價格及(ji)交易是(shi)否(fou)正當(dang)等信用(yong)卡(ka)交易信息的數(shu)據(ju)庫，系統就會(hui)(hui)學習(xi)到可用(yong)來預測(ce)(ce)信用(yong)卡(ka)欺(qi)詐的模(mo)式。處理(li)的交易數(shu)據(ju)越多，預測(ce)(ce)就會(hui)(hui)越好。
機(ji)(ji)器學(xue)習(xi)的(de)(de)應用范圍(wei)非(fei)常(chang)廣泛，針對那些產生龐大數(shu)據的(de)(de)活動(dong)，它(ta)幾(ji)乎擁有改進一切性能(neng)(neng)的(de)(de)潛力。除(chu)了(le)欺詐甄別之外，這(zhe)些活動(dong)還包括銷售預測、庫存管理、石油和天然氣勘探(tan)、以及公共衛生。機(ji)(ji)器學(xue)習(xi)技(ji)術在其(qi)他的(de)(de)認(ren)知技(ji)術領(ling)域也扮演著(zhu)重要角色，比如計算機(ji)(ji)視(shi)覺，它(ta)能(neng)(neng)在海量圖像(xiang)中通過不斷訓練和改進視(shi)覺模型來(lai)提高(gao)其(qi)識別對象的(de)(de)能(neng)(neng)力。現如今，機(ji)(ji)器學(xue)習(xi)已(yi)經成為認(ren)知技(ji)術中最炙手可熱的(de)(de)研究領(ling)域之一，在2011-2014年中這(zhe)段(duan)時間內就已(yi)吸引了(le)近(jin)十億美元(yuan)的(de)(de)風險(xian)投資(zi)。谷歌也在2014年斥資(zi)4億美金(jin)收(shou)購Deepmind這(zhe)家研究機(ji)(ji)器學(xue)習(xi)技(ji)術的(de)(de)公司。
3）自然語言處理
是(shi)指計算機擁有(you)的(de)(de)(de)(de)(de)(de)人(ren)類般(ban)文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)處理的(de)(de)(de)(de)(de)(de)能(neng)力(li)，比(bi)如，從文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)中(zhong)(zhong)(zhong)提(ti)取(qu)意(yi)(yi)(yi)義(yi)(yi)，甚至從那些可(ke)(ke)(ke)讀(du)的(de)(de)(de)(de)(de)(de)、風格自(zi)然、語法正確的(de)(de)(de)(de)(de)(de)文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)中(zhong)(zhong)(zhong)自(zi)主解(jie)讀(du)出含義(yi)(yi)。一(yi)個(ge)自(zi)然語言(yan)(yan)處理系統并不了(le)解(jie)人(ren)類處理文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)的(de)(de)(de)(de)(de)(de)方式(shi)，但是(shi)它(ta)卻可(ke)(ke)(ke)以(yi)用(yong)(yong)非常復雜與(yu)(yu)(yu)成(cheng)熟的(de)(de)(de)(de)(de)(de)手(shou)段巧(qiao)妙(miao)處理文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)，例如自(zi)動識別一(yi)份文(wen)(wen)(wen)檔中(zhong)(zhong)(zhong)所有(you)被提(ti)及(ji)的(de)(de)(de)(de)(de)(de)人(ren)與(yu)(yu)(yu)地(di)點；識別文(wen)(wen)(wen)檔的(de)(de)(de)(de)(de)(de)核(he)心議題；或者在一(yi)堆僅人(ren)類可(ke)(ke)(ke)讀(du)的(de)(de)(de)(de)(de)(de)合同中(zhong)(zhong)(zhong)，將各種條款與(yu)(yu)(yu)條件提(ti)取(qu)出來并制作(zuo)成(cheng)表。以(yi)上這(zhe)(zhe)些任務(wu)通(tong)過傳統的(de)(de)(de)(de)(de)(de)文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)處理軟件根(gen)本(ben)(ben)(ben)(ben)不可(ke)(ke)(ke)能(neng)完成(cheng)，后者僅能(neng)針對簡(jian)單的(de)(de)(de)(de)(de)(de)文(wen)(wen)(wen)本(ben)(ben)(ben)(ben)匹(pi)配與(yu)(yu)(yu)模式(shi)進行操作(zuo)。請(qing)思(si)考一(yi)個(ge)老生常談的(de)(de)(de)(de)(de)(de)例子(zi)，它(ta)可(ke)(ke)(ke)以(yi)體現(xian)自(zi)然語言(yan)(yan)處理面臨(lin)的(de)(de)(de)(de)(de)(de)一(yi)個(ge)挑戰(zhan)。在句(ju)子(zi)“光陰似箭(jian)（Time flies like an arrow）”中(zhong)(zhong)(zhong)每一(yi)個(ge)單詞的(de)(de)(de)(de)(de)(de)意(yi)(yi)(yi)義(yi)(yi)看起來都很清(qing)晰，直到(dao)系統遇到(dao)這(zhe)(zhe)樣(yang)的(de)(de)(de)(de)(de)(de)句(ju)子(zi)“果蠅喜歡香蕉（Fruit flies like a banana）”，用(yong)(yong)“水(shui)果（fruit）”替(ti)代了(le)“時間(jian)（time）”，并用(yong)(yong)“香蕉（banana）”替(ti)代“箭(jian)（arrow）”，就改(gai)變了(le)“飛逝／飛著(zhu)的(de)(de)(de)(de)(de)(de)（like）”與(yu)(yu)(yu)“像(xiang)／喜歡（like）”這(zhe)(zhe)兩(liang)個(ge)單詞的(de)(de)(de)(de)(de)(de)意(yi)(yi)(yi)思(si)。
自(zi)然(ran)語言處理，像計算(suan)機(ji)視(shi)覺技術一樣，將(jiang)(jiang)各種有助于(yu)實現目標(biao)的多種技術進行(xing)了融合(he)。建立語言模型來預(yu)測語言表達(da)(da)的概(gai)率(lv)分布，舉例來說，就是(shi)(shi)某(mou)一串給定字(zi)符或單詞(ci)表達(da)(da)某(mou)一特定語義的最大可(ke)能(neng)性(xing)。選(xuan)(xuan)定的特征可(ke)以和(he)文中的某(mou)些元素(su)結合(he)來識別(bie)一段文字(zi)，通過識別(bie)這(zhe)些元素(su)可(ke)以把(ba)某(mou)類(lei)文字(zi)同其他文字(zi)區別(bie)開來，比如垃(la)圾(ji)郵件(jian)同正(zheng)常郵件(jian)。以機(ji)器學習為(wei)驅動的分類(lei)方法將(jiang)(jiang)成為(wei)篩選(xuan)(xuan)的標(biao)準，用來決定一封郵件(jian)是(shi)(shi)否(fou)屬于(yu)垃(la)圾(ji)郵件(jian)。
因為(wei)語境對(dui)(dui)于(yu)理(li)解(jie)“time flies（時光飛逝(shi)）”和“fruit flies（果蠅）”的(de)(de)區(qu)別是如此重(zhong)要，所以自然語言處理(li)技術的(de)(de)實際應用領域(yu)相對(dui)(dui)較(jiao)窄，這些領域(yu)包括(kuo)分析顧客對(dui)(dui)某(mou)項特定產(chan)品和服(fu)務(wu)的(de)(de)反饋、自動發現民事訴(su)訟或政府(fu)調查中(zhong)的(de)(de)某(mou)些含義、以及自動書寫諸如企(qi)業營收和體育運(yun)動的(de)(de)公式化范(fan)文(wen)等。
4）機器人技術
將機器視覺、自動(dong)規(gui)劃等認知技術整(zheng)合至(zhi)極小卻高性(xing)能(neng)的(de)(de)(de)傳感器、致動(dong)器、以(yi)及(ji)設(she)計巧妙的(de)(de)(de)硬件中，這就催生了新(xin)一(yi)代(dai)的(de)(de)(de)機器人(ren)(ren)，它有能(neng)力與人(ren)(ren)類(lei)(lei)一(yi)起工作(zuo)，能(neng)在各種未知環(huan)境中靈活(huo)處理不同(tong)的(de)(de)(de)任務。例如(ru)無(wu)人(ren)(ren)機，還有可(ke)以(yi)在車間(jian)為人(ren)(ren)類(lei)(lei)分擔工作(zuo)的(de)(de)(de)“cobots”，還包(bao)括那些從玩具到家(jia)務助(zhu)手的(de)(de)(de)消費(fei)類(lei)(lei)產品。
5）語音識別技術
主要是關注(zhu)自(zi)動(dong)且(qie)準確的(de)轉(zhuan)錄人類的(de)語(yu)(yu)音(yin)。該技(ji)術(shu)必須面對(dui)一(yi)些(xie)與(yu)自(zi)然(ran)(ran)語(yu)(yu)言處理類似的(de)問(wen)題(ti)，在不同口音(yin)的(de)處理 、背景噪音(yin)、區分同音(yin)異(yi)形異(yi)義(yi)詞(“buy”和“by”聽起來是一(yi)樣的(de))方面存在一(yi)些(xie)困難，同時還需要具(ju)有跟上正(zheng)常語(yu)(yu)速的(de)工作(zuo)速度。語(yu)(yu)音(yin)識別系(xi)統(tong)使用一(yi)些(xie)與(yu)自(zi)然(ran)(ran)語(yu)(yu)言處理系(xi)統(tong)相同的(de)技(ji)術(shu)，再輔以其(qi)他技(ji)術(shu)，比(bi)如描(miao)述(shu)聲(sheng)(sheng)音(yin)和其(qi)出現在特(te)定(ding)序列和語(yu)(yu)言中概率的(de)聲(sheng)(sheng)學模(mo)型(xing)等(deng)。語(yu)(yu)音(yin)識別的(de)主要應用包括(kuo)醫療聽寫、語(yu)(yu)音(yin)書寫、電腦(nao)系(xi)統(tong)聲(sheng)(sheng)控、電話客(ke)服等(deng)。比(bi)如Domino’s Pizza最(zui)近推(tui)出了一(yi)個允許用戶通過(guo)語(yu)(yu)音(yin)下單(dan)的(de)移動(dong)APP。
上面提(ti)(ti)到的(de)(de)認知(zhi)技術(shu)進步飛(fei)快并吸引了大量投資，其他相對(dui)成熟的(de)(de)認知(zhi)技術(shu)仍然是企業軟件(jian)系統(tong)的(de)(de)重要(yao)組成部分。這(zhe)些日漸成熟的(de)(de)認知(zhi)技術(shu)包(bao)括決(jue)策最優化——自(zi)動完成對(dui)復雜決(jue)策或者在資源(yuan)有限(xian)的(de)(de)前(qian)提(ti)(ti)下(xia)做出最佳權衡；規劃(hua)和(he)調度——使(shi)設計(ji)一系列行(xing)動流程(cheng)來滿足目標(biao)和(he)觀(guan)察約束；規則(ze)導(dao)向系統(tong)——為專家系統(tong)提(ti)(ti)供(gong)基(ji)礎的(de)(de)技術(shu)，使(shi)用(yong)知(zhi)識和(he)規則(ze)的(de)(de)數據庫來自(zi)動完成從信息中進行(xing)推論(lun)的(de)(de)處理過程(cheng)。
三、認知技術的廣泛使用
各種(zhong)(zhong)經(jing)濟部門已(yi)經(jing)把認知技術(shu)運用到了多(duo)種(zhong)(zhong)商業職(zhi)能中。
1）銀行業
自(zi)動欺詐探測系統使用機(ji)器學習可以(yi)識別出預(yu)示(shi)著(zhu)欺詐性(xing)付款行動的(de)行為模(mo)式；借(jie)助語(yu)音識別技術能夠(gou)自(zi)動完成電話客服；聲音識別可以(yi)核(he)實來電者的(de)身份
2）醫療健康領域
美國(guo)有一半的醫(yi)院采用自(zi)動(dong)語音識(shi)別來幫助(zhu)醫(yi)生自(zi)動(dong)完成(cheng)醫(yi)囑抄(chao)錄，而且使用率還(huan)在(zai)迅速(su)增長(chang)；機(ji)(ji)器視覺系統(tong)自(zi)動(dong)完成(cheng)乳(ru)房X光檢查和(he)其他醫(yi)學影響的分析；IBM 的Watson借(jie)助(zhu)自(zi)然(ran)語言處理技術來閱讀(du)和(he)理解大量醫(yi)學文獻，通過(guo)假設自(zi)動(dong)生成(cheng)來完成(cheng)自(zi)動(dong)診(zhen)斷，借(jie)助(zhu)機(ji)(ji)器學習可以提高(gao)準確率。
3）生命科學領域
機器學習系(xi)統被用來預測(ce)生(sheng)物數據和化合物活動的(de)因果關系(xi)，從(cong)而幫助制藥公司識別出最(zui)有前(qian)景的(de)藥物。
4）媒體與娛樂行業
許多(duo)公司正在使(shi)用數(shu)據分(fen)析和自(zi)然語言(yan)生成(cheng)技術，自(zi)動起(qi)草(cao)基(ji)于數(shu)據的(de)的(de)公文(wen)材(cai)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(jiang)機器學習廣泛(fan)運用在礦藏資源定位(wei)、鉆(zhan)井設(she)備故障診斷等眾(zhong)多方(fang)面。
6）公共部門
出于監控、合規和欺詐檢測等特定目的(de)，公共部門也已經開始使用(yong)認知技術。比如，喬治亞州(zhou)正在(zai)通過(guo)眾包的(de)形(xing)式來進行財(cai)政(zheng)披露和競選捐助(zhu)表(biao)格的(de)數字化，在(zai)這個過(guo)程(cheng)中他們就(jiu)采用(yong)了一套自動手寫識別系統。
7）零售商
零(ling)售商(shang)利用機器學習(xi)來自動發現有吸引(yin)力的(de)交叉銷售定(ding)價和有效的(de)促銷活(huo)動。
8）科技公司
它們(men)正利用機(ji)器視覺、機(ji)器學習等認知(zhi)技術來(lai)改進產(chan)品或者開發全新產(chan)品，比如 Roomba機(ji)器人吸塵器，Nest智能恒溫器。
上述例子(zi)表明，認識技術的潛在商(shang)業收益遠大于(yu)自動(dong)化帶來的成本節約，這主要體現在：
更快的行動(dong)與決策（比如，自動(dong)欺詐檢測，計(ji)劃和調度）
更(geng)好的結果（比(bi)如，醫(yi)學(xue)診斷、石油探測、需(xu)求預測）
更(geng)高的效率(lv)（亦即，更(geng)好的利用高技能(neng)人才和(he)昂貴設(she)備），
更(geng)低的成本（比如(ru)，自動(dong)電話客(ke)服減少了勞(lao)動(dong)成本）
更大的規模（亦即，開展人力(li)無法執行的大規模任務）
產品與(yu)服務(wu)創新（從增加(jia)新功(gong)能(neng)到創造新產品）
四、認(ren)知(zhi)技術影(ying)響(xiang)力與(yu)日俱增的原因(yin)
在(zai)未(wei)來五(wu)年(nian)，認知(zhi)技術(shu)(shu)在(zai)商(shang)(shang)業領域(yu)的(de)影響力(li)將(jiang)顯著(zhu)增長。原因(yin)有二(er)，首先，近(jin)些年(nian)來，技術(shu)(shu)性(xing)能有了實質進步，并處于持(chi)續(xu)研發狀態。其(qi)次，數億(yi)美元(yuan)已經投入到技術(shu)(shu)商(shang)(shang)業化(hua)中，許(xu)多公司正(zheng)致力(li)于為各商(shang)(shang)業部門的(de)廣泛需求提供定制化(hua)開發和打包方案，以使這些技術(shu)(shu)更易(yi)購買和配置(zhi)。雖然并非所有的(de)技術(shu)(shu)提供商(shang)(shang)都能幸存，但他們(men)的(de)努力(li)將(jiang)共(gong)同推動(dong)市(shi)場前進。技術(shu)(shu)性(xing)能的(de)改善和商(shang)(shang)業化(hua)正(zheng)在(zai)共(gong)同擴大(da)著(zhu)認知(zhi)技術(shu)(shu)的(de)應用范圍(wei)，這種情況在(zai)未(wei)來幾年(nian)都將(jiang)持(chi)續(xu)下去(qu)。
1、技術提升擴展了應用范圍
認知技(ji)術大(da)踏步(bu)前(qian)進的(de)(de)(de)(de)(de)例子非常多(duo)。比如(ru)Google的(de)(de)(de)(de)(de)語音識別(bie)系統，一(yi)份報告顯(xian)示(shi)，Google用了(le)不到(dao)兩(liang)(liang)年(nian)時間就將語音識別(bie)的(de)(de)(de)(de)(de)精(jing)準度(du)從2012年(nian)的(de)(de)(de)(de)(de)84%提(ti)升到(dao)如(ru)今的(de)(de)(de)(de)(de)98%。計(ji)算(suan)機視(shi)(shi)覺(jue)技(ji)術也取得了(le)突飛猛(meng)進的(de)(de)(de)(de)(de)發展。如(ru)果(guo)以計(ji)算(suan)機視(shi)(shi)覺(jue)技(ji)術研究(jiu)者(zhe)設置的(de)(de)(de)(de)(de)技(ji)術標準來(lai)看，自2010年(nian)到(dao)2014年(nian)，圖像分類識別(bie)的(de)(de)(de)(de)(de)精(jing)準度(du)提(ti)高了(le)4倍。Facebook的(de)(de)(de)(de)(de)DeepFace技(ji)術在(zai)同行(xing)評(ping)審(shen)(shen)報告（譯者(zhe)注：同行(xing)評(ping)審(shen)(shen)，是(shi)一(yi)種學術成(cheng)果(guo)審(shen)(shen)查程序，即一(yi)位(wei)作(zuo)者(zhe)的(de)(de)(de)(de)(de)學術著作(zuo)或計(ji)劃(hua)被同一(yi)領域的(de)(de)(de)(de)(de)其他專家學者(zhe)評(ping)審(shen)(shen)。）被高度(du)肯定，其臉(lian)部識別(bie)率的(de)(de)(de)(de)(de)準確(que)度(du)達到(dao)97%。2011年(nian)，IBM 為了(le)讓Watson在(zai)智力節(jie)目《危險邊緣》中獲勝，曾對(dui)Watson進行(xing)優化(hua)，提(ti)升兩(liang)(liang)倍的(de)(de)(de)(de)(de)答案精(jing)確(que)度(du)。現在(zai)，IBM又宣稱如(ru)今的(de)(de)(de)(de)(de)Watson比當時“智能”了(le)2400%。
隨著(zhu)技(ji)術(shu)的(de)改進和提高，技(ji)術(shu)應用(yong)(yong)的(de)范圍也在(zai)(zai)(zai)不(bu)斷擴大(da)。比(bi)如，在(zai)(zai)(zai)語(yu)音識別(bie)方(fang)面，機(ji)器曾經需要大(da)量(liang)訓(xun)練(lian)才能在(zai)(zai)(zai)有(you)限詞庫里勉強識別(bie)出(chu)來，由語(yu)音識別(bie)技(ji)術(shu)延伸出(chu)的(de)醫(yi)療(liao)應用(yong)(yong)程序也很難得(de)到(dao)(dao)(dao)真正(zheng)普及。而現在(zai)(zai)(zai)，每個月(yue)互聯網上都會有(you)數以(yi)百(bai)萬次的(de)語(yu)音搜索。另(ling)外(wai)，計算機(ji)視(shi)覺技(ji)術(shu)過去被狹隘的(de)理解為(wei)部署在(zai)(zai)(zai)工業自動(dong)化(hua)方(fang)面，但現在(zai)(zai)(zai)，我們早已看到(dao)(dao)(dao)這一技(ji)術(shu)被廣泛運用(yong)(yong)到(dao)(dao)(dao)監控(kong)、安全(quan)以(yi)及各(ge)種各(ge)樣的(de)消(xiao)費應用(yong)(yong)里。IBM如今正(zheng)拓展Watson在(zai)(zai)(zai)競(jing)賽游戲之(zhi)外(wai)的(de)應用(yong)(yong)，從醫(yi)療(liao)診斷到(dao)(dao)(dao)醫(yi)學研(yan)究再到(dao)(dao)(dao)財務建議以(yi)及自動(dong)化(hua)的(de)呼叫中心。
并不(bu)是(shi)所(suo)有(you)(you)的認知技術(shu)(shu)都有(you)(you)如此令人矚目(mu)的發(fa)展(zhan)。機器翻(fan)譯(yi)(yi)有(you)(you)了(le)(le)一(yi)定發(fa)展(zhan)，但(dan)(dan)幅度(du)(du)很(hen)小。一(yi)份(fen)調查發(fa)現(xian)，從2009年(nian)到(dao)2012年(nian)，將阿拉伯語翻(fan)譯(yi)(yi)到(dao)英語的精(jing)(jing)確度(du)(du)僅僅提(ti)升(sheng)了(le)(le)13%。盡管這(zhe)些技術(shu)(shu)還不(bu)完美，但(dan)(dan)他(ta)們已經可以(yi)影(ying)響到(dao)專業機構的工作方式(shi)。很(hen)多(duo)專業翻(fan)譯(yi)(yi)人員依(yi)靠機器翻(fan)譯(yi)(yi)提(ti)升(sheng)翻(fan)譯(yi)(yi)精(jing)(jing)準(zhun)度(du)(du)，并把一(yi)些常(chang)規(gui)翻(fan)譯(yi)(yi)交給(gei)機器，自己專注在更具挑戰性的任務(wu)上。
很多公司正(zheng)努力將認知(zhi)技術做進一步研(yan)發，并逐步將其融入到更多產(chan)品尤其是企業(ye)級產(chan)品里，以(yi)方(fang)便企業(ye)用(yong)戶購買和(he)部(bu)署。
2、對商業化進行的大規模投資
從2011年到2014年5月，超(chao)過(guo)20億美(mei)元的風險投資(zi)流(liu)入到基于認知技(ji)術研(yan)究的產品和服務里(li)。與此同時，超(chao)過(guo)100家的相(xiang)關公司被兼并或收(shou)購，其中(zhong)一些(xie)被互聯網巨頭(tou)如亞(ya)馬遜、蘋果、Google、IBM或Facebook收(shou)購。所(suo)有這些(xie)投資(zi)都在培育一個多(duo)樣化的公司圖譜，這些(xie)公司正(zheng)在加(jia)速認知技(ji)術的商(shang)業化進程。
在(zai)這里，我們并不(bu)會提供關于(yu)(yu)某公司(si)在(zai)認知技術商(shang)業化方面的細節，我們希望說(shuo)明(ming)，認知技術產品擁有(you)豐富的多(duo)樣性。下面就是(shi)(shi)致(zhi)力于(yu)(yu)認知技術商(shang)業化的公司(si)名(ming)單(dan)，這個名(ming)單(dan)既(ji)不(bu)是(shi)(shi)完整無(wu)缺(que)也非固定不(bu)變，而(er)是(shi)(shi)一個動態(tai)的，用于(yu)(yu)推動和培育市場(chang)的指(zhi)標。
數(shu)據(ju)管理和分(fen)析工(gong)具主要(yao)使用自然語言處理、機器(qi)學習(xi)等認(ren)知技術。這(zhe)些工(gong)具利用自然語言處理來從(cong)非(fei)結構(gou)化的(de)(de)文本(ben)中提(ti)取出意(yi)思，或者(zhe)借(jie)助(zhu)機器(qi)學習(xi)幫助(zhu)分(fen)析人(ren)員從(cong)大(da)規模數(shu)據(ju)集中發現深層含義。這(zhe)個(ge)領域的(de)(de)公司(si)包括Context Relevant（譯(yi)者(zhe)注：美(mei)國的(de)(de)一(yi)家大(da)數(shu)據(ju)挖掘和分(fen)析公司(si)）、Palantir Technologies（譯(yi)者(zhe)注：這(zhe)家公司(si)稱(cheng)要(yao)將數(shu)據(ju)、技術、人(ren)類和環境連(lian)接起來）、以及Skytree（譯(yi)者(zhe)注：一(yi)家借(jie)助(zhu)機器(qi)學習(xi)進行市場分(fen)析并提(ti)供決(jue)策依據(ju)的(de)(de)大(da)數(shu)據(ju)公司(si)）。
認知技(ji)術的(de)(de)各(ge)個(ge)部分可以(yi)被整合到(dao)各(ge)種(zhong)應用(yong)(yong)和商(shang)業(ye)決策中，分別起(qi)到(dao)增加功(gong)能(neng)和提(ti)(ti)高效率的(de)(de)作用(yong)(yong)。例如(ru)，Wise.io公司(si)提(ti)(ti)供一套模(mo)塊(kuai)來(lai)促進商(shang)業(ye)決策，比如(ru)客戶支持(chi)、營銷和銷售，這里面(mian)會(hui)用(yong)(yong)到(dao)機器學習模(mo)型來(lai)預測(ce)哪些(xie)客戶比較容易流失，以(yi)及哪些(xie)潛(qian)在客戶更加容易轉(zhuan)化(hua)。Nuance公司(si)通(tong)過提(ti)(ti)供一種(zhong)語音(yin)識別技(ji)術來(lai)幫(bang)助開(kai)發(fa)者(zhe)進行需要語音(yin)控制(zhi)的(de)(de)移動(dong)APP的(de)(de)開(kai)發(fa)。
單點解決方(fang)案(an)。眾(zhong)多認知技術(shu)成熟的(de)標志是它們(men)正在被不斷(duan)的(de)嵌入(ru)到特定商業(ye)問(wen)題的(de)解決方(fang)案(an)中。這些解決方(fang)案(an)的(de)設計(ji)初(chu)衷是要(yao)比公司原有的(de)解決方(fang)案(an)更加有效，并(bing)且幾乎不需要(yao)認知技術(shu)方(fang)面的(de)專業(ye)人員。普及度比較高(gao)的(de)應用領域包括廣告、營銷和銷售自(zi)動化(hua)、預測以及規(gui)劃(hua)。
技術平臺。平臺的目的是為建立高度定(ding)制化的商業解決方案提供基礎。它們會提供一(yi)(yi)系列功能，包括(kuo)數據管理、機器學習工具、自然語言(yan)處理、知(zhi)識表示和(he)推理、以及將這些定(ding)制化軟件(jian)整合在(zai)一(yi)(yi)起的統一(yi)(yi)框架。
3、新興應用
如果(guo)這些技(ji)術的表(biao)現和商業化(hua)趨(qu)勢繼續發展(zhan)，我們(men)就(jiu)能夠大(da)(da)膽預測認知技(ji)術的應用將更加廣泛，被接受(shou)程度(du)也會(hui)大(da)(da)大(da)(da)增(zeng)加。數億美金的投(tou)資涌入這些基(ji)于機器(qi)(qi)學習、自(zi)然語(yu)言處(chu)理、機器(qi)(qi)視(shi)覺或者機器(qi)(qi)人技(ji)術的公司(si)，這預示著(zhu)許多(duo)新應用即將投(tou)入市場。在商業機構依(yi)托認知技(ji)術構建自(zi)動化(hua)業務流程、增(zeng)強產品(pin)和服(fu)務方面(mian)，我們(men)也看到(dao)了巨大(da)(da)空(kong)間(jian)。
五、認知技(ji)術(shu)在(zai)企業的應(ying)用路徑
認(ren)知技(ji)(ji)(ji)術(shu)(shu)將(jiang)(jiang)在接下(xia)來幾年里變得流行(xing)。在未來2-5年，技(ji)(ji)(ji)術(shu)(shu)層面的(de)進步和商(shang)業化(hua)將(jiang)(jiang)擴(kuo)大認(ren)知技(ji)(ji)(ji)術(shu)(shu)對(dui)企(qi)業的(de)影(ying)響。越(yue)來越(yue)多的(de)企(qi)業會找(zhao)到(dao)一(yi)些(xie)(xie)創(chuang)新(xin)性應(ying)用來顯著(zhu)改善他們(men)(men)自(zi)身的(de)表(biao)現(xian)或者創(chuang)造新(xin)功能，以(yi)(yi)增強(qiang)他們(men)(men)的(de)競(jing)爭(zheng)地位。企(qi)業的(de)IT部(bu)門(men)現(xian)在可(ke)以(yi)(yi)行(xing)動(dong)起來，增加對(dui)這(zhe)些(xie)(xie)技(ji)(ji)(ji)術(shu)(shu)的(de)了解，評估出適用這(zhe)些(xie)(xie)技(ji)(ji)(ji)術(shu)(shu)的(de)機會，將(jiang)(jiang)這(zhe)些(xie)(xie)技(ji)(ji)(ji)術(shu)(shu)可(ke)能帶(dai)來的(de)價值向領(ling)導進行(xing)匯報。高級商(shang)務(wu)和公共部(bu)門(men)的(de)領(ling)導應(ying)該思考(kao)認(ren)知技(ji)(ji)(ji)術(shu)(shu)將(jiang)(jiang)對(dui)他們(men)(men)的(de)部(bu)門(men)以(yi)(yi)及(ji)整個公司產生何種影(ying)響，這(zhe)些(xie)(xie)技(ji)(ji)(ji)術(shu)(shu)將(jiang)(jiang)如何激(ji)發(fa)創(chuang)新(xin)并提升(sheng)經(jing)營表(biao)現(xian)。
