IBM解读认知计算：IoT和AI并非全部 行业已经开始盈利

　　3、消费(零售和消费者零售包装货物/CPG)

　　这一行业主要的AI应用在于销售、市场、营销和供应链物流。典型用例包括自动化客户服务代理、产品专家顾问和购物建议、全渠道销售。

　　4、电信/机电

　　这一行业主要的AI应用在于销售、市场营销和IT。典型用例包括虚拟代理、数字广告、自动化的威胁情报处理。

　　5、政府/教育

　　这一行业主要的AI应用在于战略项目和威胁情报。典型用例包括威胁情报和预防、国防、恐怖主义调查、项目顾问和推荐系统、公共安全和应急响应、自适应学习等。

　　比如，贝勒医学院的认知技术用于加速医学研究自动分析超过300000篇文章，进行关键词索引和模糊索引;导盲之眼(Guiding Eye)对导盲犬的结构化和非结构化数据分析发现基因、健康、气质和环境因素适宜的导盲犬。

　　专利方面，2014年是认知计算产业专利的高峰期，2016年专利数有所下降。从目前的产业环境来看，已经有2000多家创企，2016年整体风投融资近45亿美元，主要投资领域包括核心AI技术、聊天程序/机器人、前沿数据分析技术、结构化或非结构化数据处理等。

　　实现认知计算的五大关键技术

　　就像IDC所说的，认知计算的进步是机器人、物联网、人工智能、虚拟/增强现实、机器智能、大数据的进步的总和，它日益增强的系统模拟能力将助力人类的智慧增长。认知计算的关键技术主要包括以下五项：

　　1、神经网络技术

　　神经网路也就是提供快速语音和图象识别、机器翻译的技术，目前已经有一些系统能够表现出媲美人类的技能水平。

　　2、机器学习和物联网

　　随着物联网的布局，将有更多的数据生成，机器学习算法将能对这些数据进行规划、预测，并应用于关键业务决策。

　　3、自然语言处理

　　自然语言处理(NLP)有着很直接的应用，包括聊天程序，可用于客户服务和调查，这种人机交互将提高企业的整体效率，降低成本。

　　4、模式识别

　　模式识别即基于历史数据处理经验来处理丰富的非结构化数据，从而更高效的进行数据处理，应用于决策过程。

　　5、知识库

　　未来的认知计算会应用于更加专业化的领域，这就需要构建更为知识化的数据库，使得认知计算系统可以被专业人士所应用。

　　技术推广的五大挑战

　　1、成本考量

　　在某些企业的情况下，认知计算和人工智能是可以帮助提高企业效率的，但问题是，具体的业务价值和投资回报率又是目前并不明确的事情。目前的案例和案例可参考的价值都比较有限，导致很多企业抱着观望态度。

　　2、数据管理和安全/隐私问题

　　认知计算严重依赖数据量和数据来源，因此，保证可靠和充足的数据来源，与此同时维护数据安全和数据源的隐私，是重要的举措，目前暂时缺乏完美的实用方案。

　　3、技能有限

　　作为新的技术，认知计算暂时没有开发出完整的应用系统，这对于市场突破不利。

　　4、缺乏行业定义和标准

　　跟其他新兴产业一样，认知技术还没有明确的定义，也缺乏通用的行业标准制定，这会影响到它的应用流程。

　　5、技术局限性

　　不得不承认，认知计算还有不够完善的地方，公司必须考虑各个平台提供的技术的长短板，以及发展前景对于公司目标的影响。

　　智东西认为，国内的大数据积累，归功于移动端设备和各类服务型软件的发展，为机器学习提供了良好的基础;于此同时，神经网络构建也在研究机构合作科技巨头的模式下发展。加之政策推动，庞大的消费市场和制造业发展需求，国内的认知计算处在一个非常积极的发展状态。