一篇文章，帶你看透認知的演進！
圖片來源於網路
認知計算可以真正實現人機交互。具備認知能力的機器可以理解請求、關聯數據點並得出結論。這樣的機器可以推理、觀測並做出計劃。
圖片來源於網路
想像以下情景：
明天要出差嗎?您的認知設備可以自動提供目的地城市的氣象預報和旅行提示。
準備舉行生日慶典嗎?您的認知設備可以幫助發送邀請、預定場地、提醒您帶上生日蛋糕。
計劃開展直銷活動嗎?您的認知助理可以本能地細分客戶，有針對性地發送消息以提高活動響應率。
當然，我們在這裡討論的不是機器人管家。這不是好萊塢大片里的情景，而是認知計算已經發展到超出人工智慧領域的新水平，可以真正應用在我們的工作和生活中。
儘管已經有所了解，但人工智慧、機器學習、深度學習和認知計算這類相關話題仍然令人感到困惑。您不會孤立無援，我們將幫助您更好地了解這些話題。
考慮到這是一篇認知計算快速入門的文章，我們將介紹人工智慧的基本概念，並闡述各種技術是如何協作以提高機器認知能力的。
SAS的「認知能力」有多強?
從機器學習到文本挖掘，SAS多年來一直致力於開發認知技術，利用認知功能解決客戶問題。使用認知技術偵測網路犯罪，還有在高溫酷暑季節調配電力供應和實現零售定價自動化等問題 ：?閱讀了解SAS認知計算功能的更多信息。
人工智慧的發展史
認知計算是人工智慧 (AI) 發展的結果，其初衷是為了進一步提升計算機的實用性和獨立推理能力。但AI又從何而來呢? 是的，從單人象棋遊戲發展到自動駕駛汽車的確不是一日之功。AI領域歷史悠久，它源於軍事科學和統計學，而哲學、心理學、數學和認知科學也為其發展做出了貢獻。
大多數歷史學家認為，AI的誕生髮端於1956年達特茅斯學院（Dartmouth）的科研項目，該項目探索問題解決和符號化方法等課題。20世紀60年代，美國國防部對這項工作產生興趣，高度重視如何訓練計算機模仿人類推理。例如，美國國防高級研究計劃署 (DARPA) 1970年代完成了街道繪圖項目。2003年，DARPA推出個人智能助理，遠早於谷歌、亞馬遜和微軟的同類項目。這項工作為我們今天看到的電腦自動化和形式推理鋪平了道路。
人工智慧作為一個整體含有許多子領域，包括：
機器學習自動構建分析模型，它採用神經網路、統計學、運籌學和物理學方法查找隱藏在數據中的洞察結果，不需要通過編程去特定查找位置和內容。
神經網路是一種受啟發於腦部工作的機器學習方法。它是由互連單元 (類似神經元) 組成的計算系統，在外部輸入作用下處理信息，信息在每個單元之間傳遞。這個過程需要多次傳送數據找出關聯，推導未定義數據中的含義。
深度學習採用多層處理單元組成龐大神經網路，利用強大的計算能力和不斷改進的訓練技術學習大量數據中的複雜模式。常見應用包括圖像和語音識別。
計算機視覺依靠模式識別和深度學習識別圖片或視頻中的內容。當機器能夠處理、分析和理解圖像時，它們可以實時捕獲圖像或視頻，並解讀其所處的環境。
自然語言處理是計算機分析、理解並生成人類語言 (包括語音) 的能力。自然語言處理的下一個階段是自然語言交互，實現人機器之間通過日常用語交流執行任務。
大數據與人工智慧如何協作形成認知計算
還記得幾年前噪動一時的大數據浪潮嗎? 這一波浪潮是如何發生的? 隨著計算機處理和數據存儲技術的進步，攝取分析比以往更多的數據成為可能。大約在同一時間，隨著更多的設備和機器接入互聯網，我們開始生成越來越多的數據並通過這些設備傳送大量數據。
由於更多的語言和圖像輸入到設備中，計算機的語音和圖像識別能力得到改善。同樣，機器學習有了更多需要學習的信息。所有這些進步使人工智慧更加接近最初開發智能機器的目標，我們現在稱之為認知計算。
認知計算目前應用在哪些方面?
認知計算是人工智慧的崇高理想。
認知計算技術可以允許人們盡請詢問機器並獲得銷售、庫存、客戶保有量、欺詐檢測等問題的答案。計算機還可以發現您從未想過提問的信息。它可以摘要敘述數據並提出其他方法進行分析。還可以分享先前的問題或他人類似問題的相關信息。您可以在屏幕上或以會話的方式得到解答。
認知計算在現實中可以發揮怎樣的作用?
醫療方面，可以更加快速地確定治療效果。
在零售業方面，可以更加快速地提出補貨建議。
在金融領域，可以有效防止欺詐，而不僅僅是偵測等。
上述每一個示例中，機器可以了解所需信息，查看所有變數之間的關係，給出答案–並自動提供給您，同時提出後續查詢選項。我們經過幾十年的人工智慧研究取得今天的成果。我們幾十年來一直致力於實現智能人機交互。
哪些技術為認知計算做出貢獻?
人工智慧的子領域包括機器學習、深度學習和自然語言處理。這些技術與大數據結合，推動我們步入認知計算時代。
一張圖幫你解析他們之間的關係
↓↓↓
本期作者
Wayne Thompson現任SAS數據科學技術部經理。他是業務預測分析早期開拓者之一，是全球預測分析技術領域著名演講人、教師、踐行者和創新者。
Hui Li是SAS高級資深科學家。她在機器學習、數據挖掘、數據分析和統計建模方面擁有10年工作經驗，並從事過15年C語言編程和C/Matlab語言混合編程工作。
Alison Bolen是SAS編輯，主要撰寫有關分析和新興技術的內容。她以簡明解釋複雜技術問題作為日常工作的目標。
聯繫我們
訂閱：
添加好友 搜號碼【saschina】
查找公眾賬號【SAS數據分析】
如果您的微信是最新版本，也可以：
TAG:SAS數據分析 |