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

這不是必須加到數據中心的東西，除非你的確有大量需求， Hurwitz最近在紐約舉行的Cloud Expo上說。

她認為該技術會作為基于服務的IT模型企業的一部分來繼續演進。

認知計算系統 或者有時候稱為認知系統 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海量數據，并且基于這些數據來構建應用，而不是像傳統應用那樣基于業務邏輯或者程序。

不只是算法

認知系統并不僅僅是機器學習算法，雖然訓練它能夠洞察數據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，都是基于公有云，私有云或者本地基礎架構的。這之上是內部和外部數據源 非結構化數據，比如文本，視頻和圖案，以及結構化數據，比如數據庫記錄，以及數據訪問和管理服務。

認知系統的另一個核心組件是ontologies。這些是系統吸收知識并且從中學習特定主題的知識數據庫。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建。

大型研究性大學可能會從頭開始構建這樣的系統來做實驗，但是ontologies marketplace以及特定行業所需的預測試的數據集會服務于大多數需要構建基于數據的應用的企業。

一旦工具可以使用，企業就能夠開始行動，但是他們 并不會全面發展;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。

知識的生命周期

對于很多業務問題而言，稱為監督式學習的機器學習類型很有用，她說。該算法用來監測或者匹配特殊類型數據的模式 比如，在某年的特定日期出售的商品數量 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，比如打游戲的結果，來開發策略。未監督的學習會查找大型數據里隱藏的關聯;這在企業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，確定正確的數據源，向系統注入數據并且看看會發生什么。

操作，查看如何工作 然后重復執行， Hurwitz說。 這的確是我們想實現的知識的整個生命周期。

技術的未來

該領域才剛剛萌芽，IBM的Watson被用于醫療研究，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。這些努力的結果，Hurwitz說，將會帶來使用技術的全新方式。

這正是數字化革命的真正意義所在， Hurwitz說，指的是數字化技術引領的業務和產業。 這并非關于創建更快的網站，或者能夠自動化一個流程。這真的是關于轉變我們對于數據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如何構建應用。

文章編輯：CobiNet(寧波)，本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類屏蔽網線/屏蔽模塊及相關模塊配件,歡迎來電咨詢0574 88168918,網址www.54hr.com.cn

我們是萬兆屏蔽模塊，10G屏蔽模塊，屏蔽線生產廠家。