《认知计算与深度学习》_基于物联网云平台的智能应用_1.4.3 认知计算概述

【摘要】 本书摘自《认知计算与深度学习》一书中第1章，第4节，为陈敏、黄铠所著。

1.4.3 认知计算概述

认知计算这个术语来自于认知科学与人工智能。多年来，我们一直想建立一个能够通过 训练来进行学习，从而获得某些人类的感知和智能的“计算机”。它也被称为大脑启发式的 计算机或者神经计算机。这样的计算机将使用特殊的软件和硬件建造，它能够模拟基本的人 脑功能，比如处理模糊信息以及执行情感的、动态的和及时的反应。比起传统的计算机，它能够处理一些模糊性的和不确定性的行为。

为此，我们希望认知机器能够模拟人类大脑并拥有认知能力，可以自动且不知疲倦地去 学习、记忆，并对外部刺激进行推理和回应，这个领域也被称为神经信息学。通过设计选择 来解决一类可计算的问题，认知计算硬件和应用程序可以变得更有效和更有影响力，从而使 得它变得更加富有情感和更加有影响力。这样的系统不仅提供信息源，而且还提供影响、上 下文和见解。 IMB 描述道，这是一个以一定的规模进行学习，带着某种目的进行推理，以此来与人类进行交互的系统。

1.认知计算的系统特征

在某种程度上，认知系统重新定义了人类与普遍存在的数字环境之间的关系。对用户而 言，它们可能充当的是助理或者教练的角色，在很多情况下，它们几乎能够自动地进行行 动。本质上来说，认知系统的计算结果可以是暗示性的、规范性的或者指导性的。下面列举了一些认知计算系统的特征。

· 自适应学习。随着信息的变化以及目标和需求的发展来进行学习，解决歧义并容忍不可预测性，使用实时的或者接近实时的动态数据。

● 与用户交互。用户可以定义他们的需求作为认知系统的训练师，可以与其他处理器， 设备、云服务以及人进行交互。

● 迭代和状态性。如果问题的状态是模糊或者不完整的，认知系统可以通过询问问题或者通过找到额外输入来源的方式来重新定义问题。同时它们也可以记住先前交互迭代的记录。

● 环境的信息发现。认知系统可以理解、识别和提取环境因素，比如语意、语法、时 间、位置、合适的域、条例、用户的属性、过程、任务和目标这些信息。它们可能 利用多个信息渠道，包括所有的结构化和非结构化数字信息，还可以利用感知输入，比如视觉、手势、听觉或者传感器所提供的信息。与当前计算机的区别。 认知系统与当前计算应用的区别在于，认知系统是基于预配置规 则的，并且程序能够超越预配置的能力。它们能够进行基本的计算，而且也能够基于更广泛 的目标给出独到的推断和推理。认知系统利用现在的IT 资源，并且在未来将与现在遗留的 系统共存。其最终目标是使得计算更接近人类的思考，在人类事业中与人类保持合作伙伴关系。

认知科学本质上来说是跨学科的。它涵盖了心理学、人工智能、神经科学以及语言学等 方面，同时也跨越了很多分析的层面，从底层的机器学习和决策机制到高层的神经元回路来 建立模拟人脑的计算机。表1-11总结了与神经信息学和认知计算相关的领域。在第3章以及后续的章节，我们将进一步探究这些技术。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们 18664393530@aliyun.com 处理，核实后本网站将在24小时内删除侵权内容。