图书在版编目(CIP)数据

    IBM 商业价值报告：认知计算与人工智能 IBM 商业价值研究院 著；—北京：东方出版社，2016.5

    ISBN 978-7-5060-9057-5

    Ⅰ.①I… Ⅱ.①I… Ⅲ.①企业管理-研究报告 Ⅳ.①F270

    中国版本图书馆CIP数据核字(2016)第120129号

    IBM 商业价值报告：认知计算与人工智能

    IBM SHANGYE JIAZHI BAOGAO: RENZHI JISHUAN YU RENGONG ZHINENG

    作 者： IBM 商业价值研究院

    责任编辑： 崔雁行 刘晋苏

    出 版： 东方出版社

    发 行： 人民东方出版传媒有限公司

    地 址： 北京市东城区东四十条 113 号

    邮政编码： 100007

    印 刷： 北京楠萍印刷有限公司

    版 次： 2016年8月第1版

    印 次： 2016年8月第1次印刷

    印 数： 1—5000册

    开 本： 710毫米×1000毫米 116

    印 张： 20

    字 数： 238千字

    书 号： ISBN 978-7-5060-9057-5

    定 价： 68.00元

    发行电话： (010)85924663 85924644 85924641

    版权所有，违者必究本书观点并不代表本社立场

    如有印装质量问题，请拨打电话：(010)85924602 85924603序 一

    陈黎明

    IBM大中华区董事长

    人工智能这个学科从20世纪50年代提出来，走到今天，中间有很多起起伏伏，其中在70年代和80年代两次陷入低谷。但是一些有责任感的企业和研究机构一直孜

    孜不倦地在这个方向上钻研，IBM 就是其中之一。IBM 从一开始就参与了人工智能

    学科的建立，并确立了本领域先驱的角色。此后60年，无论人工智能处于高峰还是

    低谷，IBM 始终在这个领域耕耘不辍，有着别人难以企及的深厚积累。也正是在这

    个积累的过程中，IBM 于1997年研制出“深蓝”，取得国际象棋人机大战的胜利，又在2011年推出 Watson 计算机，在 Jeopardy!电视知识竞赛的大赛中战胜了人

    类，这都是在人工智能领域彪炳史册的事件。

    IBM Watson是IBM研发的认知计算系统。与科幻电影里对人工智能的想象不同

    ，认知计算并不是以制造出以假乱真的机器人为目标，而是让计算机具备人脑的认

    知能力，特别是理解、推理和学习的能力，使它与计算机本身就具备的高性能、大规模、精确计算的特长结合起来，帮助人类解决现实生活中的问题。

    IBM把认知计算作为人工智能的研发应用重点，原因有三。

    第一是认知计算的技术条件逐渐成熟。诸如深度学习等需要巨大计算资源支撑

    的技术，以前由于条件限制，无法充分施展。现在随着基础设施的完善，已经初步

    展现威力。前不久，IBM 宣布类脑计算机，其处理能力相当于40亿个神经突触，而

    能耗仅为2.5瓦，效率提高一万倍，这表明认知计算的基础平台还将有飞跃式的提升

    ，认知计算发展前景极为广阔。

    第二是大数据条件的完善。如果说认知计算机是引擎，那么大数据就是燃料。

    在物联网和互联网迅速发展的今天，人类获取和存储的数据呈几何级数爆发增长。

    认知计算能够从大数据中发掘、认识和理解社会发展变化的规律，从而成为人类征

    服大数据海啸的最有利工具。

    第三是认知计算的实际应用价值。IBM认为，人工智能不仅要用来制造逼真的机

    器人和赢得智力竞赛，更需要帮人们解决现实问题。IBM 运用Watson 计算机与医

    疗、金融、法律、零售、环保等多个领域进行了深度的合作，取得了很多激动人心

    的成果。

    因此，我们坚信，认知计算即将给 IT 产业以及各行各业的转型创新注入新的

    动力。机遇窗口已经向我们打开。

    本书以人工智能为背景，全面细致地介绍了认知计算的概念，进而结合九个行

    业的实践成果，深入介绍了认知计算的实际应用，对各行业的思想者、经营者和技

    术领导者都非常有启发性。我愿推荐此书，并希望能够促进IBM与天下有识之士携手

    ，在认知计算的时代大显身手，大有作为。序 二

    Peter J. Korsten

    思想领导力和影响力全球负责人

    IBM全球企业咨询服务部副总裁及合伙人未来是认知的世界……它远比你预想的来得快。

    当前，认知计算正在重新定义业务能力、商业模式和经济形态。届时，它还将

    创新运营、再造组织并重构产业。认知是一种新型的计算能力，它打破了传统分析的诸多限制，比如预定义的参

    数，预先建立的数据关联，先入为主的、可能错误的假设。认知计算具备实时学习

    的能力，它能够读取结构化和非结构化的数据，甚至阅读自然语言的成语，从而最

    大程度地改变以往流于表面的分析方法，得出更加深入的洞察。

    IBM Watson是IBM在认知计算领域积极探索的成果。Watson能够运作海量数据

    ，实时回答诸多问题，它不只是给出答案，同时还给出精准的数据支持。当Watson

    与人类的经验互为补充时，它可以从多种信息源抽取信息，瞬间绘制出完整的情境

    ，而人类完成同样的工作可能需要花费一生之久。Watson 能够补充和提高个人决

    策，提醒人们注意预料之外的种种联系，并对导向正确决策的各种可能性进行量化。

    本书收录了IBM商业价值研究院在认知计算领域的最新研究成果。在两份《您的

    认知计算未来》主报告之后，是针对九个特定行业的分支报告，它们分别是银行业

    、保险业、零售业、消费品行业、政府、通信业、生命科学、医疗保健和石油天然

    气行业——这些分支报告深入探索了认知计算将带给各行业怎样的启示和机遇。

    这套认知系列的研究报告精彩呈现了认知计算能够且正在以何种方式改变你所

    在的企业、你所处的行业，并最终改变整个世界。在阅读本书时，你将发现这些报

    告信息丰富、力求实用。在阅读之外，作者也期待与你的进一步互动。第1章

    认知计算和我们的未来

    ——人类和机器如何锻造认知新时代

    作者：Dr. John E. Kelly III1955年，当“人工智能”这个词首次被提出来时，不出所料地点燃了公众的想

    象力。在接下来的60年里，我们曾被它的前景所吸引，曾担心它的潜力被滥用，也

    曾为它的发展缓慢而沮丧。

    然而，正如所有孕育得过早、超越了时代的先进科技一样，人工智能遭到了广

    泛的误解——被好莱坞电影错误地诠释、被媒体曲解为各种各样的角色——从人类

    的拯救者到毁灭者，无所不有。但那些研究严肃的信息科学及其在现实商业社会中

    应用的人，才真正理解智能系统的巨大潜能。而认知计算这种技术(我们相信它将

    是“认知的”而非“人工的”)的未来与被称为 “人工智能”的技术所具备的性质

    截然不同，它将带来各种各样的技术、科学和社会的挑战与机遇，并对监管、政策

    和管理提出新的需求。

    认知计算是指一种能够规模化学习、有目的推理，并与人类自然交互的系统。

    它们不需要事先精确地编程，而是从它们与我们之间的交互和与环境之间的互动中

    学习和推理。在过去半个世纪中，多个科学领域的进步使认知计算成为可能，它们

    与信息系统有着重要的区别。

    那些信息系统是决定论的，而认知系统是概率论的。认知系统不仅能回答大量

    的问题，还能对更加复杂(且有意义)的数据提出假说、推理论述和建议。

    此外，认知系统还能理解计算机科学家称为“非结构化”的数据，而这些数据

    占到了全世界数据的80%。这使得它们能够与现代世界巨量、复杂和不可预测的信息

    保持同步。

    这些与机器的感觉能力和自主性没有任何关系。相反，它能够增强人类的能力

    ，让我们可以理解和运作社会中复杂的系统。这种增强智能对提升我们驾驭科技的

    能力是十分必要的一步，让我们能追求更多知识、深化自身的专长和改善人类的境

    况。这就是为什么它不仅是一种新科技，更是科技、商业和社会的新纪元——认知

    时代——的黎明。

    认知计算的成功并不以图灵测试或模拟人类的能力作为判断标准。它的成功标

    准更加实际，例如投资回报率、新的市场机会、治疗疾病和拯救生命。

    在IBM，为建立认知计算的基础，我们已经工作了数十年，将前沿计算机科学领域的十几个学科与100多年的商业专长结合起来。现在，我们正在亲眼目睹它在改变

    商业、政府和社会方面的巨大潜力。

    我们已经看到，它将大数据从障碍变成机会，帮助儿科医生做出早期诊断，为

    建设智慧城市提供创新解决方案。我们相信，这些技术展现了最好的(或许也是唯

    一的)机会，去处理地球所面临的一些最顽固的系统性问题，例如癌症、气候变化

    和复杂多变的全球经济形势。

    1 计算的历史与认知的崛起

    为了理解认知计算的未来，必须把它放到历史的语境中。到今天为止，我们经

    历过两个不同的计算时代——制表时代和编程时代。IBM在这两个时代中都扮演了

    中心角色。我们相信在计算演化史中，认知计算是第三个，也是最具有转折意义的

    时代。

    图1.1 计算的历史与认知的崛起

    制表时代(1900—1940年代)计算机起源于一种单一计数用途的机械系统，这种系统用打孔卡来输入和存储

    数据，最终决定这个机器要做的事情 (虽然是以一种非常原始的方式)。这些制表机

    本质上是一种计算器，支持了商业和社会规模的扩大，帮助我们组织、理解以及管

    理从人口增长到全球经济进步等各种事情。

    编程时代(1950—现在)

    在二战的时候，随着军事和科学的需要，从机械制表机到电子系统的演变开始

    了。在战争之后，数码“计算机”经历了快速演进，逐渐进入商业和政府。它们可

    以根据软件中的程序来进行“如果就”的操作以及循环。从最开始的电子管到晶体

    管，再到微处理器，计算机的性能得到了迅速提升，这一发展过程验证了“摩尔定

    律”，在60年间，处理器的容量和速度每18个月就提升一倍。所有我们知道的计算

    设备，从大型主机到个人电脑，再到智能手机和平板电脑，都是可编程的计算机。

    认知时代(2011— )

    早在1960年，J.C.R. Licklider就在他的论文《人机共生》中提出了超越可

    编程系统的潜在可能性。现代计算的很大部分都是基于Licklider的研究以及他的

    深刻见解：

    “人机共生是在人类与电子计算机之间发生的共生关系，是人机关系间可以预

    见的发展。这种关系包含人类与电子伙伴强耦合关系。主要目的是：

    1.像为解决规划难题提供便利一样，也让计算机为规划思维提供便利。

    2.在不依赖于不灵活的预定义程序的情况下，让人与计算机能够协作决策，控

    制复杂情况。

    初步分析表明，与人类单独进行智能操作相比，人机共同操作的效果更显著。”1

    ——J.C.R. Licklider，《人机共生》，1960年3月

    Licklider知道，认知计算将是程序化计算必要的自然演化，虽然他并不知道

    这个目标如何实现。50年后，大规模并行计算以及浩如烟海的结构化与非结构化数据的积累，为认知计算奠定了基础。

    2 世界首个认知系统

    在2011年2月，Watson项目首次公开，这个由IBM开发的认知计算系统在 Jeop

    ardy!节目中战胜了肯·詹宁斯和布拉德· 鲁特尔。这是首次面向公众展示认知计算，标志着所谓人工智能寒冬的终结。可编程系统在之前60年的演化中并未能够理解混

    乱的非结构化数据，因此也参加不了 Jeopardy!节目。Watson能够回答微妙、复杂

    、语义双关问题，显然，计算新纪元即将开启。

    参加节目之后，Watson继续处理了更多的复杂数据集，在解密之外，它发展出

    了理解、推理以及学习的能力。认知计算的目标就是照亮以往在我们世界中不可见

    的部分——具体来说就是潜藏在非结构化数据中的模式和洞察——使得我们能够对

    更重要的事情做出更明智的决策。当机器的数据分析、统计推断能力与人类的特殊

    能力——比如自我引导的目标、常识和伦理价值观——结合起来时，认知时代的真

    正潜力就会实现。

    这是Watson被赋予的使命，也是它正在尝试做的事情。银行正在分析客户要求

    和金融数据，帮助自己更好地做出投资决策。高度监管产业中的企业不断在系统中

    查询，确保自己能够跟上经常变化的监管和合规标准。 肿瘤学家在测试认知系统能

    否帮助他们利用专家经验和研究手段，理解癌症患者的医疗信息，找到个体化、循

    证的治疗方案。

    这样的经历对于牵涉其中的专业人士来说意味着什么？世界知名的肿瘤学家，纪念斯隆-凯特琳癌症中心(该中心正与Watson合作帮助内科医生对患者进行个性

    化癌症治疗)的Larry Norton博士说：“计算机科学发展迅猛，医疗事业也会受其

    影响。这被称为协同进化 (coevolution)。我们要互帮互助。我预想这样的场景

    ：病人、电脑、我的护士、我的研究生同事还有我自己都在诊室一起交流。”2

    在Watson的象棋博弈前辈Deep Blue于1997年击败世界象棋冠军Garry Kaspa

    rov之后，我们首次看到这种共生的迹象。在那次演示之后，Kasparov继续参加这

    种新“自由式”的象棋联赛，在其中，选手们可以自由地使用任何他们喜欢的计算机程序。在这些联赛中，一些选手孤身奋战。一些完全依赖于计算机程序。但那些

    将计算机与他们自身的直觉和比赛天赋相结合的选手是最成功的。3

    “机器与人相配合的团队甚至比最强大的计算机更具优势。人类策略上的指导

    与计算机战术上的敏锐结合起来是所向披靡的。我们(人类)可以集中精力于策略

    规划而不是把那么多时间花费在计算上。在这些情况下，人类的创造力是最重要的。”4

    ——加里·卡斯帕罗夫

    3 前行的技术之路与何以可能的科学

    当Licklider帮助认知计算形成一种哲学方法时，他几乎无法表达出前行的技

    术进路。随着计算机实验室之外的世界不断发展，认知计算的道路仍在被定义，且

    不断调整。尤其是，我们真切地意识到数据正怎样塑造着我们的未来。Gartner预

    计，在未来五年世界的信息将增长800%，而且80%的数据是非结构化的。其中包括

    人类语言记载下的每一件事 (从教科书到诗歌)，图片捕捉到的每一个瞬间(CAT

    扫描到家庭照片)以及声音记录下来的每条信息。它是隐藏在香气、味道、文本和

    振动中的数据。数据来自我们的活动，来自这个布满仪器的星球。

    在信息、知识和服务产生价值的全球经济和社会中，数据代表着这个世界上最

    丰富、最具价值、最复杂的原材料。直到现在，我们还没有方法对它进行有效开采。

    可编程系统基于这样的规则：通过一系列预先设定的进程，从数据中得出结论。尽管它们强大而复杂，也是决定论的——其繁荣建立在结构化数据之上，但是无

    法处理定性的或不可预见的输入。而当今这个复杂而突变的世界中充斥着模糊和不

    确定性，死板的可编程系统难以应对这些特征。

    认知系统是基于概率的，意味着它们被设计成去适应和理解非结构化语言的复

    杂性和不可预测性。它们可以“读”文本、“看”图像、“听”自然语音。它们解

    读那些信息，整理信息并提供对其意思的解释，同时伴有推论和推理过程。它们不提供最终的答案。事实上，它们并不“知道”答案。相反，它们被设计成从多个来

    源中去衡量信息和想法，去推理，然后提供假说以供参考。一个认知系统可以对每

    个可能的洞见或答案给出一个自信水平。

    Watson在 Jeopardy!中犯的一个错误就是例证。在第一天的比赛将结束时，Jeopardy终局的类目是“美国城市”。线索是“它最大的机场是以某二战英雄命名

    的；它的第二大机场是以某二战战役为名的”。答案是芝加哥(两个机场分别是O’

    Hare 和 Midway)。Watson猜测，“它是多伦多？？？？？”Watson困惑于这个

    问题有很多原因，包括这句话的语法结构，在伊利诺伊州有一个城市叫Toronto，而 Toronto Blue Jays在美国棒球联盟中打棒球。

    结果，Watson自信水平出奇的低：14%。如果这是Jeopardy!常规线索，参赛

    选手必须响铃示意，但作为Jeopardy终局阶段的线索，Watson可能因为答案自信水

    平太低而没有响铃。Watson知道哪些事情是它不知道的，图1.2中 的五个问号暗示

    了这一点。图1.2 Watson在Jeopardy!中犯的错误

    然而，认知系统能够从错误中学习。通过大规模机器学习，认知系统能从训练

    和运用中不断得以改善。

    消化语料库知识，根据任何给定主题接受专家训练，认知系统可以通过一系列Q

    A的方式得以训练。人与系统互动，就系统反馈的正确性做出反馈将会提升机器的

    “知识”。当Watson参加Jeopardy!时，它完成了一件事——以五种技术为基础的自然

    语言QA(提问和回答)。今天，QA只是Watson以应用程序界面方式提供的众多功

    能之一。从那以后，我们已经研发出多达二十多个新的应用程序界面，采用了五十

    多种不同的认知技术。这也是认知计算的技术方法和当前人工智能的关键区别。认

    知计算并不是单一的计算机科学，它结合许多学科知识，从硬件架构、算法策略、工业流程设计到行业专长。

    我们每天使用的许多产品和服务——从搜索引擎广告应用，社交媒体网站面部

    识别到“智能”汽车、电话和电网——正在见证人工智能的方方面面。

    绝大多数人工智能产品和服务都是为了实现某种功能，侧重于应用，专为某种

    特定服务而设。它们使用了一些认知计算的核心功能：有的使用了文本挖掘技术，有的通过机器学习进行图像识别。所有的产品和服务都局限于最初打造它们的构想。

    相比之下，认知系统具备五个核心功能：

    ①加深人与系统的互动

    人们与系统的互动更加充分，这种互动是以每个人偏好的模式、形式以及质量

    为基础的。认知系统充分利用搜集到的数据创造出有关个体的精细画面——比如，地理位置数据、网页互动、交易历史、钟爱节目的模式、可穿戴设备数据和电子医

    疗记录——并为这幅图景添加一些很难察觉的细节：语气、情绪、情感状态、环境

    条件以及人际关系的强弱和本质。它们从所有结构和非结构数据中进行推理，找出

    什么才是人际交流中重要的东西。通过不断学习，这些接触交流将传递出越来越大

    的价值，也会变得更加自然、有预见性，情感也会拿捏适中。

    ②拓展并提升专业技能

    各种工业知识和专业知识正在以任何专家都难以追赶的速度迅速膨胀——期刊

    、新协议、新立法、新实践和崭新的领域。医疗保健行业有一个明显的例子，在 19

    50年，人们预测全世界医学知识翻一番需要50年时间；到了1980年，时间缩短为7

    年；2015年，不超过3年。与此同时，个人一生能产生100万 GB的健康数据，相当

    于3亿本书。为了帮助组织机构跟上步伐，人们设计了认知系统，它能作为专家的伙伴提高

    他们的业绩。由于这些系统掌握了专业术语——医学、销售和烹调等术语——它们

    能够理解和传授复杂的专业技能。这大大缩短了从业者转变为业内专家所需的时间。另外，由于这些系统是由领先的从业人员训练的——不论是顾客服务，肿瘤诊断

    ，还是判例法等任何行业——系统能让很多人获取这些领先人士的秘诀。

    ③将产品和服务与认知融合

    认知技术让感受、推断和了解用户和周围世界的新一类产品和服务成为可能。

    持续改善和适应，增强功能以推出未曾想到的新用法，也因此成为可能。在汽车、医疗设备、器具和玩具行业，这些正在发生。物联网正在急剧拓展全球的数字产品

    和服务——哪里有代码和数据，哪里就有认知技术的用武之地。

    ④使认知流程和运营成为可能

    认知还能转变公司的运营方式。融合认知能力的商业运营，能将内外资源中的

    数据表象化为财富。它让公司重视工作流程、上下文和环境，这有利于持续性学习

    、改善预测、提高运营效率，并按当今的数据生成速度做出决策。这对当今世界而

    言是个大好消息，想想看，一个市值平均10亿美元的公司每周要花1000个小时来管

    理供应商。

    ⑤提升探索并加速发现

    最终，认知商业将具备的最强大的工具堪比“车前灯”，它可以照亮日益复杂

    、变化多端的未来之路。随着各行各业的领军人物争相在药物研发、复杂经济模型

    、材料科学、初创公司等方面加大筹码，这样的“车前灯”变得越来越重要。把认

    知技术运用到大数据上，领军人物就能找到模型、机会和可执行的假设，而仅仅通

    过传统研究或可编程系统，几乎不可能发现这些。

    假如能像设想的那样实现认知计算，那么，底层平台必须足够宽广、足够灵活

    ，以便在各行各业得到运用，它还必须支持跨行业运用。为此，研发工作必须从全

    局出发，旨在打造一个强健的平台，其中许多功能都可以支持来自开发者生态圈各

    种各样的应用。

    这个平台必须涵盖机器学习、推理、自然语言处理、语音和图像识别、人机交互、对话和叙述生成等等。许多功能要求运用高性能计算、专业化的硬件架构，甚

    至是新的计算范例这样的专业基础设施。以上每种技术都源于各自的科技或学术领

    域，但是，这些技术必须和支持认知解决方案的硬件、软件、云平台及应用协同发

    展方能奏效。

    随着Watson的迅速演化，未来可能已初见端倪。举个例子，一种分析X光、MRI

    s和超声波图像的认知医学图像应用，它能处理医学期刊、书本和文章的自然语言；

    它利用机器学习来矫正和增强理解力；它还可以开发深度知识表征和推理，有助于

    形成可能的诊断结果。为此，需要专业的图像处理器来支持大规模数据和人类专业

    知识，指导系统学习, 解读系统生成的结果。

    这种新模型的威力能应用于任何领域。油气公司能把地震图像数据和对成千上

    万的论文、报告、时事、经济数据和天气预报的分析结合到一起，为开采提供风险

    回报分析。或者，通过分析测试成绩、出勤率和数字学习平台上的学生行为信息，学校能建立纵向的学生档案和个性化教育计划。

    IBM正在与多个领先的癌症研究机构合作，加快临床识别，为患者提供个性化治

    疗方案，它被认为是短期内最有前途的认知计算应用之一。该计划旨在减少解读DNA

    、了解个人遗传信息，从医学文献搜集相关资料的时间从几周变为几分钟。由此产

    生的分析结果使医生能够针对患者特定的癌基因突变做出诊断。只需几分钟，Watso

    n就能完成遗传物质和医学文献的审查过程，产生一份可视化数据的报告，并以循证

    医学为基础，综合患者个人独特的基因提供可行的药物方案。临床医生可以评估这

    些证据，以确定它的疗效是否会比标准方案更有针对性。

    4 前沿认知科学的含义和义务

    认知时代(The Cognitive Era)是应用型科学发展的下一步，它帮助人类理

    解自然并改善人类的生存状况。在此意义下，它是一个老故事开启的新篇章。围绕

    人工智能的争论只是其中一个最新的例子，是相信科学进步的人和那些害怕它的人

    之间古老争论的延续。与媒体和娱乐界的争论相反，在科学领域，裁决已定。追求

    认知未来已成为广泛共识，人们也普遍认为有必要有责任推进技术发展。“技术创造可能性和潜力，但最终，我们的未来将取决于我们做出的选择。我

    命在我，不在技术。”5

    ——Erik Brynjolfsson，MIT(麻省理工学院，著名经济学教授)

    具体而言，我们会继续塑造认知计算对工作和就业的影响。与所有技术一样，认知计算将改变人们的工作性质。它将有助于我们更快速、更准确地执行一些任务。许多处理过程会因它变得更便宜、更有效。某些事它甚至会比人类做得更好——

    自文明诞生以来便一直如此。事情总是这样，新技术被发现具有更高的价值，我们

    的社会和机制逐渐适应它并获得进一步发展。所以，我们有理由相信此时此刻的情

    况与以往并没有什么不同。事实上，认知时代会为人类开启一个知识、发现、机会

    都以指数级速度增长的世界。我们也有充分的理由相信人类的工作将变得越来越有

    趣，也更具有挑战性和价值。

    图1.3 认知计算系统以类同人脑的工作方式，进行学习和处理任务

    同时，社会的控制和保障也一样重要。对于智能系统的担忧再一次适用于此。

    从汽车、药品到手机，每一项技术的转换都会涉及个人和机构的安全问题。这些问

    题已经刻不容缓，也将继续与认知技术发展如影随形。这些问题已经被今天激进的技术民主化(网络和云的快速传播是背后的驱动力)以及随之而来的成本削减所点

    燃。

    我们相信，答案不是试图限制民主化，而是要拥抱它，同时设计出融合隐私、安全和人工控制的认知系统。

    5 为下一代人类的认知铺平道路

    最后，所有的技术革命不仅是被发现的，而且是由商业和社会需求推动的。我

    们追求这些新的可能性并不只是因为我们有能力，而是因为我们有所求。

    由于世界的复杂性和我们自己根深蒂固的偏见和方法，我们最初对每一项革命

    性的技术的理解都是有限的。然而，所有的限制必然会被发展所突破。事实上，我

    们一直在为不知道而付出昂贵的代价：我们不知道患者的病因出在哪里；不知道产

    品的消费者在哪里；不知道重要的自然资源藏在哪里；不知道每一项投资的风险在

    哪里。

    “行为明智的最大障碍是无知，它也是恐惧的最大来源。小小的蜡烛会发出误

    导性的微弱光线，投射出巨大而不详的阴影。正午太阳光线明亮，不会投下一丝阴

    影。是时候将这整个人与机器的难题置于耀眼的正午阳光之下了。计算机永远不会

    剥夺人的主动权，也不会取代人类的创造性思维。计算机会把人类从低级的重复性

    思考中解放出来，让人类更加充分利用理性，创造更多机会。”6

    ——Thomas Watson Jr.(小托马斯·沃森，IBM第二代总裁)

    我们相信世界上的许多难题终将得到解决，并且我们相信，认知计算正是帮助

    我们实现这一宏伟目标的工具。

    炒作“人机大战”的戏码会让我们偏离主题，这些戏码只存在于那些激动人心

    却有误导性的小说里。现在的认知系统不是我们的竞争对手，将来也不会是，科学

    和经济学的证据都不支持这种恐惧。真正的认知系统实际上是一种深化重要关系的

    工具——人与世界的关系。通过它们，我们将为下一代人的认知铺平道路。我们能用崭新而有力的方式思

    考和推理。认知系统是真正灵感源于人类大脑的机器。同样的，这些机器也会真正

    激发人的大脑，提高我们的理性能力，改变我们的学习方式。在21世纪，知道所有

    的答案并不能称得上智慧，但提出更好的问题才算真正的天才。

    参考资料

    1. Licklider, J.C.R. Man-Computer Symbiosis. IRE Transactions

    on Human Factors in Electronics. 1960. http:groups.csail.mit.

    edu medgpeoplepszLicklider.html

    2. Kelly, John E. and Steve Hamm. Smart Machines: IBM’s Watso

    n and the Era of Cognitive Computing. New York. Columbia Univer

    sity Press, 2014.

    3. Kelly, Kevin. The Three Breakthroughs That Have Finally Unl

    eashed AI on the World. Wired Magazine. October, 2014.

    4. McAfee, Andrew. Did Garry Kasparov Stumble into a New Busin

    ess Process Model? Harvard Business Review. February, 2010. htt

    ps:hbr.org201002like-a-lot-of-people

    5. Brynjolfsson, Erik and Andrew McAfee. The Second Machine Ag

    e: Work, progress, and prosperity in a time of brilliant machin

    es. New York. W.W. Norton Company, 2014.

    6. Watson, Thomas Jr. IBM Archives. https:www-03.ibm.com ib

    mhistoryexhibitswatsonjrwatsonjr_quoted.html第2章

    认知商业的魔法

    ——认知技术如何创造真正的商业价值

    作者：陈黎明认知技术将很快创造真正的商业价值，只要能进行下列三项管理变革，任何企

    业都能顺利进入到认知商业时代，它们分别是：制定认知战略，完善云平台等相应

    的基础设施，以及进行管理变革。

    过去数年，我们频繁从CEO 的口中听到：他们所经营的公司正在经历着数字化

    变革：运营、决策、营销、战略等方面都因为新兴技术而发生着颠覆性变化。

    在我们看来，这种因技术带来的巨变还将持续并且深化，这主要基于以下三个

    判断：

    超载的数据。 很多企业家都逐渐坚信数据将成为未来企业最重要的资源。这是

    因为数据能让他们更加准确地了解客户需要什么、流量来自哪里、疾病如何传播以

    及哪个位置风险最大，从而帮助企业形成洞察，为决策带来依据。然而，大数据正

    在成为沉重的负担，过去两年产生的数据占人类有史以来数据总量的90%，未来将更

    加惊人。到2017 年年底，医疗卫生数据将增长99%，政府和教育数据将增长94%，公共事业数据将增长93%，媒体数据将增长97%。然而这些数据中80% 都是无法被计

    算机识别的非结构化数据，不能为我们所直接利用，从而形成价值。

    想从这80% 的数据里获得洞察和价值，相当于想把桌子椅子塞进榨汁机，榨出

    美味的果汁。要想利用这些非结构化的数据，就必须采用新的技术手段，而认知技

    术正是具备了这样的魔法。 庞杂的数据还正在形成巨大的“负债成本”。根据CIO

    Insight 2012 年的调研，美国在数据管理方面的成本为1.1 万亿美元，其中13

    用于存储，13 花在保障数据安全上。一家中型公司花在数据存储和安全上的费用

    平均为3800万美元。根据佛瑞斯特研究公司(Forrester'sResearch)的数据，全

    球公司只利用了32% 的结构化数据和12% 的非结构化数据。

    “代码”时代。 如果说我们创造的产品、设备、产业在一刻不停地生产数据，那么我们自己，就是在不停地创造改写这个世界的“代码”。波音787 有1400 万

    行代码，一部汽车是基于1 亿行代码，一件智能家居产品平均有500 万行代码，手

    机120 万行代码，心脏起搏器8 万行代码。毫不夸张地说，很多高新技术企业是基

    于代码生存而发展的；可以说这个时代所有有志于推动商业发展、时代进步的人都

    在做一件事：用代码改写世界。在代码和最终产品、服务之间的是，大量可以被直

    接调用的API(应用程序编程接口)。这被称之为“API 经济”。到2018年，将有一半的消费者会基于认知技术定期开展服务互动。采用高级预

    测性分析技术(包括机器学习)的应用在2016年将出现加速增长。

    认知计算时代初启。 今天，各行各业的业务主管都已清醒地意识到他们必须正

    视一个现象：认知系统将改变商业世界。2015 年，各大IT 公司的大手笔收购，人

    工智能领域创业公司的大批涌现，让很多名词都不再陌生。无论是在功能层面的自

    然语言处理、图像识别 计算机视觉、语音识别、数据分析、模式识别、VRAR、机械手臂的自动控制，还是技术层面的机器学习的十大算法(C4.5、K-Means算法

    、支持向量机、Apriori 算法、最大期望算法、PageRank、AdaBoost、K 最邻近

    分类算法、朴素贝叶斯模型、分类与回归树)、深度学习(深度神经网络、卷积神

    经网络、递归神经网络、深度信念网络)，都预示着人工智能正在从智能计算、感

    知计算走向认知计算阶段。认知计算的显著特征就是理解、推理和机器学习。人类

    在经历了制表计算、编程计算后，迎来了认知计算的时代。

    根据IDC 的分析，到2018 年，将有一半的消费者会基于认知技术定期开展服

    务互动。采用高级预测性分析技术(包括机器学习)的应用在2016 年将出现加速增

    长。采用这些应用的企业收入增速将比不采用的企业高出65%。

    图2.1 Watson互动顾问界面

    上述提到的认知技术并不仅仅是像IBM 2011 年推出的参加智力挑战赛或者谷

    歌AlphaGo 这样的比赛系统，而是那些真正能改变商业世界的认知技术。比如IBM

    认知的杰出代表作Watson 系统已经成为一个能够真正创造商业价值的平台。正如

    英特尔的创始人罗伯特·诺伊斯(Robert Noyce)所言，“与英特尔致力于技术的规模化和产业化不同，IBM 擅长做拓荒者，争取第一个把尖端科技商业化”。与Wa

    tson 共同成长的是IBM 与世界上一百余家企业一起将认知型产品和服务推向市场

    的能力。

    本文在总结五年来与百余家企业的合作基础上，提出了进军认知商业的三大前

    提条件：制定认知战略，完善云平台等相应的基础设施，以及进行管理变革。

    1 产品与服务

    (1)认知型互动体验的服务

    近年来，问答互动的机器人大量进入公众视野：同用户进行开放主题对话，作

    为精神陪伴、情感慰藉而存在；也有些可以进行事务查询，如天气、定位、通话、日程提醒和搜索；还有一些是满足用户有关产品或服务的咨询服务，以降低客服成

    本。

    事实上，大数据系统已经能够帮助客服人员搜集客户的基本信息，并快速找到

    客户所需的资料。与大数据分析系统最大的不同，认知型互动，是能够直接处理自

    然语言形式提出的问题，并提供基于逻辑推理的预测。认知型互动更加注重个人体

    验，能够设计正确的谈话内容，找到正确的时机，正确理解上下文语境，调整正确

    的语气(参见Watson 互动顾问界面)。

    体验，是非常重要的生产力，比如医生、销售、教师、空乘人员、收银员、服

    务生的“情绪劳动”，在某种程度上，决定了其业绩的好坏。

    今天，在拉斯维加斯旅游，就会看到自助式的“认知服务生”Ivy，它为客户提

    供行程安排、订餐以及订票等服务。因为如果想在拉斯维加斯以最优价额获得最佳

    体验，需要做大量的攻略，甚至酒店服务人员提供的票价、演出时间都有可能不是

    最新的，Watson 的价值就是解决消费者的麻烦、帮助酒店提高客户满意度。2016

    年，将有2000 万人次使用基于Watson 的互动平台。

    North Face 利用Watson 解决了一个长期困扰电商的难题：如何把线上的成

    本优势与线下销售代表的经验结合在一起。比如，网购时不能直接问：“我要去西藏露营探险14 天需要什么样的装备？”但是在专业的体育用品店里可以和店员就这

    一话题讨论一下午。根据调研，放进购物却没有被购买的货品中，40% 是因为没有

    专业人员的辅导也没有足够的时间自己做调研。Watson 可以搜集网上所有的产品

    说明、买家评价、攻略，甚至社交媒体上的图片，最终给出购买建议。同时，体验

    也是非常复杂的。Watson 帮助美国著名的定制化网络音乐电台Pandora，找到了四

    百五十多个影响听众和广播内容关系的因素。

    认知帮助系统专业工作人员掌握新知识、获得新技能，作为研发伙伴他们提高

    研发效率。它可以充当多种角色。

    (2)认知型产品

    认知技术植入智能产品中可以让产品本身获得理解、推理、学习用户及周围世

    界的能力。它们能不断改进，使产品提升到以往想象不到的水平。很多的汽车、医

    疗设备及家用电器等均已开始部署认知技术。

    IBM 与合作伙伴Elemental Path 共同开发了有认知能力的玩具恐龙，这只恐

    龙能根据不同年龄段的孩子使用恰当的、孩子们听得懂的语言回答他们的问题，并

    向他们提问，讲故事。而在认知商业时代，针对不同理解程度的儿童提供的这款玩

    具，基于它与孩子互动的情况，做出个性化、定制化的教育来培养孩子的兴趣和知

    识。在同孩子的互动中，玩具甚至形成了独特“个性”。

    IBM 与日本软银合作，共同开发了“情感机器人”Pepper，它能够判断人类的

    面部表情和语调，“读”出人类情感。雀巢公司购买了第一批Pepper 机器人，作

    为免雇员在日本的电器店里售卖咖啡机，Pepper 还在日本74 家手机专卖店做客服

    ，收集客户反馈。Watson 作为很多机器人产品里的“大脑”，在中国网球公开赛

    上也展示了它对网球技术、球员、球迷的深入分析能力。

    美国运动品牌Under Armour 推出的“认知教练APP”，结合可穿戴式健身衣服

    、健身跟踪硬件、人口特性分析、健身社区等社交数据，推出“世界上第一个完整

    的健康和健身见解的应用”，从此可能会改变人们管理健康、营养和锻炼方式。未

    来Under Armour 还会利用认知计算能力开发智能的手表、运动服装、运动鞋和其

    他运动装备。2 再造行业与职业

    (1)认知型人才

    布莱恩约佛森和麦卡菲在《与机器赛跑》(Race Against the Machine )一

    书写道：随着技术发展，人类正与机器形成一种对抗，结果是，人类一定会输，因

    为人类需要吃饭和休息，有情感需求，厌恶重复性劳动。所以，作者提出未来人类

    需要转换思路，与机器合作。我们将这种想法扩展开来，人的智慧不仅应该局限在

    建立更好的社交网络，而且可以与机器连接起来，建立一种人机合作关系。

    各个行业和职业专业知识的累积速度已经达到了无法有人能够穷尽的地步——

    学术期刊、新协议、新法律法规、新的业务模式……培养专业能力所需的时间成本和

    经济成本骤增。2012年，美国企业在员工培训方面开销高达1642 亿美元；但90%

    的新技能在一年内就会毫无用处。在美国，医生拿到行医执照需要11~16 年，律师

    需要7~10 年的工作经验才能进入律师事务所。

    在这样情况下，认知系统的优势就体现出来，帮助专业工作人员掌握新知识、获得新技能，作为研发伙伴帮助他们提高研发效率。它可以充当下列多种角色：

    培训助理： 认知系统能系统地掌握专业语言和知识框架，而且“培训”认知系

    统的老师都是顶级专家，无论是销售、肿瘤诊断、判例法还是厨师，可大大缩短将

    一般人才培训为专业人才的时间。

    业务助理： 在美国，初级医师需要问诊时间约15 分钟，切除一个肿瘤平均3

    小时，但是2017 年，如果一名优秀的医生要了解科研的最新成果，需要每周看160

    小时资料，实际情况是他们每周只有5 小时学习。Memorial Sloan-Kettering

    医院的肿瘤医生及研究人员“ 培训”Watson 学习肺癌、肝癌、乳腺癌等肿瘤治疗

    方案，让它能在最短的时间读懂患者的病历、基因数据、影像资料、药物服用情况

    ，并迅速结合最新的科研成果、治疗方案，为癌症病患提供有真实案例支持的治疗

    方案。利用这一系统，泰国的Bumrungrad 国际医院，已经为东南亚100 多万名癌

    症病患提供医疗方案。一家著名保险公司利用认知数字助理，分析大量的宏观经济

    政策、投资历史及个人投资者情感和性格等信息，使用自然语言与个人投资者对话

    ，帮助保险客户经理达到金牌经理的销售业绩。科研助理： 寻找研发方向和突破口需要投入大量的时间和经费。而认知系统最

    大的优势就是能以不可想象的速度排除研发的错误方向，把项目突破口迅速缩小到

    一定范围，使研发人员更快、更深入地开展凭借一己之力永远无法完成的研究工作

    ，同时数百甚至数千名高级人才累积的信息都可以在系统内分享，联合创新加快研

    发速度。

    经过过去几十年的研究人们已经发现，一种基因的蛋白——p53与癌症的关系

    非常密切：如果p53 保持活性，患癌症的可能性极低；但如果p53 发生突变，就会

    由抑癌基因转变为癌基因。从1992 年到现在，已经找到33 种可能与p53 有关系的

    蛋白激酶，但需要验证33 种蛋白激酶与p53 如何产生作用，只能靠运气。而且，还有400 多种蛋白激酶未被测试。如果采用传统的方法研究p53，专家需要85 年的

    时间阅读现有研究资料，还需要85 年时间阅读不断发表的新成果。而Baylor 医学

    院的研究人员利用Watson 在几个星期之内，把范围缩小到了7种与p53 关系最为密

    切的蛋白激酶，以及如何作用于p53——为人类征服癌症的可能走出了第一步。

    (2)认知型流程与运营

    据估计，在美国，因供应链合作伙伴之间无法密切合作而导致企业每年浪费300

    亿美元；资产是10 亿美元级的企业每周平均投入近1000 个工时来管理供应商。在

    工作流程上融入认知能力，能够提高预测能力和经营效力。

    例如，一家零售商构建认知供应链，将预估的需求错误减少了50%。他们运用预

    测性分析技术同时处理内部结构化数据及外部非结构化数据，包括消费者在Twitte

    r 发表的评论和情绪、本地新闻事件和天气状况，预测以前看似随机的行为，形象

    的比喻是实现从库房与商店之间的零距离。

    对半导体制造业来说，供应链的控制能力就是公司的生命线：一方面，如果不

    了解市场趋势，消费类电子产品厂商更改订单周期、产品功能或设计，甚至取消订

    单，都会给半导体制造公司带来巨大的损失；另一方面，如果不能准确控制上游供

    应商的进度，就会导致占用大量资金的囤货，或因影响订单进度、赔偿客户损失。J

    abil 半导体公司与IBM 一同做的事情，就是打造一条有预知能力的认知型供应链

    ，同时优化财务管理、动态调整公司的财务平衡。

    某国际化妆品巨鳄，为130 多个国家的地域“定制美丽”，但同时意味着管理28 个国际品牌、470 多种原料成分、上百万种品类的包装、特性、定价、重量，以

    及各国不同的法律法规……产品多样性既是核心竞争力，也意味着铺设大量渠道、各

    类合作伙伴关系、物流网络方面的的大笔投入。认知型的渠道管理的第一步，提供

    “上帝视角”的全景图，从不同国家、各类数据库、内外资料里提取分析有效信息

    ，辅助渠道决策。

    检修与停机是石油石化、能源电力等运行成本高、停产损失大的行业中一个重

    要问题，维修所需要的辅助资源、组织支持和人员的调配都让优化维保检修成为挑

    战。澳大利亚Woodside公司用其累积的三十多年的油气行业维保检修数据“训练”

    Watson，让Watson 在工作平台设计之初就辅助搭建、装配油田基础设施；建造之

    后，制订预测型的维保检修方案；如果一旦出现问题需要现场作业，工程师也可以

    用自然语言提问，快速获得历史解决方案和相关信息。

    3 革命性认知型企业

    最终，认知计算将助力认知型企业获得超越竞争对手的“不断发现”的能力。

    各行各业的领导者都被迫在颠覆与被颠覆之间挣扎，而传统的可编程系统，无法快

    速走上“发现之旅”。Watson正将发现的能力扩展到发现新药物、新材料、新金融

    投资模型以及新商业模式等多个领域。

    在石油行业，最大化开采现有油田和收购新的油田之间的平衡，是非常重要且

    极具风险的商业决策。因其涉及静态地质数据、实时的地震检测数据、历史勘探数

    据、研究报告，还要综合考虑国际政治、经济环境、地区战争和国际油价等信息。R

    epsol 和IBM 联合创建了“认知环境实验室”，“训练”Watson 在油气行业的解

    决方案。首先，Watson 要利用已知的地质统计数据、前期勘探的有限可用数据，比如地层岩石的几何特征和表面化学特性、与流体的关系，“发现”同类油气藏，并用可视化界面展示出来。再用机器学习的方法，分析勘探可行性，量化预测生产

    的不确定性，比如断层活动、地震事件等。最后评估备选油气藏的经济潜力，结合

    净现值设计最优的投资组合。

    几乎人类所有数据都对保险行业有价值，包括天气。但天气数据和保险之间的

    关系很难被“发现”。美国平均每年因天气原因造成的直接经济损失高达5000 亿美元。结合实时的天气数据、静态的客户关系数据，“训练”认知系统辨别保单内容

    、分析客户具体情况、识别欺诈模式，提供风险防范信息，将经济和生命安全损失

    降低(参见图2.2“认知型车险系统”)。RIMAC 保险公司是秘鲁有117 年历史的

    保险公司。在客户提出索赔时，Watson 对数千份保单进行扫描，几乎同步地提取

    出当前决策的相关段落，将理赔流程时间缩短了90%。更重要的是，Watson 将支持

    RIMAC 发现秘鲁公共健康方面的综合性问题。比如，从患者损失和过度索赔中发现

    医院不合理收费的状况；如果发现某种疾病的索赔率高得惊人，可以联合开发疾病

    防治、健康管理的社会方案。

    图2.2 认知型车险系统

    认知型服务、产品、认知型专业助理、认知型流程和运营以及认知型企业，目

    前，这五个方面只是我们有限的实践。谈及这五个方面里的很多案例，都会触及今

    天热议的话题“机器人取代人类工作”，事实上，这一天远未到来。恰恰相反，真

    正的问题是如何利用机器与人类协作，让更多的人平等享受技术发展、平等地获取

    资源。一名顶级的器官移植手术医生其成功率是一般手术医生的六倍，如果没有认

    知技术的发展，最好的器官移植手术医师和高水准的律师服务并非为一般人群、底层人群可以企及，属于金字塔顶部的财富。但Memorial Sloan-Kettering 医院的

    顶级肿瘤医师的专业能力却可以通过认知系统让东南亚的医生为上百万人提供治疗。同样，基于认知技术加拿大的ROSSIntelligence 律师事务所可以为付不起律师

    费的客户提供免费的、相当于顶级律师团队撰写的申诉材料。

    当认知计算技术成熟到可以从尖端科技进入到商业领域时，这个世界发生了巨

    大的变化。开放、平等和共创，取代了封闭、零和竞争，IBM 没有选择把认知技术

    置于自己产品的内部，而是选择开放开发工具，将认知技术和能力变成了API 平台

    ，请各行业最了解他们客户的企业家、创业者，用他们的创造力，想象如何利用认

    知计算进行变革、创新。

    我们总结了一百多家企业部署认知商业的方法和步骤，可供参考。

    4 三个关键行动

    (1)制定认知战略

    从哪里入手，如何利用认知技术实现企业转型？

    确定认知计算提供的差异化价值，认知系统和认知能力绝不只是为了节约成本

    ，所以需要建立一个认知计算的战略路线图。认知解决方案适合已经确定的挑战，对特定的问题进行分析。

    ·想要获得的是认知型产品或服务？一个流程或功能？还是需要提供有置信度

    加权、支持性证据的商业决策能力？

    ·你的用户是否需要用自然语言与系统进行交互？

    ·需要哪些数据？尤其是在 80% 的非结构化数据中，哪些是最需要关注的？

    ·现有的IT 架构是否支持？是否需要部署云计算？·需要哪些专家训练认知系统？

    必须清醒地认识到，认知商业的价值不会在部署完之后就喷涌而出；相反， 机

    器需要学习和训练。因此，认知系统是渐进的，随着时间的推移，系统会产生魔法

    般的效果。将现实情况告知利益相关方。

    认知计算是下一个“美达斯点石成金的手指”，关键在于你要点哪一块石头。

    (2)完善基础设施

    为成功的认知商业的实施打下基础，需要做五方面的工作：

    数据分析能力。 认知系统的质量与数据的质量息息相关，能够收集和累积正确

    数据，建立并保证高质量的语料库——包括结构化和非结构化数据，尤其是实时反

    馈的物联网数据、社交媒体数据、天气数据以及视频内容。还可以来自尚未开发的

    新资源，包括呼叫中心录音、博客和线上社区。此外，要着眼于数字化投资，以确

    保机构的语料库的未来发展。

    云平台。 云计算技术让行业的价值链更加透明，并且容易分解，在价值链上的

    每个节点都可能产生颠覆者。所以，云计算的价值绝不是节约成本，而是提供敏捷

    开发、快速迭代的业务、产品、服务和商业模式、创新的源泉。尤其是将认知计算

    能力融入企业时，IaaS、PaaS 层的可扩展性，SaaS 层的多样性和灵活度，需要安

    全的混合云方案和强大而丰富的认知型开发平台。

    IT 基础架构。 为了使认知商业需要强大的计算能力，必须构建新型 IT 核心

    ——用作企业骨干的异质基础架构。

    安全。 未来，认知商业在交通、建筑、道路、商业流程、供应链等各个领域都

    要进行部署。这意味着保护每笔交易、每个数据、每次互动的安全性，对于整个系

    统、品牌及公司声誉，非常重要。

    人才投资。 认知系统需要“训练”，而不是编程。因为它们利用交互结果和新

    的信息片段进行“学习”。这种劳动密集型的训练过程通常被称为“监督学习”，需要专家的参与。同时，认知系统还需要自然语言处理、机器学习、数据库管理、系统实施和集成、界面设计等方面的专业知识。此外，还需要一个无形的“技能”

    ：好奇心。对于认知系统而言，学习过程永远不会结束。

    (3)管理变革

    认知系统会对公司流程、人们的工作方式，产生巨大的影响。与我们传统使用

    计算机系统的简单输入 输出相比，用户和员工以完全不同的方式与认知系统进行

    交互，因为它不再以“正确性”为衡量标准，认知系统提供的是可能结果(也就是

    说，它会提供几个结果及其可能性大小)，而不是确定结果(每项输入都有固定的

    结果)。虽然准确率将随着系统的学习而逐渐提高，但是永远不可能达到 100%。认

    知系统是一个全新的事物，保证高管参与到整个认知旅程。也要把认知愿景传达到

    公司各级，不断提高公司的“认知度”，让人们接受和采用认知技术。

    回溯互联网的历史，在萌芽阶段，有些人看到了互联网资讯平台的价值，开创

    了第一批门户网站，比如早期的雅虎；有些人看到了电子商务的契机，比如 eBay；

    有些人看到了连接企业与企业间、企业内部各职能部门的作用，开发了 CRM、ERP

    系统，比如甲骨文、SAP……互联网在最开始是技术，但今天早已成为一种现象，浸

    透于社会、政治、经济和生活中。

    从这一角度看“认知计算”，将引领一个全新的时代，这正是布莱恩约佛森和

    麦卡菲在《第二个机器时代：辉煌技术时代的工作、进步与繁荣》描述的“第二个

    机器时代”。如何把握这个时代，有赖于我们有怎样的想象力和怎样的创造力。认

    知计算是下一个“美达斯点石成金的手指”，关键在于你要点哪一块石头，可能是

    市场的某种需求而产生了新的产品和服务，可能是变革企业管理的某个职能、价值

    链的某个环节，或是全新的商业领域、商业模式……

    科幻作家阿瑟·克拉克说：“任何足够先进的技术都与魔法无异。”认知的魔法

    画卷才刚刚展开。第3章

    您的认知计算未来

    ——认知计算的演进

    作者：Sandipan Sarkar, Dave Zaharchuk企业已经开始触及认知计算能力的表层。从改进客户交流到增强研究能力以识

    别能够挽救生命的全新治疗方式，认知计算的潜在价值是无限的。通过研究，我们

    发现了各个行业中存在的多个创新机遇，为早期参与者实现巨大的先发优势创造了

    机会。据WinterGreen Research估计，到2019年，随着新的认知计算技术的发展

    ，全球医疗决策支持市场的价值将增加到两千多亿美元。1

    1 执行摘要

    几十年来，科学幻想家分享了他们对于能够像人类一样学习和运行的智能机器

    和计算机的设想。自此以后，智能机器超越了科学幻想的范畴；如今，凭借认知计

    算的突破，它们已经变成了现实。认知计算出现了——而且这种创新能力在我们的

    日常生活中无处不在，并且从根本上改变我们开展工作、与他人交流和交互、学习

    并制定决策的方式。各行业以及全球各地的领先企业已经开始利用这些能力实现巨

    大的业务价值，并且帮助解决社会上的一些最严峻的挑战。

    (形容词)：有意识的精神活动(例如思考、理解、学习和记忆)

    图3.1 边缘可成为拥有者和用户之间的交易点和经济价值创造者认知计算能做什么

    认知计算解决方案可提供各种能力，包括：

    ·加快、增强并扩展人类专业知识。

    ·获取表现最优秀者的专业知识——并加快其他人的专业知识培养。

    ·增强专业人员的认知过程，以帮助改进即时的决策。

    ·通过快速提高企业内决策的质量和一致性而扩展专业知识。

    我们正在进入新的计算时代。在可编程和制表时代后，认知计算代表着巨大的

    进步。这个新时代对于系统如何构建以及如何与人类交互带来了根本性的差异。

    在可编程系统时代，人类完成大多数发指令任务。传统可编程系统“吃进”数

    据，而且其结果基于真人预编程的处理。另一方面，认知时代是指自我思考——我

    们如何收集信息，如何访问信息并且做出决策。基于认知计算的系统积累知识，并

    且学习和理解自然语言，进行论证，并且比传统可编程系统更自然地与真人交互。

    “论证”一词指认知系统如何展示与真人的理解非常类似的洞察。

    认知系统能够将内容放置在上下文中，根据支持证据而提供经过置信度加权的

    响应。这些系统还能够在海量数据中快速找到所需的信息，识别新的模式和洞察。

    随着时间的推移，认知系统将更好地模拟大脑如何工作。2 这样，它们能够降低大

    数据的复杂度，并利用自然语言处理和机器学习的能力，从而帮助我们解决世界上

    复杂的问题。

    尽管认知计算在过去五十多年取得了巨大的进步，但这种令人振奋的基本上还

    处在演进的初级阶段。采用认知解决方案并将其集成到企业中是一个过程，而非目

    的地。因此，企业需要设定切合实际的期望，并制定长期的计划，通过渐进的里程

    碑而从该技术未来的进步中获益。根据与客户合作的经验以及全面的研究，我们确

    定了各行业内当前以创新方式应用认知计算的多个机遇，并且考察了该技术在未来

    可能如何演进。在本章中，我们探索认知计算的三个能力领域。我们还讨论未来的机遇如何受

    到认知计算能力演进的影响，例如机器学习技术的进步，以及该技术的接受如何受

    到多种力量的影响，包括从社会观点到政策和技能。在第四章中，我们将讨论从早

    期采用先锋学习到的经验，并且为您提供如何利用认知计算解决方案的洞察。

    2 认知计算的三个能力领域

    我们看到认知系统有三大能力领域。这些能力为创新打开了新的大门，与人们

    思考和工作的方式直接相关，并且显示了日益提高的认知能力。每个能力领域都已

    经取得了巨大的进步，而且这些能力的未来发展前景远大，因为它们不断从多个行

    业中获得发展的动力。3 需要指出的是，这些能力并不互相排斥。特定的业务解决

    方案实际上可能利用一个或多个能力领域。

    交流 ——通过提供专家级援助和理解的能力，这些系统从根本上改变了人类和

    系统交互的方式，并且大大扩展了人类的能力。这些系统通过开发深入的领域洞察

    ，并以及时、自然和适用的方式将这些信息提供给人们，从而提供专家级援助。这

    时，认知系统扮演了助理的角色——这位助理不知疲倦，能够分析海量的结构化和

    非结构化信息，能够对比模糊，甚至自相矛盾的数据，而且能够学习。在这种合作

    关系中，人和机器的合力要比各自孤军奋战更加高效。

    图3.2 认知计算有三个新的能力领域与人类的大脑类似，这些系统首先要构建它们自己以及周围世界的模式。这个

    世界由系统本身、从信息主体中吸取的知识和系统的用户组成。模式包括系统的世

    界中多个实体之间的上下文关系，这些关系使其能够形成假设和论据。因此，这些

    系统能够与真人进行深入的对话。围绕这个能力领域已经形成了一些经过验证的重

    要能力。将来，预计越来越多的特定领域问答(QA)系统将会出现。许多系统可能

    预先掌握了领域知识，可在不同的特定业务应用领域快速采用。此外，未来的认知

    系统不断发展，具有形式自由的对话和论证能力。4 (参见案例研究：利用认知计

    算帮助军人过渡到普通人的生活)

    “认知计算当前的能力只是其潜力发挥的开始。”

    ——Manuela Veloso博士

    卡耐基梅隆大学计算机科学教授

    3 案例研究1

    利用认知计算帮助军人过渡到普通人的生活

    美国金融服务公司USAA致力于为1040万现役和退役的美国军人及其直系家属

    成员提供银行和保险服务，包括通常难以从军队重返普通人生活的老兵。与任何

    事业变化一样，从军队重返普通人的事业对军人和他们的家庭都是一项挑战。这

    个过程可能复杂而且棘手，因为许多人不知道在过渡的过程中询问哪些问题和考

    虑哪些概念。为了更好地为这些军人服务，USAA利用IBM的Watson实施了创新的

    认知计算解决方案。

    该解决方案允许处于过渡期的军人访问usaa.com，或者使用手机浏览器提出

    与离开军队相关的问题，例如“我是否受保护，并获得退伍军人福利补偿”，或

    者“如何充分利用‘9·11’之后的《退伍军人法案》呢”。

    一个团队从2000个问题开始，花了六个多月对系统进行训练和教育。此外，解决方案分析并且理解了超过3000份专业军人过渡文件。系统的自然语言处理功

    能使它能够理解以不同方式提出的实际问题，并直接向客户提供专家建议。这样，USAA能够在非批判性的环境中对客户的复杂问题提供综合的答案。5

    决策 ——这些系统有决策能力。认知系统所做决策基于证据，并且根据新信息

    、成果和行动持续演变。这些系统所做的决策是没有偏见的。然而，人类需要某些

    标准才能真正信任它们的决策。目前，认知计算系统更多地扮演顾问的角色，它们

    向真人用户建议一组选项，而最终决策由真人用户做出。(见案例研究：认知计算

    解决方案帮助支持决策并提高患者治疗质量)对认知系统决策能力的信任取决于查

    询能力和追踪能力(以审查为何做出特定决策)，也取决于系统响应的最高置信度

    分数。置信度分数是由系统生成的定量值，代表了对多个选项进行评估后得出的最

    终决策的优点。6

    发现 ——发现是认知能力的体现。这些系统可以发掘即使最聪明的人类也难以

    发现的洞察。发现涉及寻找洞察和连接，以及理解全球范围内可用的海量信息。由

    于数据不断增长，市场对系统提出的明确需求，即帮助比人类自身更有效地利用信

    息。7 尽管仍处于初级阶段，但某些发现能力已经凸显，而且未来应用的价值主张

    非常有吸引力。这一能力在某些具体领域已经取得了进展，例如在科学资料非常充

    足的医疗研究领域。8 (见案例研究：认知计算解决方案支持医疗研究的新发现和

    洞察)

    4 案例研究2

    认知计算解决方案帮助支持决策并提高患者治疗质量

    WellPoint公司是美国最大的健康福利公司之一，通过其覆盖全国的网络提

    供了多项健康福利解决方案。交责利用率管理的护士要花费40%到60%的时间对传

    真或邮件信息进行汇总，以根据基于证据的药品和WellPoint医疗政策而决定批

    准还是拒绝对程序的请求。对于复杂决策，患者通常要等待临床部门审查几星期

    ，而且可用证据或者及时处理能力的缺乏可能延误治疗或导致错误出现。另外，医疗专业人员很难跟上医疗知识的快速进步。为了应对这些挑战，WellPoint实施了基于IBM Watson的认知计算解决方案

    ，为预授权流程提供决策支持。该解决方案通过在复杂医疗数据和人类与自然语

    言的上下文中解析含义和分析查询命令而提供建议，包括医生的单据、患者病历

    、医疗注释和临床反馈。随着解决方案不断学习完善，它的结果会更加准确。即

    使护士必须对请求进行更多的研究，Watson汇总信息并以易读的结构化格式提交

    信息的能力可节省大量时间。提供决策支持能力并减少书面工作能够使临床医生

    将更多时间用在患者身上。9

    “数据共享程度有可能影响认知计算解决方案的采用；然而，技术方面也很重

    要。政策可明确影响技术，但希望在于认知能力仍将向前发展。”

    ——Manuela Veloso博士

    卡耐基梅隆大学计算机科学教授

    5 案例研究3

    认知计算解决方案支持医疗研究的新发现和洞察

    著名的健康科学大学——贝勒医学院持续寻找创新方法实现医学研究的进步

    和加速。目前，研究专业人员测试假设并得出结论需要几天到几年的时间。典型

    情况下，研究人员每个月阅读大约23份科学论文，这使得人员不可能处理持续增

    多的科学材料。贝勒医学院的生物学家和数据科学家在贝勒知识集成工具包(KnI

    T)中采用基于IBM Watson的认知计算系统以加快研究，发现模式，并且使发现

    结果更加精确。

    系统经过训练，能够像真人研究专家一样“思考”，可以发现洞察，以可视

    化方式呈现各种可能性，并且更快地验证理论。通过利用这个解决方案，研究人

    员识别出了修改p53的蛋白质，这是一种与许多癌症相关的重要蛋白质，可最终在

    短短几个星期内提高药物和其他治疗方案的功效。该解决方案分析了关于p53的70

    ,000篇科研文章，预测了打开或关闭p53活动的蛋白质——如果没有认知能力，研究人员需要几年时间才能达到这一成就。从而，癌症研究人员可以增加多个新

    的研究方向。10

    “追踪机器建议(例如，为何提供建议)对于提高置信度和信任度很重要。”

    ——Francesca Rossi博士

    帕多瓦大学和哈佛大学计算机科学教授

    6 认知计算的未来演进

    认知计算的未来 ——包括它作为一项技术如何进步以及在公共和私人领域中的

    采用率——将受外部力量以及技术演进路径和趋势的重大影响。

    “人们担忧出现另一次‘AI寒冬’。教育计划是增强认知系统能力的关键，而

    且IBM正在这个方面做大量工作。”

    ——Jim Spohrer博士

    IBM研究院全球大学计划总监

    六种主要推动力

    六种力量将影响认知计算的未来，并且影响其在公共和私人领域的采用率。图3.3 六种力量影响认知计算的演进

    社会 ——在社会层面有两个相反的推动力。其中一个将推动技术的发展，因为

    对更智能的机器的需求会越来越大，而且对于通过个人移动设备接入这些机器的渴

    望也逐步提高。通过移动设备实现的这种更高的接入能力和认知能力的需求有可能

    增强人们对技术的了解和采用。然而，随着人们对认知计算的理解加深和这些能力

    的实现，仍然会有一个相反力量阻碍人们采用。

    技术 ——相关主题专家强烈相信当前的计算机架构和编程范例必须不断进步，才能将认知计算能力提升到新的高度。自然语言处理、神经形态计算机、无人监管

    的机器学习算法(即深入学习)和虚拟现实设备等技术进步可在这一演进过程中提

    供帮助。智能设备(例如移动设备和物联网)的进步将增强对实体(如人员和资产)上下文的理解，这可以提高认知系统的可用信息主体的可靠性。

    认知 ——认知计算的价值主张极具吸引力，而且许多领先机构已经实现了经济

    价值。然而，认知能力需要良好的管理，并且要基于现实。否则，大量不同观点间

    的差异和错误信息可能带来另一次“AI寒冬”，即对人工智能研究的投资减少和兴

    趣降低的时期。11 培育市场了解认知计算的现实和潜在价值对于成功的认知管理至

    关重要。信息 ——据IDC预测，到2020年，数字宇宙将达到40ZB。40ZB相当于地球上

    所有海滩沙粒总数的57倍。12 这种信息爆炸——部分是由于移动设备和社交媒体的

    快速增长——加快了认知计算的增长和应用。现实是，所有职业中没有人能跟上当

    前可用信息数量和速度的增加。随着信息爆炸的数量级不断增长，认知计算可能需

    要被迫更快地演进。未来认知系统能力的多样性和扩展性必须快速进步才能跟上这

    种信息爆炸的速度。

    政策 ——认知计算在各领域中的更广泛采用可能需要政策的改进(例如数据共

    享、数据安全和隐私)。此外，可能需要全新的政策来应对认知能力的进步。例如

    ，在机器自主决策的情况下(即“决策”能力领域)，可能需要增加满足决策流程

    追踪要求的政策。另外，为了消除担忧、不确定性和怀疑，全球各地的机构应审查

    政策，保证它们负责任地推动认知计算能力的进步，并保护市民。

    技能 ——认知计算进步的一个主要挑战是高技能人员的可用性。推动认知计算

    能力进步和实施认知系统需要独特的技能组合，例如机器学习专家和语言处理科学

    家。目前，对这些技能的需求较大，但供应不足。

    “我们才处于这个认知计算时代的开端。”13

    ——John Kelly博士

    IBM高级副总裁兼IBM研究院主任

    五个关键维度

    三种认知计算能力如何演进将取决于五个重要维度。这些维度的演进路径和进

    步速度将影响未来能力的可靠性。图3.4 认知计算有五个演进维度

    个性化交互—— 目前的认知系统在性质上主要处于被动状态，而且要求真人模

    拟动作才能生成输出或响应。通常，这种交互通过在计算机、移动应用或网络门户

    上输入文本而实现。未来的认知系统将实现与用户的自然交互，包括语音和可视化。未来的系统将更具交互性和参与性。在更好地理解用户，针对用户特定空间和时

    间上下文提供响应等方面，认知系统已经取得了巨大的进步。

    学习 ——目前的认知系统主要是受过训练的系统(受监督的学习)。这些系统

    依赖掌握特定领域专业知识的真人进行训练。这个过程可能需要大量人力，而且很

    耗时。未来的认知系统将采用更好的无人监督式学习方法，在系统训练过程中仅需

    要很少的人为干预。研究团体正积极地在这个方面寻求突破。

    感知 ——目前的认知系统主要采用自然语言文本开展工作，而且需要特定语言

    的自然语言处理能力。对于英语和西欧语言，自然语言处理能力目前更先进。未来

    几代的认知系统将能够处理除文本之外的多种介质(例如音频、图片、视频)。这

    个方面的持续进步将有赖于计算机科学的多个领域(例如语音和图片处理、模式识

    别)。

    无处不在 ——通过使用和接入网络门户、移动应用和云计算系统，认知系统的

    部署数量在日益增多。将来，随着基于认知计算的系统日益普及，它们将最终变得无处不在。这一未来可能包括由数百万认知计算代理或代言人组成的市场，其推动

    力部分来自移动设备的爆炸性增长、物联网的普及和机器与机器交互的增长。未来

    的认知计算结构将与技术(例如社交媒体)交织在一起，从而进入我们的日常生活

    中。

    扩展能力 ——认知系统的扩展能力需要持续增强，以支持这些系统的广泛应用。2011年，在美国电视节目Jeopardy!上击败现任冠军的IBM Watson系统版本需

    要90台IBM Power 750服务器。到2014年1月，Watson的速度提高了24倍，性能增

    强了2400%，而体积减小了90%。14 将来，认知系统可能作为一个结构提供。IBM已

    经将Watson技术作为云计算环境中的一个开发平台，可激发创新，并且构建一个由

    创业型软件应用提供商组成的新生态系统。15 向消费者提供更加个性化、相关且宝

    贵信息的旅行灵感、建议和规划平台WayBlazer就是合作伙伴在这个生态系统模式

    中实现价值的例子。

    WayBlazer采用IBM Watson技术驱动的基于标准的认知云提供针对每个消费者

    体验定制的旅行洞察建议和商务报价。16

    7 是否做好准备？回答以下问题

    ·在为客户创建更具吸引力和个性化的体验方面，您的企业有哪些机会？

    ·您没有使用哪些数据——如果转化为知识——这些数据能否使您满足关键目标

    和业务要求？

    ·如果您的企业未基于证据制定决策，或者在采取措施时未考虑全面的可能选项

    ，您的企业会付出什么代价？

    ·如果能够探测到数据中隐含的模式，您可以获得哪些好处？这将对研究、产品

    开发、客户服务等方面有何促进？

    ·您的组织面临的专业技能差距是什么？如果您能够使每位员工高效地成为该职

    位或领域中的领先专家，哪些方面会发生变化？8 研究理念与方法论

    2014年夏天，IBM商业价值研究院启动了一项调研，着力于解决与认知计算相

    关的三个问题：

    ①认知计算的现状是什么，预计将会如何演进？

    ②从已经在多个行业中实施认知计算解决方案的领先机构中可以吸取哪些经验？

    ③主要战略和计划是什么，领导者可以采取哪些措施在企业中将认知计算变为

    现实？

    为了回答这些问题，我们对多个领域中与认知计算新兴领域相关的几十位全球

    主题专家(SME)举行了访谈。SME包括在多个领域拥有实际认知计算解决方案实施

    经验的行业人士(例如认知计算系统实施计划主管和技术领导人)，以及专注于多

    个研究领域的认知计算研发的行业和学术机构成员[例如著名大学的计算机科学教

    授、人工智能〔AAAI〕 进步协会成员]。访谈注重了解认知计算的未来和可能影响

    该技术方向的推动力，并且从领先机构正在实施的实际系统中吸取经验教训。

    本次调研的执行领导人

    Jay Bellissimo是IBM Watson集团的Watson转型总经理。Jay利用认知计算

    的多项优势创造市场，实现行业转型，并帮助客户探索新业务模式，从而帮助推动

    计算的下一个时代——认知计算——的到来。他的联系方式是：joseph.bellissi

    mo@us.ibm.com。

    Shanker Ramamurthy是IBM全球企业咨询服务部业务分析与战略业务的全球管

    理合伙人。Shanker负责全球跨行业的咨询服务，包括数字运作，金融、风险和欺

    诈，大数据和分析，人才和变革。他的联系方式是：sramamur@us.ibm.com。

    作者

    Sandipan Sarkar博士是IBM全球企业咨询服务部全球政府能力中心的执行架构师，负责全球各地的机构设计和实施复杂创新的技术解决方案。Sandipan拥有贾

    达普大学的自然语言处理博士学位。他的联系方式是：sandipan.sarkar@in.ibm.

    com。

    Dave Zaharchuk是IBM商业价值研究院的全球政府行业领导人。Dave负责指导

    多个领域和主题的思想领导力研究。他的联系方式是：david.zaharchuk@us.ibm.

    com。

    合作者

    Lisa Amini博士、Ian Baker、Guruduth Banavar博士、Grady Booch、Ch

    risCodella博士、SteveCowley、Will Dubyak博士、Juliane Gallina、John

    Gordon、Bill Hume、Brian Keith、Peter Korsten、Ravesh Lala、Gina Lo

    ften、Phil Poenisch、Francesca Rossi博士、Manuela Veloso博士和Eric W

    ill。

    致谢

    感谢Brian Bissell、Eric Brown博士、Murray Campbell博士、Patricia

    Carrolo、John Hogan、Daniel Kahneman博士、Shibani Kansara、Nitin Kap

    oor、Eric Lesser、Ryan

    Musch、Mary Ann Ryan、Prasanna Satpathy、Akash Sehgal、David Sin

    k和Jim Spohrer博士。

    参考资料

    1. “Healthcare Decision Support andIBMWatson: – Markets Reach

    239 Billion By 2019.” WinterGreen Research, Inc. Press Releas

    e. March 19, 2013. http:wintergreenresearch.comreportsHealt

    hcare%20Decision%20Support%202013%20press%20release.pdf

    2. “IBM Global Technology Outlook 2014.”IBMResearch. 2014.3. Ibid.

    4. Ibid.

    5. “USAA membersCan quiz thisCelebrityComputer soon)Who is Wa

    tson?).” USAA News. July 23, 2014. https:communities.usaa.c

    omt5USAA-NewsUSAA-members-can-quiz-this-celebrity-computer-s

    oon-Who-is-Watsonba-p37556? SearchRanking=

    1SearchLinkPhrase=watson; “USAA andIBMJoin Forces to Serve Mi

    litary Members.”IBMPress Release. July 23, 2014. http:www—0

    3.ibm.compressusenpressrelease44431.wss

    6. “IBM Global Technology Outlook 2014.”IBMResearch. 2014.

    7. Ibid.

    8. Ibid.

    9. Terry, Ken. “IBM Watson Helps Doctors FightCancer.” Inform

    ationweek.com. February 8, 2013. http:www.informationweek.com

    healthcareclinical-information-systems ibm-watson-helps-doct

    ors-fight-cancerdd-id1108594?page_number=1

    10. Picton, Glenna. “Study shows promise in automated reasonin

    g, hypothesis generation overComplete medical literature.” Bay

    lorCollege of Medicine News. August 25, 2014. https:www.bcm.e

    dunewsresearchautomated-reasoning-hypothesis-generation

    11. AI Newsletter. January 2005. http:www.ainewsletter.comne

    wslettersaix_0501.htmw

    12. “New Digital Universe Study Reveals Big Data Gap: Less Tha

    n 1%of World’s Data is Analyzed; Less Than 20%is Protected.”

    EMC Press Release. EMC website. December 11, 2012. http:www.e

    mc.comaboutnewspress201220121211-01.htm13. Greenemeier, Larry. “Will IBM’s Watson Usher in a New Era

    ofCognitiveComputing?” Scientific American. November 13, 2013,accessed August 6, 2014. http:www. scientificamerican.comart

    iclewill-ibms-watson-usher-in-cognitive-computing

    14. “IBM Watson GrouPUnveilsCloud—Delivered Watson Services t

    o Transform Industrial RD, Visualize Big Data Insights and Fue

    l Analytics Exploration.”IBMPress Release. January 9, 2014. ht

    tp:www-03.ibm.compressusenpressrelease42869.wss

    15. “IBM Watson’s Next Venture: Fueling New Era of Cognitive A

    pps Built in theCloud by Developers.”IBMPress Release. Novembe

    r 14, 2013. http:www-03.ibm.compressus enpressrelease424

    51.wss

    16. “Digital Travel Pioneer Terry Jones Launches WayBlazer, Po

    wered byIBMWatson.”

    IBM Press Release. October 7, 2014. https:www-03.ibm.compres

    susenpressrelease45024.wss第4章

    您的认知计算未来

    ——开启您的认知计算之旅

    作者：Sandipan Sarkar, Dave Zaharchuk我们从何处开始实施认知计算？这是许多行业的领导者一直在试图回答的问题。认知计算已经到来——而且这种创新能力正从根本上改变个人开展工作的方式、与他人交流和交互的方式、学习和制定决策的方式。在全球范围内，不同行业中诸

    多具有开创精神的机构已经利用这一能力实现了巨大的业务价值。通过研究，我们

    发现并且探索了这些早期采用者的经验。另外，我们还提出一些建议措施，帮助您

    的企业开启认知计算的未来，并且开始创造新的机遇和先发制人的优势。

    1 执行摘要

    认知计算已经到来。随着认知计算变得无处不在，它必将彻底重新定义我们的

    日常生活。认知计算也代表着新的计算时代，将从根本上改变我们思考、规划、实

    施信息技术系统并与其交互的方式。成功的企业将识别其使命领域内与认知计算的

    新兴能力领域相符的机遇，并做好充分准备以便利用这种独特而且快速演变的能力。

    图4.1 边缘可成为拥有者和用户之间的交易点和经济价值创造者

    认知计算能力的早期采用者包括全球多个行业的大量企业，例如医疗、生命科

    学、政府机构和银行。我们可以从这些认知计算的先锋获取宝贵的经验，包括关键成功因素以及这种下一代能力对于企业人员、流程和政策的影响和意义。最早带领

    实施认知计算解决方案的相关主题专家(SME)为我们提供了宝贵的经验，根据这些

    经验，我们确定了成功实施的三个关键，并为启动和加速企业的认知计算之旅提供

    了四个建议步骤。

    在本书第3章《您的认知计算未来——认知计算的演进》中，我们考察了认知计

    算如何演进，预计未来将如何继续演进，以及可能影响未来进步和采用率的因素。

    在本章中，我们将探讨企业如何准备利用这种创新且令人振奋的能力。本书后续章

    节将更深入地考察某些行业，并探索认知计算推动进一步创新和增长的机遇。

    2 从认知计算先锋获得的经验

    尽管计算能力和极限不断演进，但许多基本成功因素从未变化。在系统实施和

    用户交互方面，认知系统与大多数用户已经习惯的传统可编程系统截然不同。1 从

    开始了解这一事实，到确定如何更好地利用这一新能力，企业会经历一个学习曲线。通过与实施认知计算的领先企业的SME进行访谈，我们发现了成功实施认知计算解

    决方案的三个关键因素。图4.2 成功实施认知计算解决方案的三个关键因素

    (1)定义价值

    认知计算是一个过程，而及早规划有助于确保最高的投资回报。定义认知计算

    对您的企业的价值非常关键，其中包含几个步骤：

    寻找合适机会 ——认知解决方案非常适合应对一组既定的挑战，而不一定最适

    合每个业务问题和应用案例。企业需要想清楚面临的问题，确定认知计算解决方案

    是否适用。机会应根据认知系统的独特能力进行评估。潜在的高价值机会包括：

    ·需要人员投入过多时间，从大量信息来源(例如语料库)中寻求答案和洞察而

    做出决策或者思考问题的流程或职能等业务场景。这可能包括分析关键数据而制订

    新型医疗诊断方案的流程，或者在复杂的执法调查中对来自多个来源的非结构化数

    据进行分析的流程。

    ·有问答(QA)要求并且需要用户以自然语言交互和提问题的情况。这可能包

    括复杂的客户交流场景，这些场景除了传统可编程客户应答系统提供的问答响应外

    ，要求更深入的理解和洞察。

    ·需要采用置信度权重方法对问题和查询做出响应而提供透明性和支持证据的流

    程或功能。这可能包括患者诊断和治疗决策流程，基于复杂政策、法规或法律框架

    解读而向患者提供建议。

    “美国金融服务公司(USAA)在初次进入认知计算领域时选择了军民分离的主

    题，因为它仅关注有限的对象……更重要的是，在军人在其职业生涯中做出对情感和

    财务最具影响力的决策时，这一主题将使USAA能够提供相关的指导。”2

    ——Eric Engquist

    USAA军人过渡副总裁助理图4.3 认知系统实现的业务目标和价值推动因素举例

    定义认知计算的价值主张和路线图 ——必须充分理解认知计算解决方案提供的

    差异化价值，并提前定义其业务价值。解决方案应与企业的业务目标以及所支持并

    实现的相关价值推动因素相符。高管支持并且拥护的认知计算愿景和路线图绝对关

    键。高管拥护者和各级关键利益人对路线图进展的持续审查对于愿景的实现同样重

    要。

    追踪价值 ——认知计算系统的优势无法在最初部署时立即实现。相反，这些系

    统具有不断演进的特点，因此会随着时间的推移而改进并提供更高的价值。企业各

    级利益人都必须了解这一点，并且在收益实现计划中考虑这一点。强烈建议向一组

    真正理解其不断演变的特点的可信用户部署认知计算解决方案。这种方法使企业能够测试并验证最初的用户所看到和实现的收益，然后再向更大的群体部署。这个可

    信用户组的成员可在更全面部署时作为解决方案的“大使”。

    (2)奠定基础

    成功的认知计算解决方案的开发和部署需要多项关键的基本能力。奠定基础需

    要以下方面的关注和投资：

    人才投资 ——认知解决方案经过“训练”，而非编程，因为它们从交互、成果

    和新信息中“学习”。这个训练过程通常称为监督式学习。认知系统依赖于掌握特

    定领域专业知识的人员(例如工业行业、科学学科)对其进行训练，并且定义系统

    需要学习的配对问题和答案。这种监督式学习要求投入时间和资源，包括SME时间的

    投入。在实施过程中，专业领域SME必须与技术团队融合并整合在一起，以告知企业

    使命、流程、系统和数据的独特方面。

    除了专业领域知识外，可能需要的技术能力包括自然语言处理、机器学习、数

    据库管理、系统实施和集成、接口设计和变革管理知识。企业应评估其能够利用的

    人才库(如当前下属员工及其他合作伙伴组织中可用的技能)。如果发现这些关键

    技能缺乏或不足，则需要招聘或者接触掌握这些技能的人员，包括使用外部合作伙

    伴或者供应商。除了这些技术和特定领域技能外，团队成员也需要一些无形的技能

    集：求知欲。团队成员必须愿意和系统一样探索和学习。

    构建并帮助保障高质量语料库 ——投入充足的时间选择语料库中包含的数据至

    关重要。数据语料库可能包含来自多个数据库和其他数据来源(例如电子表格)的

    结构化和非结构化数据，甚至实时数据推送和社交媒体。数据可能来自新的、未开

    发的内部和外部来源(例如呼叫中心记录、博客、工程报告、市场调研)。

    企业必须定义解决方案期望和要求，然后定义满足这些期望或要求所必须的“

    充足观察空间”。数据语料库的质量将决定解决方案的强健程度和实施所需的时间。评估观察空间要求高技能人员和对企业数据来源的了解。许多企业难以实施业务

    分析的常见原因是，它们没有充足的数据来支持它们试图做出的决策。通过扩展观

    察空间(即渐增数据)而构建高质量语料库可能需要强化合作和修订政策。3

    考虑对流程与政策的要求和影响 ——了解解决方案对当前依赖的流程和政策的意义很有必要。用户和认知系统交互的方式与他们和传统输入输出系统交互的方式

    截然不同。因此，这些系统可能颠覆现有流程，或者从根本上转变相关领域用户执

    行工作的方式。为构建高质量语料库而获取必要的数据可能检测现有数据共享政策

    的界限，也可能需要制定新的政策、法规和协议，或者对相关内容进行修改。此外

    ，企业可能需要全新的政策，以应对认知能力的进步。例如，可能需要制定机器自

    主决策，决策流程追踪政策，从而满足与决策制定相关的潜在审查要求。

    “它(认知系统)不能自行摄取信息。我们需要依靠人力训练它掌握特定领域

    的知识。”

    ——Grady Booch

    IBM院士，IBM研究院软件工程首席科学家

    (3)管理变革

    变革管理资源和活动的投资通常会首先遭到阻止，目的是降低IT系统实施成本。如前文所述，这些不是您传统的可编程系统。因此，变革管理比以前更加关键!

    全程参与认知系统实施的SME为变革管理活动提供了三项关键建议：

    确保高管参与认知计算系统实施过程 ——高管必须参与到整个认知计算系统实

    施过程。高管首先应积极参与为企业制定认知计算愿景和路线图。然后，这种参与

    必须持续进行，方法是积极地参与进度和价值实现的定期审查。这种积极而持续的

    高管参与是保持动力的关键。

    在各级沟通认知计算愿景 ——认知计算是新生事物，可能无法让整个企业的大

    多数人员全面了解。因此，各级的定期沟通非常重要。企业需要消除对未来的担忧

    、不确定性和怀疑。高管的拥护有助于促进沟通，并且增强认知计算对企业使命带

    来的价值。

    持续提高企业的认知计算IQ ——针对新技术的教育对于保证用户的理解和采

    用至关重要。高效地管理与系统生成的建议相关的期望尤其重要。认知系统具有概

    率性，而非确定性。这些系统的准确度会随着不断的学习而提高。提高系统建议的

    准确度是认知计算解决方案实施的最大挑战之一。现实情况是，任何系统永远都无法达到100%的准确度。因此，利益人应及早获得关于准确度的教育，并且定期审查

    不断改进的成果。

    “机器建议的追踪(即为何提出某个建议)对于提高可信度和信任度非常重要。”

    ——Francesca Rossi博士

    帕多瓦大学和哈佛大学计算机学教授

    3 构想并开启您的认知计算未来

    认知计算的机遇非常有吸引力。根据从领先的早期采用者学习到的宝贵洞察和

    经验，我们推荐采用四个步骤进行实施。随着企业向未来的认知系统演进，企业必

    须记住：认知计算是一个过程，而且是随时间推移而不断演进的过程。这一指导原

    则应在企业内不断强化。因此，所有这些步骤的基础是积极的变革管理战略和计划。

    第1步：制定企业的认知系统实施路线图

    每个成功的实施历程都从明确定义的战略和计划开始。这一步包括以下方面：图4.4 为您实施认知计算而推荐的四个步骤

    识别备选的应用案例 ——在企业的使命和职能领域中识别备选应用案例。这些

    应用案例可以从认知计算系统的三个新兴能力领域创造潜在机会：

    ·交互 ——这些系统从根本上改变了人员和系统交互的方式，并且通过提供专

    家级帮助和理解能力而显著扩展了人员的能力。

    ·决策 ——这些系统拥有基于证据的决策能力，而且决策通过新信息、成果和

    行为而持续演进。

    ·发现 ——这些系统可通过发现洞察和联系并了解世界上可用的海量信息，从

    而发现也许最聪明的人也难以发现的洞察。

    识别备选应用案例还要求识别出认知解决方案颠覆的目标流程。

    定义业务收益案例 ——这包括识别、开发和测验所选的多个应用案例的收益假

    设。这也要求定义关键指标，用于追踪每个应用案例的价值。制定企业的认知计算路线图 ——这包括确定目标认知计算解决方案，它与所选

    的优先应用案例相符，并且旨在达成战略。企业的路线图还应包括明确定义的变革

    管理战略，其中包含治理、组织沟通和收益追踪计划。

    第2步：通过试验而验证企业的认知计算战略

    创新需要尝试。这一步注重通过原型设计而测验和验证企业的认知计算应用案

    例。开发原型的目的是让用户采用可视的设计处理方法看到开发的应用案例的最终

    状态，并且关注应用案例场景的工作流。对于验证和优化应用案例，加深用户理解

    并且获得认可，最终测验基础的应用案例假设，这一步至关重要。

    第3步：开发解决方案并训练“团队”

    在认知计算愿景和战略已经明确定义并且经过关键利益人的审查后，接下来开

    始实施。在第三步，实际工作开始执行，而且这一步需要人员资源和核心技术投资。这一步的核心是围绕前几步中制定的优先应用案例而开发解决方案，并且培训系

    统和用户。前几步中的要求和分析是投资的驱动因素。如前文所述，系统训练是一

    个持续的过程，会持续到最初部署之后。

    第4步：部署解决方案并持续演进企业的认知能力

    企业认知计算解决方案的部署只是整个历程中的值得庆祝的一步。一旦解决方

    案部署之后，更艰难的学习过程就会开始——无论是对于系统、解决方案用户还是

    利益人。第四步包括将解决方案部署到公司业务中、持续学习(对于系统和系统用

    户以及利益人)、语料库持续改进、系统和领域流程的持续演进，以及认知计算在

    企业中的更多应用案例的探索。如前文所述，持续追踪解决方案的业务收益和准确

    度，对于根据关键指标评估和评价进度至关重要。这是解决方案整个生命周期内的

    一项持续活动。

    4 是否做好准备？回答以下问题

    ·在为客户创建更具吸引力和个性化的体验方面，您的企业有哪些机会？·您没有使用哪些数据——如果转化为知识——这些数据能否使您满足关键目标

    和业务要求？

    ·如果您的企业未基于证据制定决策，或者在采取措施时未考虑全面的可能选项

    ，您的企业会付出什么代价？

    ·如果能够探测到数据中隐含的模式，您可以获得哪些好处？这将对研究、产品

    开发、客户服务等方面有何促进？

    ·您的组织面临的专业技能差距是什么？如果您能够使每位员工高效地成为该职

    位或领域中的领先专家，哪些方面会发生变化？

    ·您的组织如何利用战略合作伙伴实施认知解决方案？

    作者

    Sandipan Sarkar博士是IBM全球企业咨询服务部全球政府能力中心的执行架

    构师，负责全球各地的机构设计和实施复杂且创新的技术解决方案。Sandipan拥有

    贾达普大学的自然语言处理博士学位。他的联系方式是：sandipan.sarkar@in.ib

    m.com。

    Dave Zaharchuk是IBM商业价值研究院的全球政府行业领导人。Dave负责指导

    多个领域和主题的思想领导力研究。他的联系方式是：david.zaharchuk@us.ibm.

    com。

    合作者

    Lisa Amini博士、Ian Baker、Guruduth Banavar博士、Grady Booch、Ch

    risCodella博士、SteveCowley、Will Dubyak博士、Juliane Gallina、John

    Gordon、Bill Hume、Brian Keith、Peter Korsten、Ravesh Lala、Gina Lo

    ften、Phil Poenisch、Francesca Rossi博士、Manuela Veloso博士和Eric W

    ill。

    致谢感谢Brian Bissell、Eric Brown博士、Murray Campbell博士、Patricia

    Carrolo、John Hogan、Daniel Kahneman博士、Shibani Kansara、Nitin Kap

    oor、Eric Lesser、Ryan Musch、Mary Ann Ryan、Prasanna Satpathy、Aka

    sh Sehgal、David Sink和Jim Spohrer博士。

    参考资料

    1. “IBM Global Technology Outlook 2014.”IBMResearch. 2014.

    2. “USAA membersCan quiz thisCelebrityComputer soon(Who is Wa

    tson？).” USAA News. July 23, 2014. https:communities.usaa.

    comt5USAA-NewsUSAA-members-can-quiz-this-celebrity-computer-

    soon-Who-is-Watsonba-p37556?SearchRanking=1SearchLinkPhrase=

    watson

    3. Vitse,Caroline L. “Making Sense of What You Know.”IBMSyste

    ms Magazine. March 2013. http:www.ibmsystemsmag.compowerbus

    inessstrategyBI-and-Analyticsjonas_sensemaking第5章

    颠覆银行业

    ——银行业和金融市场的认知未来

    作者：Nicholas Drury, Allan Harper, Anthony Marshall,Sandipan Sarkar对于银行和金融市场，认知计算时代已经到来，而且它有着巨大的潜力，可以

    彻底改变整个行业。认知系统可以充分发挥新时代的快速创新和发展的能力，因此

    可以帮助机构进行转型，不仅要往数字银行发展，还会进一步提升客户体验，发掘

    新的洞察力并改善及时决策的质量。我们的研究表明，银行业领导者已准备好接受

    这种开创性的技术并对认知能力进行投资，从而实现金融服务转型。

    1 执行摘要

    面临着经济、社会和行业影响力方面的剧变，金融服务业必将迎来一次具有里

    程碑意义的变革。许多银行的利润在降低，同时它们还面临着其他压力，需要重新

    评估在复杂监管要求下其运营模式是否合适。1 此外，银行业的消费者变得越来越

    聪明，其需求也日益增长，银行在以消费者为中心的同时还要与持续、日益复杂的

    安全威胁作斗争，而且银行与非传统参与者的竞争人愈演愈烈。

    与此同时，金融机构必须管理各种来源的大量数据，这些数据潜藏了可纠正部

    分问题的洞察力。遗憾的是，它们不能自行挖掘数据的全部价值。如同洞察力的潜

    力随着数据的不断增加而增长一样，管理这种数据的挑战性也是如此。

    图5.1 银行业领导者已准备好借助认知计算实现转型

    认知计算的进步有助于金融机构管理这种不断增加的数据量，同时利用这些数

    据来发掘更高洞察力。基于认知的系统有助于构建知识，了解自然语言并提供有置信度的响应。他们可以快速定位，识别新的模式和洞察力——这些模式和洞察力与

    银行和金融市场部门的活动紧密相关。确实，认知能力可帮助金融机构优化其覆盖

    范围内的数据中的价值，相对于不能接入相同数据的新市场进入者，这可是领先优

    势。

    我们的研究表明，认知解决方案已帮助金融机构开辟新的领域。在“您的认知

    计算未来”报告发表后，我们根据2015年初期进行的研究发起了针对特定行业的一

    系列新的研究。(如需获取针对近100名银行业高管进行调查的研究的更多信息，请

    参见“研究方案和方法论”部分)我们审查了金融机构当前和未来的多种应用,并对

    那些开始认知之旅的机构提出了建议。

    我们还提供基于银行业高管的洞察力，这些高管了解认知能力如何帮助扩展当

    前的创新和发展领域。这些领导者认识到实现银行和金融市场转型的可能性，而且

    他们已准备好利用认知能力。

    2 克服行业阻力

    传统金融机构对于当今快速变化的世界的挑战特别敏感，而且它们正面临着前

    所未有的持续颠覆。根据2013年的一项研究表明，银行业最容易受到千禧一代的颠

    覆，其中三分之一的千禧代受访者甚至预测他们在五年后将根本不需要银行。2

    从运营和监管方面的挑战到日益激烈的竞争，目前许多强大的力量正在重塑和

    改变金融服务市场。

    实施的压力： 很多银行的利润一直停滞不前。许多金融机构均经历了具有挑战

    性的商业环境，他们不得不一方面降低成本，一方面提高资本回报率。3

    法规的复杂性： 金融机构的监管环境日益复杂，而且需要承担相关的合规成本。基于这一点，超过一半的美国高管和超过三分之一的欧洲高管将监管合规性作为

    投资的一项优先考虑事项。4

    安全威胁的严重性： 2014年的一项研究表明，银行遭遇欺诈的概率一直在上升，尤其是信用卡欺诈。5 因为金融欺诈和网络攻击在本质上变得日益复杂和多样化

    ，企业需要创新性解决方案来更好地管理安全、检测欺诈和降低风险。

    客户的刺激： 当今的客户需要随时随地使用的个性化银行服务。要交付无缝客

    户体验，银行不仅仅需要发掘客户洞察力。根据IBM商业价值研究院的一项近期银行

    业创新报告，大多数银行业领导者均意识到客户洞察力在创建高价值产品方面的重

    要性。6

    颠覆性竞争： 根据IBM商业价值研究院近期的另一项研究，大多数银行业高管

    认为来自行业外的竞争会加剧。7 金融技术领域的创业公司等新的市场进入者使竞

    争更激烈，同时也带来了合作机会。举例来说，一些公司可提供移动银行服务，比

    如Simple与FDIC承保的大型银行一起处理银行职能和保管客户存款。8

    从颠覆到专营

    概念回顾：认知计算

    认知计算解决方案可提供各种能力，包括：

    ·从各种结构化和非结构化信息中学习和构建知识。

    ·了解自然语言并更自然地与人进行互动。

    ·捕获优秀员工的专业知识，迅速传授给其他人员。

    ·提高专业人士的认知过程，从而改善决策。

    ·提高整个企业的决策质量和一致性。

    很明显，金融机构的运营环境相当混乱。虽然挑战金融业的各种力量在本质上

    是不同的，但我们仍然从中识别出与客户沟通和互动、创新和发现、决策和信任有

    关的几大关键主题。

    为了在不断变化的现状中生存，银行和金融服务领导者必须在数据处理方面更为灵活。我们建议他们从提高其互动、发现和决策能力开始(见图5.2)。增加互动

    有助于改善沟通和协作，进而支持更多定制和有效的服务。新的发现工具和能力可

    以发掘数据中隐藏的洞察力，从而促进创新产品和服务的开发。最后，更准确和及

    时的决策能力可为客户提供更多个性化建议，并改善风险、安全、欺诈检测方面的

    决策。

    图5.2 为了与挑战行业的力量作斗争，金融机构需要改善其互动、发现和决策

    能力

    互动： 当今的消费者均在多个渠道寻求高度个性化、方便且一致的服务。尽管

    在我们的调查中，绝大多数银行业高管(近乎70%)了解这些需求，但其中很多人难

    以交付这些服务。事实上，62%的银行业高管认为，他们所在的机构并不能有效交付

    个性化服务，而55%的银行业高管不能提供成功的自助选项。除此之外，57%的银行

    业高管对于他们所在企业的高效全面处理客户问题的能力并不满意，而52%的银行业

    高管对于他们的客户保留率表示不满。

    发现： 我们的调查数据显示，大多数银行在追求产品和服务创新方面表现积极。然而，银行业高管将业务案例或建模技能不足、人力资源不足、企业的自满情绪

    以及缺乏分析工具视为其在追求颠覆性创新时面临的最大挑战。为了与更小、更灵

    活的对手竞争，银行需要大幅提升将数据转化为洞察力的能力，并使用这些洞察力来开发与客户需要、需求和期望更为一致的产品。图5.3 银行业高管对互动、发现和决策的认识

    决策： 一份美国联邦储备报告指出，落后银行的共同问题是战略决策不善。9

    我们的调查显示，超过一半的银行业高管对于其所在企业在降低成本和日常运营方面的决策并不自信。一个潜在的原因可能是许多企业被迫根据不完整的信息做出决

    策，因为它们缺少自行优化大量数据所需的工具。

    3 银行和金融市场的认知机会

    每年全球发生数千亿次交易。10 仅仅在美国，2012年就发生730亿笔借记卡和

    信用卡交易。11 然而，尽管所有行业信息均呈爆炸性增长，但目前被分析到的全球

    数据还不到1%。12

    尽管传统分析解决方案对于无数应用来说都有效，但传统分析解决方案不能充

    分利用大数据的价值：它们无法适应新的问题领域，不能处理歧义，只适合具备已

    知、明确语义的结构化和非结构化数据(单词和短语的关系以及它们的含义)。如

    果没有提供新的能力，数据太多、洞察力太少的矛盾仍将继续。

    金融机构如何才能弥补未开发的机会和当前的能力之间的差距？什么解决方案

    可以克服当前的人机局限性，从而充分利用数据(内部数据、外部数据、结构化数

    据和非结构化数据)中隐藏的洞察力？答案是认知计算。

    认知计算可通过应用机器学习算法和自然语言处理将分析带到更高级别，从而

    理解大量数据(其中大部分数据为非结构化数据)并提高数据驱动的发现和决策能

    力。虽然金融机构仍可从传统分析解决方案中发掘价值，但增加认知能力有助于它

    们提升到新的价值水平。图5.4 认知计算将在三个能力领域展示威力

    数字银行、认知计算的强足进展为这些企业以等新的市场进入者无法复制的方

    式利用其大量数据打开了方便之门。认知能力有助于银行从市场、客户、合作伙伴

    和员工数据中提取有意义的模式并使用该信息来更好地预测变化甚至塑造未来。

    根据我们的调查，银行业高管承认认知计算能够从根本上改变银行业。在熟悉

    认知计算技术的银行业者中，79%的银行业者认为认知计算在其将来的业务中起重要

    作用，89%的银行业高管认为认知计算对于银行业将起到颠覆性作用，而88%的银行

    业高管计划对认知能力进行投资。

    因此，金融机构如何利用认知计算来处理金融行业普遍面临的问题？这种新的

    计算模式具有三种能力，可以应对金融业改善互动、发现和决策的需要(见图5.5)。13图5.5 认知计算将在三个能力领域展示威力

    在这个消费者都很明智、渠道在扩展、产品结构和价值主张均在不断变化的时

    代，金融机构正在寻找能够更好地利用其数据力量以实现竞争优势的方法。在此过

    程中，一种新的银行形式正在形成：认知银行。这种新的银行能够利用认知计算能

    力来发掘之前程序计算机无法实现的洞察力并利用这些洞察力来创建新的业务模式。认知银行利用认知计算的力量来帮助扩展和提高人类专业知识，利用复杂的数据

    来发掘新的洞察力并做出更及时、明智的决策。

    互动能力

    利用其提供专家协助的能力，认知系统能够从根本上改变人和系统互动的方式

    并极大地提高人的能力。这些系统可以开发深入的领域洞察力并将这种信息以及时

    、自然、可用的方式提供给相应人员。认知系统在这里可充当助手——如同一个不

    需要休息，但也可处理大量结构化信息和非结构化信息，调整模棱两可甚至自我矛

    盾的数据并且会学习的人。通过扩展客户和员工的能力，这些认知系统有助于金融机构提供一种更专注于

    互动而非交易的客户体验。他们可为客户提供定制、自助选项，帮助员工提供与客

    户需求和风险承受能力(见案例“金融服务集团利用认知计算来提供更为个性化金

    融建议”)一致的个性化建议。

    因为它们能够与人类进行对话，这些系统可根据其历史来了解客户并将具体情

    境和基于证据的推理带到互动中。将来的系统可能具有自由格式的对话能力，这种

    能力为转型自助计划打开了方便之门。14 举例来说，零售客户能借助“自动顾问”

    或“虚拟公关经理”来参与对话。认知系统基于银行的输入，能够以自然语言回答

    问题，从而提供无缝个性化体验。

    案例

    金融服务集团利用认知计算来提供更加个性化的金融建议

    亚洲的一家金融服务企业希望交付新一代客户体验，作为其塑造银行业未来

    的持续旅程的一部分。该银行计划将认知能力应用至其财富管理业务中，进而帮

    助改善提供给大量客户的建议和体验。

    认知能力可帮助银行的客户关系经理分析大量复杂非结构化数据和结构化数

    据，包括研究报告、产品信息和客户资料；确定客户的需求与不断增长的投资知

    识方面的联系；权衡客户可用的各种金融选择。利用数据驱动的洞察力，银行的

    客户关系经理装备更加充分，可以更及时地为客户提供个性化体验，并提供与客

    户需求相一致的解决方案。

    发现能力

    认知系统有助于用户发掘即使最聪明的人类也可能无法发掘的洞察力。发现涉

    及发掘洞察力，联系并了解全球大量可用信息。

    发现能力可大大缩短研究时间，为金融服务提供商提供进行持续转型的行业所

    需的速度和敏捷性。认知系统可揭示与客户偏好和行为有关的详细信息，这些信息

    有助于改善产品和服务。它们也可从各种不同的信息中迅速发掘洞察力、模式和关系，从而对欺诈检测中使用的复杂数据进行更为及时的分析，对客户的行为进行预

    测并对风险进行管理(见案例“欧洲银行对认知能力进行投资，以便改善交易流程”)。

    在未来，认知解决方案能够通过快速分析所有相关投资领域的历史客户数据来

    更有效和及时地将客户与具体产品相匹配。此外，将来的系统能够进行更为准确的

    市场风险计算和早期欺诈检测，例如，改进的发现、建模和预测能力。

    案例

    欧洲的银行对认知能力进行投资，以便改善交易流程

    因为可通过认知能力来提高其竞争优势，欧洲的一家大型银行决定先关注贸

    易领域。对于涉及机构客户的复杂交易，银行的销售团队按照详细的审批流程对

    潜在交易进行充分审查。

    这些流程需要与信用和市场风险约束、合规问题和监管政策有关的大量审批。这一过程非常耗时，市场有时会在销售团队达成决策之前就发生变化。不过，认知系统能快速理解贸易和合规政策、监管文件以及适当的风险计算和限制条款。之后认知系统可在市场变化导致那些建议过时之前给出与贸易有关的建议。

    应用认知能力将使团队能够基于最新的信息和市场条件提供更合适的贸易建

    议。在将来，该银行计划将其对于认知能力的应用扩展到销售和风险管理。

    决策能力

    认知系统可提供基于证据的选项，进而帮助决策并减少人为偏差。它还可以根

    据新的信息、结果和行动不断发展。通过向人类用户提出系列选项，当前的认知系

    统在更大的程度上充当顾问的角色。

    银行和其他金融机构正在调查认知能力如何基于各种来源(见案例“银行利用

    认知来帮助客户选择更高价值的投资”)的输入通过及时定制的建议改善员工和客

    户的决策。认知解决方案可迅速处理客户数据、产品和报价信息、当前的经济状况

    、金融专家的经验和其他相关信息，并识别最适当的建议。在将来，认知能力可促进更为个性化的风险评估并改善对于复杂、数据密集型

    交易的风险计算。此外，因为未来的认知系统可访问越来越多的历史数据和分析，金融问题方面的建议在有效性和规模上均会提高。

    案例

    银行利用认知来帮助客户选择更高价值的投资

    世界最大的银行之一正在向认知能力投资，以帮助客户选择更高价值投资的

    方式。特别是，该银行专注于联系其呼叫中心的大众市场客户。

    该银行发现它的很多客户存现金的原因是他们不知道或不了解替代性投资选

    项。该银行计划应用认知能力来搜索大量数据，进而找到用户所需的确切答案并

    迅速交付基于证据的建议。

    通过给出特定问题的答案并通过认知计算促进投资选项方面的讨论，该银行

    可帮助客户根据他们的不同情况做出更佳投资决策。

    4 未来的发展方向

    尽管企业对认知能力抱有热情，但企业需要意识到其学习曲线是陡峭的。在系

    统实施和用户互动方面，认知系统与传统程序化系统有很大不同。15 银行和金融服

    务企业可以向认知计算的先驱企业学习，遵循以下三项主要建议(见图5.6)。图5.6 具备认知计算经验的企业已明确通向成功的三大行动领域

    (1)定义价值

    早期规划有助于确保资源投资的最大回报。定义您所在企业的认知价值至关重

    要，而且该过程包括系列步骤：

    找到最适合的机会 ——认知解决方案非常适合系列既定的挑战。银行和金融服

    务企业需要对特定问题进行分析，进而确定认知能力是否恰当：

    ·该挑战是否涉及某种流程或能力，需要人们使用各种潜在的技术，花大量时间

    从各种信息来源中寻求及时的答案和洞察力，从而做出决策或解决问题？举例来说

    ，运营或风险管理和合规性中的很多能力涉及大量数据，可能需要大量人工而且高

    度情境化。

    ·用户需要以自然语言(如与个性化投资建议有关的客户查询)与系统进行互动

    吗？

    ·它是否涉及某种流程或能力，需要将所列出回应的透明度和支持证据提供给相

    应的问题和查询(如贷款申请流程)？

    定义价值主张并规划认知路线 ——预先识别认知计算提供的差异化价值和商业

    价值。除此之外，借助高管级支持建立认知计算愿景和路线图。不断与相应的高管

    和相关利益方沟通路线图情况。

    以现实的态度对待价值实现 ——认知计算系统的优势不是在部署初期的某次“

    大爆炸”效应中体现的。相反，这些系统会随着时间的推移进行演进并提高价值。

    向主要相关利益方(如客户、金融服务提供商和监管机构)传达这种情况。此外，考虑使用分阶段实施，或向理解技术演进本质的部分信任用户部署解决方案。

    (2)打好基础

    通过关注以下问题来准备认知计算解决方案成功实施的基础：对人才进行投资 ——认知解决方案是“经过训练”的而非经过编程的，因为它

    们可利用互动、结果和新的信息片段并帮助企业扩展专业知识。这种劳动密集型训

    练过程通常被称为监督式学习，需要人类主题专家参与。

    除相应领域的专业知识以外，实施认知计算还需要自然语言处理、机器学习、数据库管理、系统实现和集成、界面设计和变革管理方面的专业知识。在我们的调

    查中，银行业高管将“缺乏技术资源和技术专业知识”作为实施认知解决方案的最

    大障碍，因此获取技术人才至关重要。最后，团队成员还需要一种无形的“技能”

    ：求知欲。系统、用户和企业的学习过程永远不会结束。

    构建并确保优质的语料库 ——只有好的基础数据，才有好的认知系统。花足够

    的时间选择语料库中的数据，其中可能包括来自多个数据库和其他数据来源，甚至

    实时数据反馈和社交媒体的结构化数据(如账户信息)和非结构化数据(如客户演

    示、博客、视频)。这些数据可能来自一些新的和未开发的来源(如呼叫中心记录

    、音频文件、公司网页)。此外，对记录数字化进行投资，以便确保企业语料库的

    未来，同时关注历史和新文档。

    考量影响、业务流程和策略需求 ——对流程和人们的工作方式方面的任何潜在

    影响进行评估。因为用户与认知系统的互动方式与传统输入输出系统完全不同，流

    程和工作角色也会受影响。此外，考虑一下是否有必要改变任何数据策略。获取必

    要数据可测试现有的数据共享政策的影响范围，而且可能需要更新或修改现有策略

    、法规和协议，特别是在银行业，安全、隐私和其他法规均十分严格。

    (3)管理变化

    与传统可编程系统相比，认知系统完全不同。正因如此，变革管理比以往任何

    时候都更为重要。

    确保高管参与认知旅程 ——高管的参与应以主动参与定义认知愿景和路线图开

    始，而且需要在整个旅程中贯彻始终。其中包括高管参与对增量式进度和价值实现

    的常规检查。

    在各个级别沟通认知愿景 ——因为认知计算是新生事物而且很多人并不完全了

    解它，各级(业务经理、监管机构、政府、客户)定期沟通至关重要。应对任何恐惧、不确定性和怀疑，并利用执行发起人将认知价值提高至您所在机构的使命级别。

    继续提高企业的认知IQ水平 ——培训在确保了解和采用认知方面至关重要。

    管理与系统生成的建议有关的预期方面尤其重要。认知系统是概率性的，而非确定

    性的。尽管其准确率将随着时间的推移、随着系统的学习而提高，但具体准确率将

    永远不会达到100%。尽早让相关利益方了解准确率的问题并定期检查成效的提高。

    作者

    Nicholas Drury 是IBM商业价值研究院的全球银行业及金融市场领导者。Nic

    k 在世界范围银行业和金融市场的蓝筹股企业中具有超过 20 年的从业经验。他最

    近服务的客户包括在亚太地区正进行深层转型的全球领先的银行集团和大型金融服

    务企业。Nick 的联系方式是 nickd@sg.ibm.com。

    Allan Harper 是IBM全球企业咨询服务部的认知银行业领导者。Allan 专注

    于通过应用认知和数字解决方案实现银行业务和运营模式转型。他已帮助全球三十

    多家银行实现转型，而且他在应用可交付无形业务成果和股东价值的解决方案方面

    颇负盛名。其联系方式为 allan.harper@au1.ibm.com。

    Anthony Marshall 是IBM商业价值研究院的研究总监和战略主管。Anthony

    为美国和全球的多个客户提供过咨询服务，且在创新管理、数字化战略、转型和企

    业文化方面与众多顶级企业进行合作。同时，他还曾从事规制经济学、私营化和 M

    A 等领域的咨询服务。Anthony 的联系方式为 anthony2@us.ibm.com。

    Sandipan Sarkar 博士是IBM商业价值研究院的认知计算行业领导者。他的职

    业生涯已超过20年，在各种技术领导角色中，他负责制订尖端技术解决方案和思想

    领导力以应对有趣的业务问题。Sandipan 具有印度贾达普大学的科学与工程博士

    学位。他的研究兴趣在于计算语言学、信息检索和机器学习。他的联系方式是 sand

    ipan.sarkar@in.ibm.com。

    合作者和致谢

    Jean—Philippe Desbiolles，IBM 沃森集团；Sridhar Iyengar，IBM 研究院；Anthony Kakoudakis，IBM 销售与分销；PhiliPEnness，IBM 销售与分

    销；Michael Holmes, IBM沃森集团；Keith Bear，IBM 销售与分销；Anupama

    Shukla，IBM 全球企业咨询服务部。

    作者还要感谢多位IBM高管对本次研究的支持，他们是：IBM 沃森集团客户体

    验总经理 Jay Bellissimo；IBM 全球企业咨询服务部业务分析和战略全球管理合

    伙人 Shanker Ramamurthy；IBM 沃森集团财富管理领导者副总裁兼全球金融服务

    领导者 Michael Adler；IBM 全球企业咨询服务部银行和金融市场全球行业领导

    者、合伙人兼副总裁 Likhit Wagle；IBM 全球企业咨询服务部沃森(Watson)

    全球领导者 Stephen Pratt。

    研究方案和方法论

    在最初的IBM《您的认知计算未来》报告发表后，我们在 2015 年初进行了进

    一步的研究，以便深入了解行业选择并寻找认知计算的机会。根据由经济学人智库

    (Economist Intelligence Unit)进行的一项调查，IBM 从全球代表各个行业

    (包括医疗、银行、保险、零售、政府、电信、生命科学、消费品、石油和天然气)的 八百多位高管中获得洞察力。该研究还包括采访IBM各个部门的主题专家以及

    补充的案头调研。

    注释和资料来源第6章

    了解客户和风险

    ——保险行业的认知未来

    作者：Craig Bedell, Christian Bieck, John Franzis,Anthony Marshall, Sandipan Sarkar欢迎来到认知计算的时代，这是一个智能机器以新的方式评估复杂数据，从而

    解决社会上最棘手的问题的时代。对于保险业而言，认知计算时代已经到来，而且

    它对行业进行彻底改变的潜力十分巨大。认知系统已经在通过虚拟化数字代理促进

    客户互动，同时改善保险业者的决策。我们的研究表明领导者已准备好接受这种开

    创性的技术并对认知能力进行投资，从而实现保险业的数字未来。

    1 执行摘要

    在IT领域，人们经常讨论“下一个大事件”。今天，这类对话的范围越来越广

    ，因为在很多人看来，认知计算对于IT、很多行业乃至整体社会将是革命性的。

    特别是对于保险行业，这是改变游戏规则的最好时机。该行业已面临大量颠覆

    性力量，从经济到社会和技术，不一而足。明智的消费者生活在一个日趋数字化的

    世界，他们对保险提供商的要求越来越高。然而，这个极其保守的行业却未能快速

    识别客户需求，针对个人情况和情感框架提供定制化产品和服务。最新的IBM商业价

    值研究院调研显示，41%的受访者表示放弃了无法跟上其不断变化的需求的保险公司。随着客户对其他行业快速、全渠道的服务越来越习以为常，这一比例很可能仍将

    上升。1

    图6.1 保险业高管对认知计算的认识

    为了在颠覆性力量中立足，保险业领导者必须在数据处理方面更为灵活。尽管数字时代带来了大量数据(例如，社交媒体对话)，可为保险公司提供有用的洞察

    力，但企业仍在努力挖掘其全部价值。

    认知计算在开创性领域的进步有助于弥合数据量和数据洞察力之间的差距。基

    于认知的系统有助于构建知识，了解自然语言并提供有置信度的响应。这些系统可

    以快速定位，识别新的模式和洞察力，这些能力是保险行业以前从未拥有的。

    我们的研究表明，认知解决方案已帮助保险企业开辟新的领域。本章中，我们

    对当前和未来的应用开展了调研，并为寻求认知之旅的机构提供了建议。

    我们还提供来自保险业高管的见解，这些高管了解认知能力可极大地扩展当前

    的创新和发展边界。这些领导者认识到实现保险业转型的可能性，而且他们已准备

    好利用认知能力。

    2 克服行业阻力

    保险业正面临着前所未有的颠覆。经济状况不断变化，客户也越来越智慧，保

    险提供商正在经受各种挑战和干扰的狂轰滥炸。我们已识别了各种正在塑造和转变

    当今的保险行业的颠覆性力量。

    快速数字化： 云等大量数字技术让保险价值链更加透明、易于分解。与此同时

    ，借助移动技术，可随时随地访问内容和数据，从而启用新的业务模式，创建大量

    新数据。

    客户期望的不断演变： 客户目睹其他行业如何部署新技术以提供个人产品、服

    务和体验后，随之提高了期望值，要求获得比以往更多的服务，而对于保险业的信

    赖度依旧很低。2 如需构建信任，为明智的消费者提供其要求的体验，保险公司需

    要将客户作为个人对待，以真诚的方式与其互动，迅速响应其要求。

    不断变化的人口特征： 成熟市场中，人口不断老龄化，受其影响的保险公司产

    品服务组合也在老化；而在新兴市场，新的中产阶级正不断发展壮大。无处不在的

    千禧一代展现出不同的行为、需求和期待，因此，保险公司必须反思其营销、产品和分销策略，才能站稳脚跟。

    经济环境： 全球经济危机后，市场普遍低迷，利率也处于历史低位，对于不利

    运营结果起着推波助澜的作用。与此同时，收入增长放缓或停止，而成本不断增加。长期来说，巨大损失仍将继续。

    复杂的欺诈： 在互联世界，以网络风险为首的欺诈为保险公司带来了越来越大

    的挑战。随着犯罪能力的提升，保险公司必须改进欺诈检测，发掘新的创新方式来

    缓解风险。

    从颠覆到专营

    很明显，保险企业的运营环境非常混乱。虽然挑战保险行业的各种力量在本质

    上是不同的，但我们仍可识别其中与沟通和协作、创新、决策和结果有关的关键主

    题。

    为避免被颠覆的命运，我们建议保险企业专注于提高其互动、发现和决策能力

    (见图6.2)。客户、中间商和保险公司之间加强互动，可改善沟通和协作，有利于

    提供更快速和高效的服务。新的发现工具和能力有助于发掘今天在大量数据中隐藏

    的洞察力和观点，从而促进以客户为中心和创新。提高决策能力有助于更快速地对

    索赔进行处理，完善承保和产品服务组合规划，从而改善结果。图6.2 为了应对大量的颠覆性力量，保险公司需要在互动、互动： 当今的消费者要求保险公司提供快速、透明和个人化的互动。在我们的

    调研中，尽管绝大部分保险行业高管了解这些需求，但其中大部分高管并不能提供

    相应服务。事实上，53%的保险行业高管认为，他们并不能有效交付个性化体验，而

    56%的保险行业高管认为，他们不能提供成功的自助选项。除此之外，63%的保险行

    业高管对其全面快速处理消费者问题方面的能力并不满意。

    发现： 将近三分之二的保险行业受访高管积极追求产品和服务创新。然而，他

    们也提到了不明确的业务案例、缺乏管理支持和技能不足，以及该领域内的其他重

    大挑战。此外，由于对失败的恐惧，该行业保守和规避风险的本质导致普遍疏忽创

    新。图6.3 保险行业的颠覆性已在三个关键领域显露出来

    决策： 高效的决策制定在任何行业都至关重要。根据我们的调研，在很多领域

    ，保险行业高管都对其所在企业的决策能力持保留意见。三分之二的保险行业高管

    对降低成本方面的决策并不自信，而且将近一半的保险行业高管对于支出和战略方

    面的决策缺乏信心。尽管不断增长的数据为改善决策提供了激动人心的前景，但组

    织内的可用数据通常质量不高，保险业高管也缺乏有效使用这些数据的技能。33 保险行业的认知机会

    大数据已经成为新的自然资源。4 而且，这种资源在数量、多样性和复杂性方

    面仍然在快速发展。业务数据预计每一二年就将翻倍5 ，然而尽管各行业信息呈爆

    炸式增长，但当前仅有不到1%的全球数据被分析。6 我们的研究中，70%以上的保险

    公司都很难处理非结构化或半结构化数据。7

    尽管传统分析解决方案对于无数应用来说都有效，但传统分析解决方案不能充

    分利用大数据的价值：它们无法适应新的问题领域，不能处理歧义，只适合具备已

    知、明确语义的结构化和非结构化数据(单词和短语的关系以及它们的含义)。如

    果没有提供新的能力，数据太多、洞察力太少的矛盾仍将继续。

    图6.4 保险行业领导者看到了认知的价值并有意在其组织内对其加以利用保险行业如何才能弥合未开发的机会和当前的能力之间的差距？如何充分利用

    结构化数据和非结构化数据中隐藏的洞察力来进行发掘、洞察、决策支持和对话？

    答案是认知计算。基于认知的系统可构建知识、学习和理解自然语言，与传统可编

    程系统相比，更能与人类进行更自然地辩论和互动。

    保险行业高管承认认知计算能够从根本上改变保险行业。在熟悉认知计算技术

    的保险行业领导者中，98%的保险行业领导者认为认知计算对于保险行业将起颠覆性

    作用，85%的保险行业领导者认为认知计算在其将来的业务中将起重要作用，而96%

    的保险行业领导者计划对认知能力进行投资。

    因此，保险机构是如何利用认知计算来处理保险行业普遍面临的问题的？通过

    在先前所述的三个领域开始工作：互动、发现和决策(见图6.5)。8

    图6.5 保险业如何用认知计算来处理普通面临的问题

    (1)互动能力利用其提供专家协助的能力，认知系统能够从根本上改变人和系统互动的方式

    并极大地提高人的能力。这些系统可开发深入的领域洞察力并将这种信息以及时、自然、可用的方式提供给相应人员，从而提供建议。认知系统在这里可充当助手—

    —如同一个不需要休息，但也可处理大量结构化信息和非结构化信息，可调整模棱

    两可甚至自我矛盾的数据并且可以学习的人。

    因为它们能够与人类进行对话，这些系统可根据过往的通信和行为来了解客户

    ，并将具体情境和基于证据的推理带到互动中。现在，这些类型的认知系统有助于

    保险公司为消费者提供颇具吸引力的个性化顾问界面(见案例“领先保险公司利用

    认知计算改善定制化建议”)。

    未来的认知系统很可能将拥有自由形式的对话能力，帮助信息在个人之间流动。9 如此，认知系统便可充当虚拟数字顾问的角色，增强传统中间商的功能或在无

    须人机互动时替换传统的中间商。例如，如果客户迁移至另一管辖区，由此必须更

    改保险范围，那么可在系统查询其选项和必要的操作。虚拟顾问将追踪细节，为客

    户和保险公司准备所需步骤，并最终完成操作(如果可能)。这些互动均可以自然

    语言进行，从而简化流程。

    案例

    领先保险公司利用认知计算改善定制化建议

    某消费者保险领先提供商的认知系统借助沃森自然语言能力回答问题，提供

    保险范围咨询，推介公司的产品和服务，以创建更具吸引力的在线购物体验。该

    解决方案可基于购物体验期间提供的信息了解情境，并提供相应的答案。随着时

    间的推移，该解决方案将结合来源于大数据的客户分析，为每位客户创建更加个

    性化的体验。

    (2)发现能力

    认知系统有助于用户发掘即使最聪明的人类也可能无法发掘的洞察力。发现包

    括从全球海量的可用信息中进行筛选，以意想不到的新方式“实现互联”，并将这

    些发现转换为对于客户、市场、机会和风险的洞察力。某些发现能力已出现，金融服务提供商正期盼着对其加以利用。高级认知能力

    能够降低运营成本，从而提升盈亏底线。借助对于客户行为特征的洞察力，提供商

    可了解客户需求，改善产品(见案例“欧洲银行意图改善交易有效性”)。

    不久的将来，认知解决方案可帮助保险企业降低不同监管制度所产生的成本。

    例如，在美国，对于同样的索赔程序，各州的规则稍有区别；认知计算可通过扫描

    所有法律和索赔材料的图像和内容，针对每个州特定的法律，交叉引用该信息，从

    而提供帮助。除了改善成本基准，该流程还将支持更好的风险评估和保费计算。

    案例

    欧洲银行意图改善交易有效性

    某大型欧洲银行计划将认知计算纳入其战略规划，以提高收入，降低成本。

    交易是该银行用来部署认知系统的关键功能之一。该系统将吸收客户交易历史和

    本地市场情报等海量内部数据，以及市场新闻、事件和天气等外部数据，以预测

    买方基金经理未来的交易模式。此外，它还将分析多个场合的交易需求，力图改

    善企业分红估算。

    该银行期望通过使用认知计算改变市场规则。该技术应可帮助该银行提高交

    易的有效性，保持收入增长势头，同时在竞争中立于不败之地。

    (3)决策能力

    认知系统通过提供基于证据的建议来帮助进行决策并减少人类偏见。认知系统

    会根据新的信息、结果和行动不断发展。当前的认知系统更多担当的是顾问的角色

    ，向人类用户提出一系列选项，后者则根据自身经验和认知系统随建议一起提供的

    置信度估算做出最终决策。

    这些系统有助于保险人员做出更加明智、及时的决策。在索赔管理中，它们可

    从文档和通信中立即识别相关片段，从而极大地缩短处理时间(见案例“RIMAC的认

    知解决方案改善索赔决策制定过程，提高决策制定速度”)。

    未来的应用可能帮助保险业者以更个性化的方式评估每位客户的个人风险。借助移动和增强现实技术将天气数据、地理位置数据和其他资源相结合后，保险业者

    可在现场实时做出明智的决策。这些决策可促成更好的风险缓解和风险预防措施，保险公司可将其作为单独客户服务在合同中列出。

    案例

    RIMAC的认知解决方案改善索赔决策制定过程，提高决策制定速度10

    RIMAC Seguros是秘鲁最大的保险产品和服务提供商，拥有4000多名员工，在市场拥有117年的悠久历史。

    RIMAC意图使用WatsonContent Analytics改变医疗保险领域的索赔处理。

    索赔提出后，沃森将扫描数千份政策文档，并近乎实时地抽出与即将进行的决策

    相关的片段。早期测试表明这将削减90%的索赔处理时间。此外，RIMAC还可借助

    沃森开发对于关键趋势的更深层次洞察力；如果没有沃森，这种洞察力将被彻底

    忽视。例如，它将帮助保险公司确定医院对于某个特定过程是否收费过高，或秘

    鲁的某个特定区域是否为某种疾病索赔数量过高的主要原因。实际上，沃森可成

    为解决秘鲁公共医疗问题的重要工具。

    4 未来的发展方向

    尽管企业对认知功能抱有热情，但保险公司应意识到其学习曲线通常是陡峭的。在系统实施和用户互动方面，认知系统与传统程序化系统有着根本的不同。11 保

    险企业可以通过遵循三大主要建议向已实施认知计算的先进企业学习(见图6.6)。图6.6 具备认知计算经验的企业已明确通向成功的三大行动领域

    (1)定义价值

    早期规划有助于确保产生最高的投资收益率。定义您所在的保险企业的认知价

    值至关重要，且该过程包括数个步骤：

    找到最适合的机会 ——认知解决方案非常适合特定范围的挑战。保险企业需要

    对特定问题进行分析，进而确定认知能力是否必要且恰当：

    ·该挑战是否涉及某种流程或功能，需要当今人类利用各种技术手段，花费大量

    时间从多种信息来源(如历史事故记录、位置数据和现场检查)寻找及时的答案和

    洞察力，从而帮助决策或思考？

    ·用户是否需要以自然语言与系统进行互动(如代理针对在特定情况下为客户提

    供正确的建议寻求帮助)？

    ·它是否涉及某种流程或功能，需要将进行置信度加权的回应的透明度和支持证

    据提供给相应问题和查询(如保险业的个人风险评级)？

    定义价值主张并规划认知路线 ——预先识别认知计算提供的差异化价值和商业

    价值——从快速风险选择和承保到成本节省。除此之外，借助高管级支持建立认知

    计算愿景和路线图。不断与相应高管和相关利益方(如中间商，也许还有客户)沟

    通路线图情况。

    以现实的态度对待价值实现 ——认知计算系统的优势不是在部署初期的某次“大爆炸”效应中体现的。相反，这些系统会随着时间的推移进行演变和改进并提高

    价值。将这一事实向相关利益方传达，为保险业者、理算员、中间商和客户指定利

    益。考虑使用分阶段实施或将解决方案部署至理解技术进化本质的部分可信用户。

    (2)打好基础

    通过关注以下问题来准备认知计算解决方案成功实施的基础：

    对人才进行投资 ——认知解决方案是“经过训练”的而非经过编程的，因为它

    们可利用互动、结果和新的信息片段进行“学习”并扩展专业知识。这种劳动密集

    型训练过程通常被称为监督式学习，需要人类主题专家(SME)参与。考虑使用新近

    合格的精算师取代忙碌的保险业者，确保录入适当的保险信息人才。

    除相应领域的专业知识以外，实施认知计算还需要自然语言处理、机器学习、数据库管理、系统实现和集成、界面设计和变革管理方面的专业知识。团队成员还

    需要一种无形的“技能”——求知欲。系统、用户和企业的学习过程永远不会结束。

    构建并确保优质的语料库 ——只有好的基础数据，才有好的认知系统。花足够

    的时间选择语料库中的数据，其中可能包括来自多个数据库和其他数据来源甚至实

    时数据反馈和社交媒体的结构化数据(如政策管理记录)和非结构化数据(如政策

    应用格式中的文本字段)。这些数据也可能来自一些新的和未开发的来源(如呼叫

    中心记录、博客和客户利益代言团体)。此外，对记录数字化进行投资，以便确保

    企业语料库的未来，同时关注历史和新文档。

    考量影响、业务流程和策略需求 ——对流程和人们的工作方式方面的任何潜在

    影响进行评估。因为用户与认知系统的互动方式与传统输入输出系统完全不同，流

    程和工作角色也会受影响。此外，考虑一下是否有必要改变任何数据策略。获取必

    要的数据可检验现有数据共享策略的边界。此外，它还可能需要更新或修改现有策

    略、法规和协议，特别是在保险行业，安全和隐私要求均十分严格。

    (3)管理变化

    与传统可编程系统相比，认知系统完全不同。正因如此，变革管理比以往任何时候都更为重要。

    确保高管参与认知旅程 ——以主动参与定义认知愿景和路线图开始，而且需要

    在整个旅程中贯彻始终。其中包括高管参与对增量式进度和价值实现的常规检查。

    在各个级别沟通认知愿景 ——因为认知计算是新生事物，而且很多人并不完全

    了解它，各级定期沟通至关重要。应对任何恐惧、不确定性和怀疑并利用执行发起

    人将认知价值提高至保险机构的使命级别。

    继续提高企业的认知IQ水平 ——培训在确保了解和采用认知方面至关重要。

    管理与系统生成的建议有关的预期尤其重要。认知系统是概率性的(存在具备指定

    可能性的多个可能结果)，而非确定性的(每项输入均存在固定的结果)。尽管其

    准确率将随着时间的推移、随着系统的学习而提高，但具体准确率将永远不会达到1

    00%。尽早让相关利益方了解准确率的问题并定期检查成效的提高。

    5 您是否已准备好从认知计算中受益

    ·有什么机会可为您的消费者和更广泛的保险生态系统创建更有吸引力的个性化

    体验？

    ·哪些风险和保险相关数据尚未加以利用，并且其一旦转化为知识，即可帮助您

    满足关键目标和业务需求？

    ·您的组织做出缺乏证据的决策，或决策时未对所有可能选项加以考虑，会付出

    何种代价？

    ·能够发掘隐含在数据中的模式对于您来说有什么益处？这将如何加速创新和消

    费者服务？

    您所在组织在认知计算技能方面存在哪些差距？如果您能使每一位员工像该领

    域的前沿专家一样高效，会有什么变化？

    作者Craig Bedell是IBM金融服务销售与分销部门的全球保险业高管。他是IBM行

    业研究院的成员。他从事保险业务三十余年，为保险业分析解决方案提供战略领导

    力已逾十年。他是一位声名卓著的专家、颇受尊重的权威人士和出版作家。Craig的

    联系方式为Cbedell@us.ibm.com。

    Christian Bieck是IBM商业价值研究院的保险行业领导者。作为一位训练有

    素的经济学家，他曾在欧洲保险行业担任各种职位，其后加入IBM，出任流程顾问和

    研究者。Christian经常在保险业活动和研讨会上发表有关思想领导力和创新的演

    讲。他曾在IBM商业价值研究院和国际保险业出版物上发表多篇有关保险业趋势和启

    示的论文。Christian的联系方式是Christian.bieck@de.ibm.com。

    John Franzis是IBM沃森集团的保险业领导者。他任职保险公司及与保险公司

    打交道的历史长达35年。John拥有多项保险业职业称谓，包括特许财产灾害保险商

    (CPCU)。他曾就保险操作的各个方面发表文章和研究成果，并曾对保险教科书做

    出贡献。John 的联系方式为jfranzis@us.ibm.com。

    Anthony Marshall为IBM商业价值研究院的研究总监和战略主管。Anthony为

    美国和全球的多个客户提供过咨询服务，且在创新管理、数字化战略、转型和企业

    文化方面与众多顶级企业进行合作。同时，他还曾从事规制经济学、私营化和MA等

    领域。Anthony的联系方式为anthony2@us.ibm.com。

    Sandipan Sarkar博士是IBM商业价值研究院的认知计算行业领导者。他的职

    业生涯已超过20年，在各种技术领导角色中，他负责制订尖端技术解决方案和思想

    领导力以应对有趣的业务问题。Sandipan拥有印度贾达普大学的科学与工程博士学

    位。他的研究兴趣在于计算语言学、信息检索和机器学习。他的联系方式是sandip

    an.sarkar@in.ibm.com。

    合作者和致谢

    作者对IBM全球企业咨询服务部的Neha Tuli和IBM沃森集团的Michael Holme

    s所作的贡献表示感谢。

    作者还要感谢多位IBM高管对本次研究的支持,他们是：IBM沃森集团客户体验

    总经理Jay Bellissimo；全球企业咨询服务部业务分析与战略管理合伙人ShankerRamamurthy；IBM沃森集团副总裁兼全球金融服务领导者Michael Adler；IBM全

    球企业咨询服务部保险、医疗保健与生命科学全球行业领导者SandiPPatel；IBM全

    球企业咨询服务部沃森全球领导者Stephen Pratt。

    相关出版物

    Sarkar, Sandipan, and David Zaharchuk. “您的认知计算未来:下一代

    计算如何改变我们的生活和工作方式——第Ⅰ部分:认知计算的演进”IBM商业价值

    研究院. 2015 年1月. http:www-935.ibm.comservicesmultimediayour

    _cognitive_future.pdf

    Sarkar, Sandipan, and David Zaharchuk. “您的认知计算未来:下一代

    计算如何改变我们的生活和工作方式——第II部分:开启您的认知计算之旅”IBM商

    业价值研究院. 2015 年 3 月. http:www-935.ibm.comservicesmultimed

    iacongnitive_future_2.pdf

    注释和资料来源

    1. Bieck,Christian and Lee-Han Tjioe. “Capturing hearts, mind

    s and market share: HowConnected insurers are improvingCustomer

    retention.”IBM Institute for Business Value. June 2015. http:

    www-935.ibm.comservicesusgbsthoughtleadershipinsuranceret

    ention

    2. Ibid.

    3. “Are you prepared to make the decisions that matter most?

    Decision making in the insurance industry.” PWC Global Data an

    d Analytics Survey 2014. https:www.pwc.comgxenissuesdata-

    and-analyticsbig-decisions-surveyindustryassetsinsurance.pd

    f

    4. Picciano, Bob. “Why big data is the new natural resource.”

    Forbes. June 30, 2014. http:www.forbes.comsitesibm20140630why-big-data-is-the-new-natural-resource

    5. Ciobo, Marko,Christian Hagen, Khalid Khan, et. al. “Big Da

    ta and the Creative Destruction of Today’s Business Models.”

    ATKearney. 2013. http:www.atkearney.indocuments10192698536

    Big+Data+and+the+Crea-tive+Destruction+of+Todays+Business+Mode

    ls.pdff05aed38-6c26-431d-8500-d75a2c384919

    6. “New Digital Universe Study Reveals Big Data Gap: Less Tha

    n 1%of World’s Data is Analyzed; Less Than 20%is Protected.”

    EMC Press Release. EMC website. December 11, 2012. http:www.e

    mc.comaboutnewspress201220121211-01.htm

    7. “Data variety and velocity seen as mainChallenges of big d

    ata:Celent.”Canadian Underwriter.April 29, 2013. http:www.ca

    nadianunderwriter.canewsdata-variety-and-velocity-seen-as-mai

    n-Challenges-of-big-data-celent1002263051?er=NA

    8. Sarkar, Sandipan, and David Zaharchuk. “Your Cognitive fut

    ure, How next-gen Computing Changes the way we live and work, P

    art I: The evolution of Cognitive.”IBM Institute for Business

    Value. January 2015. http:www-935.ibm.comservicesusgbstho

    ughtleadershipcognitivefuture

    9. “IBM Global Technology Outlook 2014.”IBM Research. 2014.

    10. Rometty, Ginni. Speech,IBM Think Forum. October 8, 2014.htt

    p:www.ibm.comibmginni10_08_2014.html“IBM Global Technolog

    y Outlook 2014.”IBMResearch. 2014

    11. “IBM Global Technology Outlook 2014.” IBM Research. 2014第7章

    思考如客户

    ——零售行业的认知未来

    作者：Gary Davis, Anthony Marshall, Keith Mercier,Sandipan Sarkar对于零售业，认知计算时代已经到来，而且它对行业进行彻底改变的潜力十分

    巨大。认知系统正在推动更具个性化的购物体验，且有助于揭示客户趋势。我们的

    调研结果显示，全球的零售业领导者已准备好全面地迎接这种颠覆性技术，进而重

    新定义零售业的未来。

    1 执行摘要

    零售行业正面临着前所未有的颠覆。在过去的几十年里，技术发展催生的“智

    慧型消费者”在不断颠覆着传统的零售业务模式。过去,百货商店和大型折扣连锁店

    促销活动的对象是根据年龄、性别和收入而粗略划分的客户群体;现在,零售行业的

    客户则是由单独个体构成的细分人群。1

    针对这种现象，许多零售商已经开始尝试使用预测性分析技术来探索如何能够

    更好地覆盖当今的智慧型消费者，提高收入并更广泛、更深入地了解瞬息万变的市

    场需求，从而紧跟这次技术颠覆的大潮。

    图7.1 许多零售商已经开始探索认知计算之旅

    不过，随着客户数据的持续激增，零售业高管担心借助现有的分析能 ......