认知计算的发展综述

认知计算的发展综述【摘要】认知计算是人工智能的重要组成部分，是模拟人脑的计算机系统，近年来随着大数据时代的到来得到广泛关注.文中介绍了认知计算的相关概念，归纳总结了认知计算的国内外研究现状，通过对计算机和人脑的区别分析，对认知计算的研究难点和重点进行了论述，提出认知计算的近期目标和远期目标，最后给出认知计算的未来展望.【关键词】人工智能;认知计算;计算机系统;大数据认知计算（Cognitive Computing）源自模拟人脑的计算机系统的人工智能.90年代后，研究人员开始用认知计算一词，以表明该学科用于教计算机像人脑一样思考，而不只是开发一种人工系统[1]。

传统的计算技术是定量的，并着重于精度和序列等级，而认知计算则试图解决生物系统中的不精确、不确定和部分真实的问题，以实现不同程度的感知、记忆、学习、语言、思维和问题解决等过程[3]。

目前随着科学技术的发展以及大数据时代的到来，如何实现类似人脑的认知与判断，发现新的关联和模式，从而做出正确的决策，显得尤为重要，这给认知计算技术的发展带来了新的机遇和挑战。

目前国外关于认知计算的研究早于国内，但都属于较为前沿的研究领域，发表的相关文献较少，因此系统地了解认知计算，归纳总结目前国内外研究现状，分析认知计算未来发展方向具有一定的重要意义，本文通过查阅相关资料，试图给出较为准确的认知计算发展综述。

1.认知计算的由来及定义认知是人类的一个复杂行为动作，是人们推测和判断客观事物的心理过程，是在过去的经验及对有关线索进行分析的基础上形成的对信息的理解、分类、归纳、演绎和计算，人类的认知活动包括思维、语言、定向和意识4部分。

认知科学源于20世纪50年代，该名称于1956年的一次信息论的科学讨论会上提出。

60年代，认知科学开始发展起来。

1976年，《认知科学》期刊创刊，1979年由Roger Schank，Allan Col lins，Donald Norman及其他一些心理学、语言学、计算机科学和哲学界的学者共同成立了认知科学协会，使认知科学得到了迅速的发展，成为了一个备受关注的学术研究领域。

90年代，有人将认知科学定义为研究智能和智能系统的科学[4]。

如今世界上已有60多所大学拥有认知科学的相关课程。

对于认知科学的含义有着多种不同的解释，总体上，认知科学是一门以现代科学的观点，用科学的方法研究人的精神世界的学科。

认知科学是包含了心理学、语言学、神经科学和脑科学、计算机科学，以及哲学、教育学、人类学等许多不同领域学科的一门广泛的综合性科学。

其中认知计算是认知科学的子领域之一，也是认知科学的核心技术领域，认知计算对于未来信息技术、人工智能等领域均有着十分重要的影响。

认知计算最简单的工作是说话、听、看、写，复杂的工作是辅助、理解、决策和发现.认知计算是一种自上而下的、全局性的统一理论研究，旨在解释观察到的认知现象（思维），符合已知的自下而上的神经生物学事实（脑），可以进行计算，也可以用数学原理解释。

它寻求一种符合已知的有着脑神经生物学基础的计算机科学类的软、硬件元件，并用于处理感知、记忆、语言、智力和意识等心智过程。

认知计算的一个目标是让计算机系统能够像人的大脑一样学习、思考，并做出正确的决策。

人脑与电脑各有所长，认知计算系统可以成为一个很好的辅助性工具，配合人类进行工作，解决人脑所不擅长解决的一些问题。

认知计算时代，计算机将成为人类能力的扩展和延伸。

认知计算意味着更高效的信息处理能力、更加自然的人机交互能力、以数据为中心的体系设计，以及类似人脑的自主学习能力，这为人类应对大数据挑战开启了新方向。

理想状态下，认知计算系统应具备以下四个特性[5]。

第一，辅助（Assistance）功能。

认知计算系统可以提供百科全书式的信息辅助和支撑能力，让人类利用广泛而深入的信息，轻松成为各个领域的“资深专家”。

第二，理解（Understanding）能力。

认知计算系统应该具有卓越的观察力和理解能力，能够帮助人类在纷繁的数据中发现不同信息之间的内在联系。

第三，决策（Decision）能力。

认知计算系统必须具备快速的决策能力，能够帮助人类定量地分析影响决策的方方面面的因素，从而保障决策的精准性。

认知计算系统可以用来解决大数据的相关问题，比如通过对大量交通数据的分析，找出解决交通拥堵的办法。

第四，洞察与发现（Discovery）。

认知计算系统的真正价值在于，可以从大量数据和信息中归纳出人们所需要的内容和知识，让计算系统具备类似人脑的认知能力，从而帮助人类更快地发现新问题、新机遇以及新价值。

2.认知计算的国内外研究现状在国外认知计算受到了政府、研究机构以及研究人员的高度重视。

2002年，美国国家科学基金会（NSF）和美国商务部（DOC）共同资助了一个雄心勃勃的计划“聚合四大技术，提高人类性能”，将纳米技术、生物技术、信息技术和认知科学看作21世纪四大前沿技术，并将认知科学视为最优先发展领域，主张这四大技术融合发展，并描绘了这样的科学前景：“聚合技术以认知科学为先导。

因为一旦我们能够在如何、为何、何处、何时这四个层次上理解思维，我们就可以用纳米科技来制造它，用生物技术和生物医学来实现它，最后用信息技术来操纵和控制它，使它工作”。

在欧洲，由欧盟资助的聚合技术及其对社会科学与人文科学的影响项目也同样强调了认知科学的重要性.在学术研究界，2006年由IBM 阿尔马登研究中心发起了2006年认知计算会议，该会议取得了良好的效果。

2007年又在加州大学召开了认知计算会议。

美国国防高级研究计划署信息处理技术中心2003年开始资助的认知计算项目的重点也是研制一种能够对环境、目标和自身能力进行思考，具有学习能力，能与使用者互动并解释其推理，以及应对突发事件能力的认知计算机系统。

近年来IBM公司成为认知计算的研究先锋，2011年，IBM开发的neurosynaptic（神经突触）计算机芯片为现代认知计算的研究拉开了帷幕。

2012年，在美国犹他州盐湖城举行的“超级计算机大会”上，IBM发布了其关于认知计算的最新研究成果——《Compass：一个认知计算架构的可扩展的模拟器》，这种芯片技术是模拟一个人脑，并且完成人脑的各种功能[6]。

2013年10月2日，IBM研究院宣布成立“认知计算研究联合会”。

据了解，以IBM沃森（Watson）为代表的认知计算系统通过对大数据进行实时运算和分析，实现了自主学习并拥有了类似人脑的能力，它有效地提供信息，并且按我们的条件在人们每天面对的众多的自然语言内容里搜寻关键知识。

并且已经成功应用于医疗、金融和客户服务等领域，以其更加智能、精准的大数据分析能力，降低误诊、拯救生命和提升客户体验。

IBM近日又宣布将与卡内基梅隆大学、麻省理工学院、纽约大学和伦斯勒理工学院四所大学合作制造一种类似人类大脑的计算机，将能够处理自然语言和非结构化数据，像人类一样通过经验进行学习。

我国对认知科学及认知计算的研究尚处于起步阶段，多数研究是对国外相关研究的介绍和总结。

国内涉及该领域的研究人员多数是哲学、心理学领域和信息技术领域。

许多研究虽然涉及认知计算技术，但多数将其纳入人工智能的研究，很少使用认知计算这一概念，至今还没有关于认知计算的综述文章。

2008年国家自然基金委员会发布了“视听觉信息的认知计算”重大研究计划，重点包括多模态信息协同计算、自然语言（汉语）理解、脑-机接口、驾驶行为的认知机理和无人驾驶车辆集成验证平台等领域，该重大计划的实施将有力地推动我国认知计算领域相关研究的发展，截止到目前已在视听觉信息处理的基础理论研究方面取得重要进展，在视听觉信息计算以及与视听觉认知相关的脑-机接口等关键技术方面取得重大突破。

2013年10月11日，在北京举办以“从大数据到认知计算”为主题的认知计算研讨会，达成“我们已经进入了认知计算（Cognitive Computing）的新时代”的共识，2013年11月13日在MDCC 2013移动开发者大会上中国工程院院士李德毅发表了题为《大数据时代的认知计算》的演讲，充分体现了当前我国学者对认知计算技术方面研究的高度重视[7]。

3.认知计算目前研究的重点和难点人类的认知主要依靠大脑来实现，为了能够让机器像人一样具有认知能力，有必要深入探讨和研究人脑与计算机在存储和处理信息时的区别，来确定认知计算的研究目标以及研究的重点和难点。

就目前生物学家和神经学家对大脑研究成果可知，人类大脑将记忆和存储整合成一体，重量小于3磅，占用体积大约两升，却比灯泡更加节能，人脑大约包含1011个神经元，每个神经元大约有103～104个树突及相应的突触，形成极为错综复杂而灵活多变的神经网络，虽然每个神经元的运算功能十分简单，且信号传输速率也较低（大约100次/秒），但由于各神经元之间形成的网络结构具有极极度并行互连功能，使人的大脑能够高速处理复杂信息。

人类大脑的运行就像是一个大规模并行分布式处理器，属于事件驱动方式，也就是说它对其所处环境中的事物做出反应，活动状态时耗能较少，休息状态下更少。

人类大脑会重复利用神经元，并突触、异步、并行、分布式、缓慢、不具通用性地处理问题，是可重构的、专门的、容错的生物基质，并且人脑记忆数据与进行计算的边界是模糊的。

而现代计算机是基于冯诺依曼结构的二进制存储和中央处理器的分离机制，它的运行大部分是按照顺序依次进行的，并由一个时钟控制。

这个时钟就像是军乐队的一个指挥，将每一个指令和每一份数据驱动到下一个位置——就像有足够空位的音乐抢椅子游戏。

随着时钟增速以更快驱动数据处理速度，功耗也随之大幅上升，甚至在休眠时这些机器也需要大量的电能。

更重要的是，编程是必不可少的.它们由电线连接，并且容易出现故障。

它们善于执行的是预定义的算法以及分析工作。

一般情况下计算机使用固定的数字化的程序模型，同步、串行、集中、快速、具有通用性地处理问题，数据存储与计算过程在不同地址空间完成。

由此可知，人类大脑和现代计算机具有完全不同的架构，它们的存储和处理机制完全不同，无论我们再努力多少年，以现代计算机为基础的认知计算无法模拟人脑的功能和实时反应，不能像人类大脑一样实现灵活而高深的认知过程，完成这个任务需要一个新颖的架构，这正是认知计算目前面临的难点和重点。

认知计算是一项系统工程，涉及多个领域的技术，目前研究学者公认的认知计算的四大关键技术为以下四个方面[6]。

第一，在认知计算最顶层的是机器学习、自然语言理解和人机交互等技术。

第二，大数据技术，包括以什么样的方式来存储、组织、管理及分析大数据等。

第三，计算机的架构。

认知计算系统所要求的计算能力远高于我们今天所能提供的计算能力。

因此，如何实现以数据为中心的系统设计也是当前面临的挑战。