Skip to main content Skip to Footer

埃森哲《展望》期刊


认知计算:开启商业新价值

认知计算的经济和商业潜能已获得企业高管层的普遍重视。然而,高管层如何去粗取精、去伪存真,指导团队在这一前景无限的领域获取全新价值?

概要

如今,认知计算已成为热门话题,不仅吸引着技术专家和科研人员的目光,更受到企业顶级管理层的高度关注。

埃森哲将认知计算定义为:具备感知、理解和行为能力的信息系统和应用程序。

近来,基于认知计算的创新业务解决方案成为媒体的宠儿,相关初创企业更是受到VC(风险投资)的追捧。

凭借其敏锐的商业嗅觉,领先科技企业已抢先进入这一新兴领域。谷歌、苹果和脸谱网等一系列高调收购行动凸显了它们对于认知计算的兴趣。针对该技术的多个细分领域,包括机器人、专家系统、计算机视觉,以及语音、手势和面部识别,企业纷纷建立研究实验室,致力于这些技术的创新;与此同时,认知计算服务提供商的数量更是如雨后春笋一般,急剧增加。

然而,要实现更多突破,认知计算技术和解决方案仍须破解重重障碍。正如其他革命性新技术一样,企业领导者须摒弃人为炒作,厘清其真正潜力,并能以此为起点,找准自身定位,争当获取新价值的领军者。不过,由于很多企业仍对这项新技术缺乏了解,担忧其潜在的社会和经济影响,认知计算的起飞不会一帆风顺。

对企业高管而言,这些担忧不应成为阻碍他们辨明认知计算背后效益的障碍。该项技术可带来的潜在成果包括:降本增效、提高教育和医疗水平、加速完善科学决策等。

此外,决策者还应认识到,认知计算并非仅涉及某项单一技术或应用,无人驾驶汽车、智能手机虚拟助理,抑或趋势探测解决方案以及其他应用案例,皆是多项技术的组合拳。作为一个类型丰富、内容多样的科技领域,认知计算更深远的价值来自其广泛的技术融合(见图一)。

认知计算:知行合一

认知计算系统具备自学能力,就像聪慧的学生,在拿到教材那一刻便能自主学习。

认知计算涵盖多项技术,它能够支持信息系统和应用程序的对外感知、理解和行动。这就意味着,计算机将被应用于①感知世界并收集数据;②分析和理解数据;③独立决策并提出建议。

认知解决方案能在实战中不断学习,进而根据所获知识优化自身流程和行为(图二)。

感知
边境管理处可利用面部识别技术,监测旅客的特征。再结合其他技术,如多光谱图像分析(用红外线和紫外线扫描护照)、信息数据库和匹配算法,就能轻松识别限制入境人员和危险分子,从而大幅提高安全水平。视频分析则是另一种感知技术,它可以利用视频监控观察和检测事件过程。类似的应用软件还能帮助企业提高营业场所的人身安全;帮助零售商统计顾客数量,识别进入门店的客户,从而协助销售人员提供个性化服务。

理解
认知计算系统还可以通过自然语言处理、推理引擎和专家系统等技术,获得理解能力,从而应用于多个行业。例如,医疗诊断系统可帮助医生确诊病情并给出治疗方案。在图三当中,医生可通过口语或键盘录入病情,用母语与系统互动。 随后,该系统追问后续问题,并在工作存储器中录入过程,然后,在需要的情况下,将知识库中有关药品和病例的记录与知识调出,推断出解决方案或治疗方法。最后,系统将为医生呈现结论或建议,医生会根据这些“专家意见”,确定最终诊断和治疗方案。

行动
借助推理引擎和专家系统等技术,认知系统可在流程内独立工作,亦可在实体环境中独立指导实际操作。当前媒体热议的无人驾驶汽车就是典型代表,它能感知环境、理解大量的输入信息,并在无须人工干预的情况下操控车辆。其他实例还包括:由工厂机器人组装生产线上的产品,由虚拟助理根据客户或消费者的查询迅速做出响应,以及车载辅助制动功能,该功能可在探测出车辆打滑时自动反应,安全有效地控制车辆。

学习
认知计算解决方案最为显著的特点,就是它们能通过 “机器学习”技术,根据经验调整自身功能,而无须重新编写所有规则的硬编码。几十年来,计算机已经能够处理复杂问题并给出答案,美中不足的是,应用程序的执行是刚性的,任何改变都必须重新修订程序。而如今,认知计算系统的自学能力俨然让计算机变成一个聪慧的学生,在拿到教材的那一刻便能自主学习。

认知计算解决方案已被银行用于监测信用诈骗。通过了解客户以往的消费模式,认知计算可以预测新交易,并标出异常活动。认知计算系统在获取合法交易或欺诈的真实案例后,能学会识别新的模式。令人欣喜的是,系统能随着欺诈手段的升级而不断完善其监察技能。

在消费者层面,由谷歌开发的个人助理工具“Google Now”也是自我学习应用的典范。该工具可通过智能手机,从用户的活动和互动中持续学习,查找、收集并提供与他们紧密相关的个性化信息。Google Now还可以根据用户反馈和自我学习方法,不断改善功能。

科技进步让计算机的学习能力日臻成熟。“深度学习”亦是机器学习的形式之一,它利用类神经网络模拟人脑结构,被广泛应用于开发执行复杂任务的系统。此类系统已逐渐能够识别模式和物体,并以自然语言描述图像。

抓住机遇,开启商业价值

认知计算技术会带来哪些影响?我们或可从自动化和能力增强两个维度做出分类和解读。

日常工作的自动化无疑可以提高整体效率和绩效。例如,在金融服务领域,对人类而言,确定个人是否符合贷款标准或保险金受益资格等许多日常决策,不仅耗时费力,而且有技术难度。自动化系统的出现则可以令这些工作迅速、准确并始终如一地进行。

另一方面,对于许多从未或永远不会实现自动化的工作,从能力增强角度入手可能更为合适。例如在前述医疗应用案例中,当需要针对特定医疗状况,过滤多达数百万字节的数据时,专家系统的表现肯定比人类更为出色。然而,许多患者并不愿接受机器提供的诊断、处方和治疗。从这个角度而言,这类工作显然不合适甚至不可能完全实现自动化。而智能机器无疑可以增强外科医生和战斗机飞行员的能力,但是,根据环境进行实时的人工分析和判断仍不可或缺。

分析的两大标准

企业正在思考如何才能驾驭这轮新技术浪潮,并有效推进自身业务。首先,它们须确定哪些工作适用于认知计算解决方案,可以实现自动化或实现能力增强。

如图四矩阵所示,对于特定工作类型,可以参照两大标准衡量认知计算方案的适用性:其一,工作的复杂性;其二,涉及数据和信息的复杂性。

一方面,一些常规工作具备可预见性和基于规则的特征,如行政工作、索赔处理,或是信贷决策。而在轴线的另一端,则是临时的、不可预测和需要人工判断的任务,例如科研人员、建筑师、财务顾问或咨询师所从事的工作。

就数据复杂性来看,有的数据结构严谨、稳定可靠且规模较小,例如预算数据和销售数据。而有些数据则是非结构化的,容易丢失且数据量大,如来自社交媒体、多媒体和传感器的数据等。

根据这两个标准,我们构建了如下框架,将企业活动分为四种基本模式:效率模式、专业模式、效力模式和创新模式。

如图四所示,矩阵左下方的工作更适合自动化,而右上方的则更适用于能力增强。必须注意的是,还有许多工作的内容或特征,是跨越多种模式的。例如,律师和医生的某些工作可能属于效率模式和有效模式,而其他方面则会更符合专家模式和创新模式的定义。

让我们来更详细地审视这四种模式。

效率模式
首先,位于矩阵左下方效率模式,更具日常事务特征,并遵循严格定义的规则、程序和标准,以实现一致化、低成本的工作执行。该模式下,技术负责感知、理解和行动,而人类则负责确保监测解决方案的准确性,以及判定规则是否须根据业务条件的变化而做出改变。随着时间推移,机器学习功能可以不断完善自身规则。

在实例中,自动决策能力现已植入常规的工作流:系统在感知在线数据或周边状况后,可根据编码知识或逻辑做出决定,大幅度降低了人工介入。这些系统经过配置,就能迅速将决策转化为准确、高效的行动。

专家模式
专家模式更多涉及判断性工作,并高度依赖人类的专业知识和经验,如医生、律师、财务顾问和工程师所从事的业务。在此模式下,决策和行动通常需要由人工完成,而技术的作用更多体现为增强人工的感知和决策能力,包括提供分析、建议方案。

所谓“专家系统”便是专家模式的实例。这种系统能够搜索海量数据并进行存储,然后基于这些知识和数据给出推理和建议,其最大特色是基本依靠自身管理完成工作。例如,系统会答复:“根据您的旅行需求,我们提供了一些行程建议” 或者询问是否要为人工判断提供建议。

前述医疗诊断系统是咨询系统增强人类理解和判断力的典型例证。医生可以参考专家系统的分析结果,为患者提供个性化诊疗,这样也有利于获得患者的信任,更好地维护医患关系。

在客户关系并不重要的情况下,专家系统可与用户直接用语言互动,无须人工介入即可做出解释和判断。

效力模式
效力模式,顾名思义,是指通过提高工作人员和企业的整体能力,达到特定预期成果。该模式适用于以下工作:工作人员通常需要掌握大量行业、企业和业务流程的知识,并且高度依赖于协调和沟通,工作涉及面广,关联性强,如行政、管理和销售等工作。在该模式下,技术可充当个人助理或代理,在人工指导下,帮助工作人员开展计划、沟通、监督和执行等活动,可使工作完成得更出色。

无论是对于消费者还是企业,虚拟代理都是认知计算解决方案在效力模式中的绝佳范例。Siri、Cortana和谷歌Now等移动端代理软件越来越受消费者欢迎。这些软件在接到书面或口头请求后,会使用自然语言处理和语音识别等技术对信息进行处理,进而搜索自有知识库或互联网、提出假设和建议,并以文字或语音播报的方式最终反馈给用户。

在企业层面,虚拟助理已被许多客服中心用于回答客户的常规问题。只有虚拟助理的自动知识库无法解决时,用户才需转向人工专业人员求助。

创新模式
创新模式主要用于加强专业人员的创造力和构思能力,如生物医学研究人员、时装设计师、厨师、音乐家和企业家等。即在人类做出决策和行动后,由技术提供替代方案和优化建议。

铂蓝音乐智能公司(Platinum Blue Music Intelligence)推出的智能软件就是对该模式应用的范例:通过分析微调低音曲线和频谱声波(或其他参数),该软件可提供歌曲改进建议,从而增加后期成为流行作品的可能性,是艺术家和制作人的得力助手。例如,该软件在分析英国组合奈尔斯·巴克利(Gnarls Barkley)的歌曲《疯狂》(Crazy)后发现,这首歌与几首近期的热门歌曲以及奥莉维亚·纽顿·约翰(Olivia Newton-John)和玛丽亚·凯莉(Mariah Carey)的畅销旧作同属一类。数据表明,《疯狂》的推出将预示着一次巨大成功,事实也的确如此。

发掘认知计算潜力

不同行业的管理者都可以运用认知计算框架,并在矩阵中定位不同的工作活动。根据工作的复杂性,以及数据和信息的复杂性,企业能够准确规划、设计和实施特定的认知计算解决方案。

下面,我们仅以医疗和银行两个行业为例具体说明(见图五)。

医疗保健行业示例
认知计算技术可为医疗保健行业提供完整解决方案。既能实现预约安排等常规和可预见任务的自动化,又能在病患网上咨询和生物医学研究等方面提供知识,从而增强专业人员的能力。

自动化可使银行的交易活动更为高效,而认知计算也让安全认证和身份管理更加有效。对于财务顾问和退休规划等工作,人际交往虽然必不可少,但专家系统的辅助还可增强能力,使工作完成得更为出色。

认知计算仍面临重重挑战

认知计算可呈现最佳人机协作方式,但认知计算业务解决方案的创建者可能会面临如下挑战与阻力。

对类人形象感到不安
很多人会对近似人类外貌的机器人或动画人物抱有排斥心理,特别是那些接近但不完全准确的形象,那种“相似”会令人格外难受(有如僵尸、蜡像馆的一些模型)。有鉴于此,企业须仔细甄别它们的选择方案,避免客户和员工不愉快的观感。

审慎对待人工智能发展
人工智能的早期发展曾引发普遍失望,或许是那时人们对其预期过分乐观,因此企业必须保持审慎态度。开发人员须尽力考察并整合特定技术和其他要素,打造完整的解决方案。企业还应大胆试错,进而深入了解每项技术的能力与局限。

全新开发方式
在传统的系统环境中,常规的开发路径是计划、分析、设计、构建、测试和部署,但认知计算却与之不同。以专家系统为例,其开发将更多地围绕数据展开,须经过识别各类数据源,收集数据,清理和组织几个步骤。这就需要不同以往的技能与观念,以及全新的方法。此外,就像新员工入职时一样,认知计算系统通常也需要特定的培训。总之,认知计算采用全新的开发模式,并不仅仅拘泥于系统的打造,而是涵盖了培训、指导和监督等各方面完整的解决方案。

人与机器
长期以来,智能系统和人工筹组等技术常被蒙上令人畏惧的色彩,人们对认知计算的看法也因而受到影响。从《2001:太空漫游》中逻辑功能强大的智能电脑,到《终结者》和《黑客帝国》中的惊悚情节,在科幻影片中,智能计算机系统往往与人类对立,而机器“终将”奋起反抗人类。而现实中与之相反,认知计算强调的却是人机协作。认知计算解决方案可以将人从重复性的日常工作中解放出来,从而有精力聚焦更高级的工作。在一些案例中,认知计算在增强人类能力的同时,还能确保他们发挥独特的思维、感觉和沟通优势。

社会影响
不难想见,认知计算还将引发广泛的社会问题。尤其是对就业的影响。同以往技术进步的后续影响相同,每一场技术变革必然导致工作的重新分配。然而,贯穿本次变革的主题将是,重复性工作被替代,全新就业岗位将诞生。皮尤基金会近期的一份报告指出,社会将通过创造新型工作来适应变革,而新岗位将会充分利用人类独有的能力。
人类社会的适应性是惊人的。谷歌CEO拉里·佩奇(Larry Page)曾表示:认知计算和人工智能解决方案是人机协作的最佳方式。他指出,网络搜索和语言自动翻译服务虽已具备了高度的机器智能水平,却仍在人类的掌控之中。“机器正在向你学习,与此同时,你也在从机器那里学到东西。从某种意义上说,互联网已经成为人与机器智能的结合体,共同创造着美好的生活。”

结语

企业、教育界人士和政策制定者必须共同努力,评估认知计算技术的影响,并采取相应行动。

毫无疑问,认知计算是“变局者”,正在改变着各行各业的格局。

关键是,不要太执着于某项特定技术,毕竟技术本身并非答案。至关重要的是,首先厘清工作的类别,进而审视业务的原理,最终将技术融入工作中,形成一个完整的认知计算解决方案。

此外,企业须加入关于认知计算技术对就业、教育和社会影响的持续对话中,这很重要。企业、教育界人士和政策制定者必须共同努力,评估该技术的影响,并积极行动。认知计算究竟会给社会带来何种影响,起决定性作用的并非技术本身,而是我们。企业须正确认识和利用认知计算,才能把握巨大的商业机遇。


作者简介

西里尔·巴塔勒

埃森哲新兴技术事业部董事总经理、智能计算技术主管,负责领导埃森哲在认知计算领域的研究工作。

珍妮·哈里斯

埃森哲卓越绩效研究院的前任信息技术研究董事总经理,领导着信息、技术和数据分析等领域的全球研究计划。