认知计算如何解决大数据人才短缺的难题?

困扰大数据的一个难题就是没有足够的大数据专业人才去处理这些数据。的确,数据科学家已然成为热门职业,但每年数据科学家的增长远远无法满足海量数据增长对于人才的要求。如今,大数据的发展催生了很多优秀的大数据处理平台,但人才短缺的严重阻碍了其发展。 从某种意义上说,认知计算提供了一种解决思路——那就是让机器像数据科学家解决大数据难题。那什么是认知计算呢? 简而言之,认知计算就是一种自我学习系统,可以像人类大脑那样通过数据挖掘、图像识别以及自然语言处理来进行学习。认知计算的目标是建立一种能够摆脱人类干预的并自行解决复杂问题的计算系统。 认知计算对于大数据又有哪些意义?首先,认知计算能够带来更快速度的分析流。 由于自然语言处理方面的进展,人与机器之间的交流也变得越来越简单。很多并不熟悉数据语言和数据处理的人仍然可以操作大数据方面的应用。 通过提供一种简单的命令以及使用自然语言,基于人工智能的大数据分析平台可以将这些语言转化为机器能够理解的数据索引,并实时提供普通人都能看懂的回复,这将极大方便那些没有相关背景的人从事数据工作。 尽管上述愿景听起来很美好,不过很多人会质疑我们能否达到。毕竟,我们现在最缺的是大数据相关的人才,看起来面向未来的解决方案不会对我们产生多大的影响。但实际上,人工智能和机器学习展示的早已不是所谓的未来,而是现在,这些技术已经有了诸多令人眼前一亮的成果,比如Google的DeepMind公司和高通的Zeroth平台。DeepMind公司的技术能够使计算机部分呈现人类大脑短暂记忆的功能。利用可连接内部外部记忆的神经元,Deepmind能够让计算机超越编程的限制,计算机可以从短暂记忆里学到完成任务的技能。类似大脑的处理模式使得DeepMind的技术可以依靠命令和信息来作出预测,比之前依靠数据索引以及人为监管有了巨大进步。IBM的Watson也是一种认知计算系统,由自然语言处理、假设生成和进化以及动态学习等多种技术构成。Watson比人们手机上运行的数字虚拟助理要高级一些,至少Watson已经在jeopardy比赛中证明了自己,它在这和比赛里打败了所有人类选手。 高通的Zeroth认知计算平台主要针对视觉和声音认知计算,以此展现类似人类的思考和动作。这意味着运行该系统的手机可以识别物体、看懂手写文字、在特定场景中识别和理解人物动作。或许不远的将来,手机能够在你拍照时自动调整你的相机,比如在阳光下的沙滩拍照和月光下拍照场景显然不同。与此同时,手机还能根据背景噪音大小自动调整耳机音量。

2015-12-05

Zeroth的这些功能为情绪分析提供了大量机会。由于该技术具备了理解场景的能力,这也意味着利用合适的设备和图像识别技术,Zeroth能够破解用户表情、声音背后的心情状况如何。 最后,基于认知计算平台的设备能够有效减少本地数据与云端交换的次数,这不仅能节约设备的电量还能提升设备性能并保护用户隐私。毫无疑问,认知计算、人工智能与机器学习在大数据方面的进步,既缓解了大数据人才短缺的局面,也对提升分析结果产生了积极影响。未来,通过对海量数据的实时分析,也将实现实时决策。

入门
返回顶部