认知计算和知识工作的革命

By 机器之心2017年1月05日 12:45

在未来十年,由于社交媒体处于最后阶段,认知计算(cognitive computing)将对机构组织造成颠覆性影响,甚至可能更甚。事实上,Gartner 预测智能机器时代(smart machine era)将是 IT 历史上最具颠覆性的。我们正处于涉及基本人类过程(human processes)的范式转变的边缘,这些人类过程引导了信息发现、洞察、问题解决以及决策的制定。

认知计算、机器学习和预测分析将渗透我们生活的各个方面,从根本上改变我们在数字生活中学习和互动的方式。内容管理、协作和整个搜索体验将更加自动化、无缝化和个性化。结果是,我们将更严重的依赖于计算机,同时与它们形成越来越复杂、甚至亲密的关系。

而未来已经如此,至少认知计算已经被许多领域率先采用。认知能力开始在诸如医疗保健、软件、金融服务和石油和天然气勘探等行业中发挥重要作用。在 2016 年美国生产力与质量中心(APQC)的知识管理(APQC‘s knowledge management)观众调查中,9%的参与者表示,他们的机构已经在使用认知技术,另有 17%的计划或认真考虑使用认知应用-(见第 21 页图表,KMWorld 2017 年 1 月第 26 期第 1 刊)-。在此刻,各机构需要开始修改他们的战略并在员工如何创建、共享、访问和应用机构知识方面做好应对未来变化的准备。

认知计算对知识管理(knowledge management)的影响尚未完全明朗,但是知识管理专业人员需要了解认知计算可以做什么以及如何适应它。为了探讨认知技术对知识管理能力和计划的影响,APQC 召开了第 9 届知识管理高级工作组会议(KM Advanced Working Group),参加会议的成员来自 APQC、德勤、安永、NASA、辉瑞以及美国陆军训练与教导司令部。他们一起研究了利用认知计算来管理和提供企业知识的机遇性和潜在应用场景。

什么是认知计算?

认知计算是用于模拟人类思维过程的计算机化模型的统称。根据德勤报告,认知系统可以「处理远远超出人类能力的信息,识别模式并提供潜在的解决方案,而这些通过传统的分析方式,人类可能永远无法识别。」

真正的认知系统结合了机器学习算法(使得软件能够基于经验改进)与高级数据挖掘能力(有助于识别大型数据集内的模式和关系)和自然语言处理(使得计算机能够理解人类语言并作出反应)。也许最知名的认知解决方案是 IBM 的 Watson,它使用自然语言处理和机器学习来从大量非结构化数据中理解问题。

这些算法使得认知系统能够筛选大量的结构化和非结构化内容并针对用户的搜索或提问提供个性化的、直觉的反应。随着认知模型的扩展并不断纳入新的数据和信息,它们逐渐变得更加全面和准确。

新兴认知革命的基础

传统上,计算机在有清楚定义的答案对错明确的查询方面是优异的。软件在过去二十年变得越来越复杂,因此当今的认知系统和机器学习应用程序能更加动态地处理问题。这使它们能够处理更复杂的问题,根据流入的新信息来改进它们的反应,并在众多可行的可能方案中判断最佳选择。这些能力可能最终使得认知系统能够对人类典型的的多方面、上下文关联的查询类型做出反应。

APQC 的 KM Advanced Working Group 假设了三种现象将推动认知采纳(cognitive adoption)的新兴浪潮。

第一个因素是机构和员工可用的大量数据。根据位于新加坡和印度的 Aureus Analytics 的分析,全球 90%的数据是在过去两年间创造的,随着物联网的应用,每年的数据总量将增长 40%。云存储使得即时访问大量数据成为可能,但是即使通过传统计算机程序辅助人类思维也不可能处理或理解这么多信息。因此需要认知系统,以便机构能够掌握大数据,并在混乱中发现模式和见解。

第二个因素与技术本身有关。原始计算能力和分析模型的最新进展使系统可以遍历大量数据集(包括非结构化和富媒体内容),并以近乎实时的方式返回有意义的结果。语义分析(semantic analysis)分析定性数据,同时机器学习技术使系统能够理解用户的前后语义并提出后续问题以进一步优化其响应。最后,自然语言处理和用户接口的发展改善了人机交互,并为人与机器之间更紧密、更自然的合作铺平了道路。

最后一个因素是知识工作的高成本。许多机构认为最大的投资是他们的劳动力,但劳动力并没有最大程度的被有效利用。根据 IDC,知识工作者平均花费近 20%的时间寻找内部信息。更直观的搜索功能包含了内部、外部、结构化和非结构化内容,并提供高度针对性的答案(而不是用户必须筛选的页面或文档的列表),可以为机构节省数十亿美元,并同时释放员工时间以进行更多有附加值的工作。

人们已经在智能手机上体验到了机器学习的厉害之处。例如,你是在晚 6 点左右看手机的时候,发现一条关于预计回家驾驶时间及回家驾驶路径的通知推送?这也许会让你丈二摸不着头脑——因为你从未告诉过你的手机你住哪里、你在哪里工作,并且你并没有专门设置让你的手机在特定时间推送关于交通状况的消息。但实际上,(借助机器学习等技术,)你手机内部的软件能够分析你手机在你日常作息、活动时采集的 GPS 数据,能预计你何时将会下班回家并提供相关的交通信息(例如你日常回家的路上是否会有交通拥堵)。

不过,机器学习及认知计算的能力不仅限于这种有特定目标的应用(Targeted Applications)。IBM 认为,对认知计算而言,有三种更为广义的能力范围:

很显然,这三个领域都有可能增强甚至改变知识型工作。某些应用已经能够帮助人类做出决策,如某个能够分析海量医疗数据集的系统,可以发现过去未发现的在症状、疾病及后果之间的数据联系。另一些系统甚至能取代人类专家——如能够分析个人财务状况及目标并提供投资建议的系统。

知识管理最明确的应用之一,是能够处理关于职员的多维信息的系统。其中的多维信息包括,职员正在工作的项目,他/她的熟练度,他/她经常交往的对象及其他因素。这样的目的,是能够推荐可能的答案、解决方案或是行动。它将会持续读取数据并随时间生成更多的优化的结果。尽管某些问题仍需要人类的意会知识及推理能力,但机器学习仍能够用于最适用内容、数据集及领域,以协助特定情况下的决策过程。不论何种情况,其愿景是,职员能够花更少的时间搜寻知识,而可以把更多的时间花到学习和使用它上。

知识管理与认知计算的结合点

在讨论了诸多可能的情况后,APQC 的 KM Advanced Working Group 指出,认知在如下所述的知识管理(Knowledge Management)的六个领域比较有前途。


声明:本文由机器之心编译出品,原文来自kmworld,译者沈泽江、Jane W,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。