3月1日，想必您的朋友圈被一個IBM的“認知商業”發布刷了屏。從1995年的“電子商務”，到2008年的“智慧地球”，這個難得的IT百年老店總是能站在IT潮頭，不服都不行。打今天起，如果你說你不知道“認知”，估計你都不好意思和一個IT領域的CxO聊天！

　　不過說真的，“認知”這個東西到底是什么鬼?還是讓斑斑給你掃盲吧———了解了下面幾個問題，以后如果聽到有人談“認知”，你當個“聊主”絕對沒問題。

問題1：“認知”到底什么個意思?

　　標準答案：“認知”(Cognitive)現在有兩個核心詞匯。

　　首先是“認知計算”，即通過與人的自然語言交流及不斷學習，從而幫助人們做到更多的一種系統。IBM將其簡化歸納為：具備規模化學習、根據目標推理以及與人類自然互動能力的系統。認知計算的核心是理解、推理和學習能力。

　　其次是“認知商業”，就是以認知計算應用到各個行業形成的商業模式。

　　斑斑點評：一般來說***個問題這種純商業概念，就像肥皂劇的***集，如果能看懂就看，看不懂跳過也沒問題……

問題2：認知計算和人工智能有什么區別?

　　標準答案：有三個區別：1，規模的區別，傳統人工智能不強調規模，而認知計算必須進行大規模的學習。2，交互性，傳統人工智能夢想建造具有人類智能的自助機器，而認知計算側重于與人類交互和協作。3，概率性，傳統人工智能夢想建立一種精確、非確定性的智能機器，而認知計算則致力于應對各種非結構化、非確定性數據，因此表現出一定的概率性。

　　斑斑點評：這么說吧！人工智能就像一個聰明的海豚，具備挺不錯的智力，但動物就是動物。認知計算(希望)是一個嬰兒，雖然目前笨點，但能夠在一次又一次的學習和實踐中成長。

問題3：認知計算和大數據是什么關系?

　　標準答案：大數據分析屬于認知計算的一個維度，與大數據相比，認知計算的范圍更廣、技術更先進。

　　斑斑點評：認知計算是個正在學習的小學生，大數據是課本和學習資料。這樣說懂了吧?

問題4：“認知”是IBM的品牌嗎?Watson和outthink又是什么鬼?

　　標準答案：IBM聲稱，他們不會注冊“認知”品牌(估計注冊難度也不小)；“認知商業”將是(近期)整個IBM的品牌觀點，“Waston”才是IBM的主品牌。——如果你不知道Waston，那斑斑只能嘲笑你孤陋寡聞了。因為斑斑剛剛問過度娘，Waston是有史以來***個與人對決勝利的計算機，它在2011年參加美國綜藝節目“危險邊緣”獲得冠軍。這臺超級計算機現在寄托著IBM的未來所在。

　　另外，本次發布會隨處可見的“outthink”是IBM本次大規模宣傳活動的口號而已———至于這個詞怎么解釋，IBM的大致解釋是“思以智勝”，但斑斑覺得51CTO總編老楊的解釋更合理：現在這個時代，如果你不think認知，你就OUT了!

問題5：“認知商業”和IBM以前的”智慧地球“、”電子商務“戰略有關系嗎?

　　IBM官方解答：以品牌觀點展示愿景是IBM優秀傳統的一部分，而每個品牌都基于上一次重大轉變而構建。如今，IBM的認知商業愿景正在智慧的地球基礎上構建，并通過大數據和智能化推動這種新觀點的形成。

　　斑斑點評：這個問題問的……”智慧地球“是啥?人IBM現在只知道“認知商業”……

問題6：認知計算到底能干啥?

　　官方解答：理解、推理和學習是認知系統的三個特點。在能力方面，一般來說有四大核心能力：

　　1，輔助能力。利用海量的信息輔助支撐，認知計算系統可以幫助人類成為各個領域的專家。例如在醫療領域，醫生診斷一個疑難病癥往往要花很長時間，如果有認知計算系統的幫助，時間會大幅縮短。

　　2，理解能力。認知計算系統具有接受、處理和理解聲音、圖像和語言的能力，能夠更聰明的和人類對話，更好的理解人類需求，為人類提供服務。

　　3，決策能力。認知計算系統可以將大量信息進行匯集和分析，為決策提供幫助，例如交通擁堵問題。

　　4，發現和洞察能力。認知計算系統有可能幫助人類發現當今計算技術無法發現的心洞察、新機遇與新價值。

　　斑斑點評：看不懂沒關系，總之就是指導幫助很大就對了……

問題7：除了IBM，還有誰有認知計算的平臺或者產品嗎?

　　斑斑點評：這個問題沒有官方答案，因為人家IBM不回答，而其他公司不用“認知計算”這個概念……

　　但如果你關注科技新聞或者關注體育，你一定知道AlphaGo，就是谷歌公司那個在1月份5:0戰勝了歐洲冠軍(前中國職業選手)、即將在3月迎戰李世石的圍棋軟件，它也同樣擁有理解、推理和學習能力，所以也應該是認知計算的典型代表。

問題8：認知計算現在有成功的應用模式了嗎?

　　IBM官方回答：你總算問這個問題了！認知計算目前已經在醫療、金融、物聯網、媒體等多個行業產生了積極的作用(以下省略2000字)……

　　斑斑點評：你總算問到關鍵問題了。目前看到的所有認知計算的應用，其實都是“點”，是大數據+人工智能+Waston的個別案例，目前認知計算在絕大多數領域還是未來時。

　　(以上部分標準答案來自《哈佛商業評論》和IBM官方資料)