今天，全世界都在關注工業4.0及其帶來的技術。從人工智能(AI)到大數據分析(BigDataAnalytics)，所有的技術都在某種程度上改變著一個或多個行業。AI支持的認知計算技術就是這樣一種技術，它提供高規模的自動化和無處不在的連接。更重要的是，它正在重新定義物聯網技術的運作方式。

物聯網對認知計算的需求源于信息在當今商業中的重要性。在未來美好的物聯網環境中。從新的人工智能服務公司到企業，每個人都利用這些信息，利用現實而不是沖動做出選擇。

認知計算使用信息，并對其內部的變化作出反應，以決定更好的選擇。它基于從過去的經驗、對比和基于標準的選擇框架中獲得的明確結果。

此外，在這場激烈的變革中，大多數時候出現的問題是如何使用新的數據源，將它們與企業已經擁有的數據結合起來，以創造有價值的見解。讓我們以IBM去年收購的TheWeatherCompany為例。收集的數據與利用Watson的認知能力來研究過去和現在的數據，并得出見解。過去不可能做到這一點。

分析公司高德納(Gartner)預測，2016年全球將使用64億臺聯網設備，到2020年將達到208億臺。但這些設備中有很多都是相對笨拙，包括健身追蹤器、連接揚聲器和攝像頭。物聯網設備的真正價值可能來自于備份與認知計算系統的數據連接。這將使連接的設備從嚴格生成數據的設備轉變為更具交互性的設備。

托馬斯·杰斐遜大學醫院正在使用類似的方法來幫助改善病人的體驗。衛生系統最近推出了一個揚聲器和麥克風系統，可以嵌入病人的房間。病人可以就醫院的服務或控制房間供暖、制冷、照明和娛樂系統的命令提出問題。

該系統基于Watson的NLP和分類器引擎構建。這些工具一起解讀病人的需求，然后通過與大樓的暖通空調和娛樂系統相結合，采取行動。衛生系統目前正在訓練處理語音命令的機器學習算法，一旦達到處理請求90%以上的準確率，就會開始將其推廣到病房。

此外，通用汽車公司宣布了其OnStar車輛連接系統與IBMWatson認知計算系統之間的新連接。新平臺允許用戶設置在特定行程中完成任務的提醒，在上班途中接收交通警報，或從儀表板系統支付汽油費。這些服務在后端與Watson綁定，并了解司機的習慣，以便隨著時間的推移提供更個性化的建議和服務。