认知计算将带来各种各样的技术、科学和社会的挑战与机遇，并对监管、政策和管理提出新的需求。认知计算是指一种能够规模化学习、有目的推理、并与人类自然交互的系统。它们不需要事先精确地编程，而是从它们与我们之间的交互和与环境之间的互动中学习和推理。此外，认知系统还能理解计算机科学家称之为“非结构化”的数据，而这些数据占到了全世界数据的80%。这使得它们能够与现代世界巨量、复杂和不可预测的信息保持同步。

《认知计算导论》是认知计算的一本导论书，本书介绍了从认知科学到认知计算的演进过程，阐述了借助认知科学理论来构建模拟人的客观认知和心理认知过程的认知计算。从信息论到认知科学，再到认知计算，本书试图将认知计算理论的由来、思想和支撑技术做一个系统且深入的探讨。在本书中，我们提出了认知计算与Human、Machine和Cyber Space相互交互与融合而形成的“以人为中心的认知循环”及其三大部分。本书围绕这三大部分介绍了为认知计算在信息采集、获取、传输、存储和分析等方面提供各种支持的关键技术，包括物联网、大数据分析、云计算、5G网络和机器人技术等。同时本书对认知计算与以上各种技术的关联进行了详细研究与讨论，包括认知计算与物联网、认知计算与机器学习、认知计算与大数据分析、认知云计算、认知计算与机器人技术，其分别对应于不同的篇章。每个技术相关的篇章下，又详细讨论了各技术的相关概念，各种技术架构和应用实例等。比如详细介绍了各种机器学习和深度学习算法，介绍了为认知计算提供数据支持的物联网感知与群智感知，以及为人提供认知服务的机器人技术。在此基础上，将理论与实际相结合，本书在最后两篇章对认知计算的应用和前沿专题做了进一步讨论，包括IBM Watson认知系统、Google的AlphaGo、医疗认知系统，5G认知系统、认知软件定义网络和情感认知系统。全书共分为7篇，21章。

《认知计算导论》可作为语言学、心理学、人工智能、哲学、神经科学和人类学等多个交叉学科本科生或研究生的教材或参考书。也可供相关专业工程人员参考。

下面，编将放一篇书摘，以供大家欣赏~

从认知的潜能看信息的价值

不同于传统意义上基于光电的数据传输和分析，认知计算旨在让机器在某种程度上模拟人脑的思维。人脑的学习与计算以及神经元间的信息传递，相比于光电系统中由数据驱动的计算完全不同，即数据虽然在物理上能够被度量，但人脑通过对其进行学习和计算却能解读出海量的多维度信息。因此，受信息的价值和认知潜能的启发，本书将从认知数据的产生/采集、传输、分析以及应用等角度详细解读认知计算。

一、信息价值与认知计算

人类生活离不开物质和能量，同时也离不开信息，即任何正常人都有相应的信息需求。一方面，在对物质需求日益提高的今天，人们对信息的要求也日益提高。另一方面，支撑认知计算的基石是信息，从狭义层面上看，信息所蕴含的价值是可以量化的，就像信息可以被度量一样。信息价值论跳出了人类社会经济学的狭隘范畴，摒弃了主客体对立的价值思考方式，提出了一种契合自然规律的一般价值论，具有极强的解释力和包容性。它不局限于人造通信系统，而是将人类生理、心理、语言以及自然社会现象等融入信息的产生/采集、传输、分析与应用等研究问题之中，使得信息在这个时代的价值比任何时代都更加突出。丰富且多维度的信息价值为认知计算的发展提供了原料，为认知系统如何不断获取认知智能提供了新的思路。

具体来讲，信息的价值分为内在价值和外在价值。内在价值是信息形成之初固有的自然属性；外在价值是信息在传输过程中，受自身之外的因素影响逐步形成的社会属性。对一个优良的信息块而言，如果信息的外在价值较低，则表明信息的内在价值没有被充分挖掘、分析和利用，造成了信息潜能的埋没。优良的信息自产生以来，除了具备可以被度量的信息量价值，另一部分价值潜能如同被原作者放入一个“隐蔽的信箱”，等待今后被开启和解读。

二、认知的潜能

所谓机器的认知潜能主要包含两个方面：认知系统所具备的认知潜力，以及信息所蕴含的价值潜能。两者相辅相成可放大信息的价值，推动认知智能的演进。

人的一生是不断学习进化的过程，当人脑的认知能力达到某种程度之后，人类就可以对数据进行不同维度的转化，转化后的信息又可以被应用到其他维度的数据层面，从而产生新的信息和观点。而由人类创造的认知系统也应具有或多或少的认知潜能，当机器具备一定程度的认知智能又何尝不能对已有信息再创造呢？认知系统在训练的过程中模拟人的思维，通过持续地学习，获得不断增强的智能性，逐步接近人类所具备的认知能力。为实现这一目标，其中一个关键性的假设在于：作为认知计算主体的机器的生命是无限的，因此其认知潜能在理论上难以被量化。在有限的信息空间中，机器的认知潜能如果被激发，我们也可以说信息的价值潜能得到拓展。

三、从认知的潜能看信息的价值

由信息的基本概念可知，信息的生命周期大致可分为4个阶段：产生/采集、传输、分析和应用。其中每个阶段都具备认知的潜能，若各个阶段的潜能得到激发，信息所蕴含的价值将被充分挖掘。

从产生信息开始，信息的内在价值便决定了其本身是否具备认知的潜能，这取决于信息是否包含普遍的自然规律、道理和精神。若信息拥有的内涵能引发丰富的联想，衍生出多种多样的形象信息，其价值也获得提升。

当然，信息是否具有认知的潜能也依赖于产生信息的主体（人或者机器）的智能。不论是人类本身所与生俱来的想象力，还是后天学习所获得的领悟，只有当人脑的认知能力进化到一定程度，才能创造出虽在物理上可度量但蕴含引发后人无限感发潜能的信息，启发当代乃至后来的人无限联想，从而折射出海量的多维数据。

有了具备认知潜能的信息源，认知计算还需要一个承载和传递信息的桥梁，物联网由此成为了感知物理世界数据的最前端，为认知系统提供源源不断的数据。与认知计算相结合，物联网的数据感知服务将更加偏重于以人为中心的应用。应用“人本化”也使得认知计算与移动计算紧密关联，认知智能所需的数据采集与计算也需要考虑用户的移动性才能达到能效优化。而这种移动性为认知数据采集也提供了一种便捷的方法：大规模的移动人群对数据的无意识采集与传递，即群智感知。在群智感知技术的运用下，信息在传播过程中不断使认知系统“集思广益”。

在虚拟世界，移动用户又是通过社交网络相联，社交网络无形中也是一个“以用户兴趣为中心”数据产生和传播的载体，因此认知计算与社交网络相结合的“认知社交网络”也是未来一个新的研究方向。5G移动通信技术的诞生极大地加快了数据传输速度，让爆炸式增长的信息量得以在短时间内快速传播，这将极大支撑高级认知系统对海量信息传输的需求。

与此同时机器学习、深度学习的发展也让认知系统有能力理解不同维度信息之间的关联。此外，不论是人类丰富的想象力和深刻的解读能力，还是机器的增强学习，都能让我们从现有信息中发现新的信息，在机器、人与信息空间的认知环中，已有信息与新信息的共享和融合，所产生的认知智能又使机器具备更强的“信息解读”能力，最终形成良性循环，使机器具备更高的智能性为人类提供更好的服务。

认知计算与物联网、大数据分析、云计算

图3为认知计算的系统架构。通过依托5G网络、物联网、机器人和认知设备等底层架构，和云环境、超算中心等基础设施，同时利用机器学习、深度学习平台，来完成包括人机交互、语音识别、计算机视觉等任务，从而服务于包括健康监护、认知医疗、智慧城市和智能交通等上层应用。其中系统架构中的每一层都伴随着相应的技术挑战和系统需求。因此，本书对认知计算与各层之间的关联进行了详细研究与讨论。

图 3认知计算架构及其挑战

1.认知计算与物联网

由前可知，认知计算需要以信息为基础。而在计算机领域，对认知计算来说信息在实际应用中表现为数据，这包括形式多样的结构化与非结构化数据。而物联网通过种类丰富的信息传感设备，实时采集客观世界中受关注对象的各种有价值信息，并通过互联网形成一个巨大的网络，实现海量传感设备的互联互通，使得数据世界与物理世界共融。因此，本书第1章详细介绍了认知数据的采集方法及过程。物联网首先通过RFID、无线传感器以及卫星定位等自动识别和感知技术获取受监测对象的相关信息；其次，借助各种高效的通讯手段将相关信息集成到信息网络中，实现相关信息的智能整合；最后，利用云计算、机器学习、数据挖掘等智能计算技术对信息进行分析处理，最终实现对物理世界智能化的决策和控制。物联网实现了信息的感知与传输，随着物联网的普及和广泛应用，还会产生越来越多的物联网数据，为认知计算的实现提供了重要的信息源。同时，认知计算作为一种新的计算模式，反过来可以为物联网的数据分析处理提供高效的实现手段，实现物联网对数据的智能认知。

2.认知计算与大数据分析

信息持续的增长和机器计算能力的不断提升导致了大数据时代的来临。传统的结构化数据增长并不明显，相比之下，社交媒体和移动互联网数据等非结构化数据正在迅速增加。结构化和非结构化数据组成了认知大数据，其特点可以用5V表示：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、Veracity(真实性)。同时，信息的海量性、快速性、瞬时性和多样性使得信息的分析处理面临诸多难题，大数据分析和认知计算为我们提供了有效的途径。大数据分析与认知计算是两种技术，它们可以独立，也可以共存。

首先，针对某个数据集的大数据分析不一定是认知计算。大数据思维强调从海量数据中获得洞察进而预测，以数据为核心，如果脱离了大量的数据作为基础，将无法保证预测的精确度与可靠性。人的一生经历过很多，穷尽了大千世界的各种信息之后，会逐渐具备看待世界的大数据视角，具备大数据思维。大数据思维和深度学习一样，都具有阶层性。第一层是关心物质生活和环境改善，第二层是追求精神文化，第三层是关注生命意义。这三层的视野是逐渐加深的。目前的机器智能所模拟的思维主要集中在第一层和第二层，关心人的生活水平和情感状态，与之对应的是健康监护、智慧医疗、智能家居、智慧城市、情感照护等应用。更深一步的第三层——关注生命意义对用户的人生发展方向提出个性化的建议，以助于用户实现幸福而又更有意义的人生，这是目前机器所不能做到的，也是未来人工智能的一大挑战。在数据集符合了大数据特征的情况下，我们对数据的分析和处理方式最直接的是采用传统的机器学习方法，但是否用到“类脑”计算的数据分析技巧是区别大数据分析和认知计算的关键。要是机器可能达到上述第三层的思维境界，应该采用更加强调数据的“质”和价值的认知计算，使机器能认知数据的内涵及其包含的形象信息，像人一样理解周围的信息。

其次，采用认知计算并不意味着对数据量的依赖。认知计算基于类似人脑的认知与判断，试图解决生物系统中的模糊性和不确定性问题，以实现不同程度的感知、记忆、学习、语言、思维和问题解决等过程。例如在现实生活中，小孩子学会认识一个人只需要很少的次数，虽然数据量不够大，但是对数据的处理方式上采用了认知计算。对于普通人和领域专家来说，数据都是一样的，但是普通人得到的知识与专家得到的 知识不同，深度也不同，因为思维的高度不同，解读数据的角度也不同。通过认知计算，机器能够从有限的数据中挖掘出更多的隐含意义。就像人的“顿悟”，机器能否突然在某个时间点，基于原有的数据爆炸式地“解读”出另一段海量信息？不依赖于大数据分析，机器是否可能获得认知智能？这些问题留给读者来思考。

最后，认知计算和大数据的结合将实现“双赢”。认知计算受人类的学习过程启发，人类学会认识一个形象只需很短的时间，就能轻易地区别出猫和狗等事物。而传统的大数据需要进行大量的训练之后才能达到人类这个简单的功能。并且，浩如烟海的数据具有较大的冗余性，将会占用大量的存储空间。认知计算为大数据分析提供了新思路，因为大数据分析侧重于发现数据的共性，将数据进行归类；而认知计算不仅挖掘数据的意义，在理解数据之后，机器还能收获认知智能，使大数据分析不仅只是使用“计算蛮力”。在大数据时代之前，认知计算并未被充分地研究。如今充足的数据为认知计算的发展提供了条件，使机器从认知人的内在需求角度解读和挖掘数据的含义成为可能。

本书第三篇对认知计算与大数据分析进行了详细且全面的探讨，在第4章对机器学习进行了概述，第5章归纳了机器学习的主要算法，第6章结合大数据的特点探讨了面向大数据分析的机器学习算法。

3.认知计算与云计算

云计算（cloud computing）将计算、存储和带宽等资源虚拟化，使得软件服务部署成本降低，可为认知计算应用的产业化和推广提供支撑。另外，云计算所具有的强大的计算与存储能力，为认知计算提供动态、灵活、弹性、虚拟、共享和高效的计算资源服务。本书第11章对认知云计算（或云端认知计算）的相关知识进行了归纳，第12章为读者提供了面向认知计算的云编程与编程工具的介绍，第13章介绍了目前深度学习研究与应用最流行的机器学习库——Tensorflow开源软件库。

现实生活中产生大量的数据信息，在云计算平台上进行大数据分析之后，使用机器学习等技术对数据进行挖掘，不同类别的信息对应不同的处理技术，如文字信息对应自然语言处理，图像信息属于机器视觉，最后将结果应用于不同的领域。无论是IBM Wsatson的认知系统或是Google认知计算应用，都强调实现类似人脑的认知与判断，挖掘新的关系和模式，进而正确地辅助决策。物联网和云计算为认知计算提供了硬软件基础，认知计算为大数据分析提供了新思路，帮助人们发现和识别数据中的新机遇和新价值。在未来，认知云计算与认知物联网将成为新的研究方向。