認知計算，未來計算

以計算機為代表的現代計算技術行業在短短70年內發生著巨變。但是從最初的可編程電子管電子計算機，到當前具有幾萬個計算節點的超級計算機，都是以數學家約翰·馮·諾伊曼在20世紀40年代創建的計算機架構現身出來的。但是由于自身的局限性，“馮諾依曼瓶頸”已經成為計算技術進一步發展的阻礙。

雖然，在新型計算機結構及處理的研究上，人類已經取得了很多成果，如陣列機、流水機、向量機等，使計算速度有了很大提高，但就本質上仍無法克服馮·諾依曼機結構上的缺陷，因此探尋新型計算的步伐，一直沒有停止，其中認知計算就是新興的研究方向之一。

打造新的人機聯盟

對于計算技術而言，編程運算時代的使命之一是將人類任務自動化，而現在這個新時代則不同，是有關于將人類的能力微縮并放大，人與機器之間的界限將越來越模糊，兩者之間的協同效應將發光發熱。

眾所周知，人類的大腦的潛力是驚人的。但是當不斷增長的數據包圍人類自身時，人類的能力突然似乎很有限，然而未來的認知計算可以幫助拓寬人類認知的界限。

傳統的計算技術是定量的，并著重于精度和序列等級，而認知計算則試圖解決生物系統中不精確、不確定和部分真實的問題。認知計算不同于傳統的計算技術，它意味著更加自然的人機交互能力、不完全依賴于計算機指令的自主學習的能力、以數據為中心的新的計算模型等。認知計算是一個系統工程，是一個貫穿整個計算機軟硬件的整體創新。它的實現需要來自各個領域的科學家的共同努力和創新，包括：動態學習與推理、心理學和行為科學、決策支持、信息交互，以及芯片設計、計算機體系結構等。

通過使用視覺分析和數據可視化技術，認知計算機可以用在視覺上引人注目的方式顯示數據，啟發人類并幫助他們做決定。圖像識別和語音識別技術的使用，則可以使計算機理解非結構化數據，并且與人類流暢地互動。隨著認知計算發展走向深入，能令人類和計算機在認知系統時代強強聯合，完成更優秀的工作。

認知計算強調能夠與人類更加自然地展開互動，并不是按照程序運行，具有學習的能力并且能夠越用越“聰明”。認知計算是以數據為中心，而不是以處理器為中心。IBM中國研究院院長沈曉衛認為，認知計算代表著一個新紀元的到來，是人類自身能力的極大的擴展，認知計算的發展不是為了替代人腦，而是構建更加智慧的人機聯盟。

以IBM“沃森”計算機為代表的認知計算系統，通過對大數據進行實時運算和分析，能夠實現自主學習，并擁有類似人腦的能力，為人類應對大數據挑戰開啟了新的方向。這也就讓“沃森”能夠在“危險邊緣”這樣的智力競賽中脫穎而出。不過IBM的科學家認為，與參與智力競賽比，未來的認知計算系統應該具備自動推理并提出新的、假定的答案的能力，這才是真正的類似人類的“解決問題”的能力。

認知計算所具有的四大特性——輔助（Assistance）、理解（Understanding）、決策（Decision）、發現（Discovery），將是人類面對大數據時代的挑戰、做出智慧決策的保障。百科全書式的信息輔助和支撐，讓人類利用廣泛而深入的信息，輕松成為各個領域的“資深專家”；非凡的觀察和理解能力，幫助人類在紛繁信息中發現其內在的關聯和涌現的趨勢；快速決策能力，幫助人類定量地分析影響決策的方方面面，降低失誤，保障決策的精準性；發現及洞察能力，將實現從“演繹”到“歸納”的突破，真正讓機器具備類似人腦的“認知”能力，幫助人類發現當今計算技術無法發現的新洞察、新機遇及新價值。

激發更多前沿研究

認知計算是一個跨學科研究領域，涉及計算機科學、心理學、行為科學等眾多科學，也催生眾多新技術的發展。一些突破性、具有歷史貫穿性的基礎研發正在伴隨認知計算的發展。例如包括能夠打破馮·諾依曼架構的全新編程模式，它與傳統軟件存在顯著區別，打破了當今馮·諾依曼架構和計算機所依賴的順序運算模式，專門定制用于新型的分布式、高級互聯、異步、并行、大規模認知計算架構。

現代計算系統是在幾十年前依據預定義的程序設計完成的。它們雖然是快速精準的“會計師”，但傳統的計算機設計在功率和規模方面都存在局限性，在實時處理這個世界所生成的嘈雜的、模擬的、海量的大數據時會降低效力。相比之下，人腦雖然在運算速度和精準度上都相對較低，卻擅長執行識別、解釋和基于模式采取行動等任務，并且具有功耗僅、體積小的特點。

通過上述這種全新的編程模式，研究人員正在研究設計具有大腦功能及低功率、小體積、結構緊湊等架構特征的硅片。這項技術將允許用戶構建出能夠模擬人腦的感知、行動和認知能力的新一代智能傳感器網絡。這種基于可擴展的、互聯互通的、可配置的“神經突觸核心”網絡而構建的新穎的人腦級芯片架構，每核均提供緊緊靠在一起的內存（“神經節”）、處理器（“神經元”）和通信組件（“軸突”），采用由事件驅動的方式開展活動。這些芯片可作為平臺來模擬并且擴展人腦響應生物傳感器的能力，以及同時分析多個來源大量數據的能力。

據悉，為了構建并且推行這個全新生態系統，IBM的研究人員在模擬器、神經元模型、編程模型等方面進行了大量的研究，來支持從設計到開發、調試和部署的整個編程周期：

模擬器：多線程、大規模并行化、高可擴展的功能性軟件模擬器，能夠模擬由神經突觸核心網絡組成的認知計算架構；

神經元模型：簡單的、數字化的、高級參數化的尖峰神經元模型，構成了類似人腦計算系統的基本信息處理單元，支持廣泛的確定性和隨機性神經計算、編碼和行為。此類神經元網絡可以感知并且記住種類繁多的時空多模態環境刺激，并且據此采取行動；

編程模型：基于可以編排、可以復用、名為“corelets”的構建塊，對“程序”進行簡要說明。每個corelet都是代表某類基本功能的神經突觸核心網絡的完整藍圖。corelet將內部工作原理隱藏起來，只將外部輸入和輸出暴露給其他編程人員，以便他們能夠集中精力研究corelet能夠做什么而不是如何去做。多個Corelets結合在一起可以構建一個規模更大、結構更復雜、或者功能更豐富的全新corelets；

庫：認知系統存儲器，內含一致的、參數化的、大規模的算法和應用的設計與實施信息，可將大規模并行化多模態時空傳感器和制動器實時鏈接在一起；

Laboratory：新穎的教學課程表，覆蓋架構、神經元規范、芯片模擬器、編程語言、應用程序庫及原型設計模型等廣泛內容。還包括端到端的軟件環境，可用于創建corelets、接入程序庫、使用模擬器體驗各類程序、將模擬器的輸入/輸出與傳感器/制動器相連接、構建系統、顯示/調試結果。

認知計算的發展不是為了替代人腦，而是構建更加智慧的人機聯盟。