1955年，當人工智能這個(gè)詞首次被提出來(lái)時(shí)，不出所料地點(diǎn)燃了公眾的想象力。在接下來(lái)的60年里，我們有好幾次都被它的前景所吸引，擔心它的潛力被濫用，但又為它的發(fā)展緩慢而沮喪。
然而，正如所有孕育得過(guò)早、超越了當前時(shí)代的先進(jìn)科技一樣，人工智能遭到了廣泛的誤解——被好萊塢電影錯誤地詮釋、被媒體曲解為各種各樣的角色，從人類(lèi)的拯救者到毀滅者，應有盡有。但那些真正參與到業(yè)界的嚴肅信息科學(xué)研究和應用的人卻很理解智能系統的巨大潛能。這種技術(shù)（我們相信那將是「認知智能」而非「人工智能」）的 未來(lái)與大眾冠以AI的名頭大不一樣，將涉及各種各樣的、來(lái)自技術(shù)、科學(xué)和社會(huì )的挑戰與機遇，面臨不同的監管、政策和管理需要。
認知計算是指一種能夠規模化學(xué)習、有目的推理、并與人類(lèi)自然交互的系統。它們不需要事先精確地編程，而是從它們與我們之間的交互和與環(huán)境之間的互動(dòng)中學(xué)習和推理。過(guò)去半個(gè)世紀中，多個(gè)科學(xué)領(lǐng)域的發(fā)展使這些事情變得可能，它們與那些運行著(zhù)它們的信息系統有著(zhù)重要的區別。
那些信息系統是決定論的，而認知系統是概率性的。認知系統不僅能回答大量的問(wèn)題，還能對更加復雜（且有意義）的數據提出假說(shuō)、推理論述和建議。
此外，認知系統還能理解計算機科學(xué)家稱(chēng)之為「非結構化」的數據，而這些數據占到了全世界數據的80%。這使得它們能夠跟上現代世界巨量、復雜和不可預測的信息。
這些與機器的感覺(jué)能力和自主性都沒(méi)有任何關(guān)系。相反，它能夠增強人類(lèi)的能力，讓我們可以理解和運作社會(huì )中復雜的系統。這種增強智能對提升我們駕馭科技的能力是十分必要的一步，讓我們能追尋更多知識、提升我們的能力和改善人類(lèi)的境況。這就是為什么它不僅是一種新科技，還是科技、商業(yè)和社會(huì )新紀元——認知時(shí)代的黎明。
認知計算的成功并不以圖靈測試或模擬人類(lèi)的能力作為判斷標準。它的標準更加實(shí)際，例如投資報酬率、新的市場(chǎng)機會(huì )、治療疾病和拯救生命。
在IBM，為建立認知計算的基礎，我們已經(jīng)工作了數十年，將前沿計算機科學(xué)領(lǐng)域的十幾個(gè)學(xué)科與這個(gè)100多年的商業(yè)專(zhuān)家結合起來(lái)。現在，我們正在親眼目睹它在改變商業(yè)、政府和社會(huì )方面的巨大潛力。
我們已經(jīng)看到，它將大數據從障礙變成機會(huì )，幫助兒科醫生做出早期診斷，為建設智慧城市提供創(chuàng )新解決方案。我們相信，這些技術(shù)展現了最好的（或許也是唯一的）機會(huì )，去處理地球面臨的一些最持久的系統性問(wèn)題，例如癌癥、氣候變化和復雜多變的全球經(jīng)濟形勢。
計算的歷史與認知的崛起
為了理解認知計算的未來(lái)，必須把它放到歷史的語(yǔ)境中。
到今天為止，我們經(jīng)歷過(guò)兩個(gè)不同的計算時(shí)代——制表時(shí)代和編程時(shí)代。IBM在這兩個(gè)時(shí)代中都扮演了重要的角色。我們相信，在計算演化史中，認知計算是第三個(gè)、也是最具有轉折意義的時(shí)代。
制表時(shí)代 (1900-1940年代)
計算機起源于一種單一計數用途的機械系統，這種系統用打孔卡來(lái)輸入和存儲數據，最終決定這個(gè)機器要做的事情 (雖然是以一種非常原始的方式)。這些制表機本質(zhì)上是一種計算器，支持了商業(yè)和社會(huì )規模的擴大，幫助我們組織、理解以及管理從人口增長(cháng)到全球經(jīng)濟進(jìn)步等的各種事情。
編程時(shí)代 (1950年代-現在)
在二戰的時(shí)候，隨著(zhù)軍事和科學(xué)的需要，從機械制表機到電子系統的演變開(kāi)始了。在戰爭之后，數碼「計算機」經(jīng)歷了快速演化，逐漸進(jìn)入商業(yè)和政府。它們可以根據軟件中的程序來(lái)進(jìn)行 如果/就 的操作以及循環(huán)。從最開(kāi)始的電子管到晶體管，再到微處理器，計算機的性能得到了迅速提升，這一發(fā)展過(guò)程驗證了「摩爾定律」，在60年間，每18個(gè)月處理器的容量和速度就提升一倍。所有我們知道的計算設備，從大型主機到個(gè)人電腦，再到智能手機和平板，都是可編程的計算機。
認知時(shí)代 (2011-)
早在1960年，J.C.R. Licklider就在他的論文「人-機共生」中 提出了 超越可編程系統的潛在可能性。現代計算的很大部分都是基于LickLider的研究以及他的深刻見(jiàn)解：
「人-機共生」是在人類(lèi)與電子計算機之間發(fā)生的共生關(guān)系，是人機關(guān)系間可以預見(jiàn)的發(fā)展。這種關(guān)系包含人類(lèi)與電子伙伴強耦合關(guān)系。主要目的是：
像為解決規劃難題提供便利一樣， 也讓計算機為規劃思維提供便利。
在不依賴(lài)于不靈活的預定義程序的情況下，讓人與計算機能夠協(xié)作決策，控制復雜情況。
初步分析表明，與人類(lèi)單獨進(jìn)行智能操作相比，共生關(guān)系將會(huì )更有效。
——J.C.R. Licklider，「人機共生」，1960年3月
Licklider知道，認知計算將是程序化計算的必要的自然演化，雖然他并不知道這個(gè)目標如何實(shí)現。50年后，大規模并行計算以及浩如煙海的結構化與非結構化數據的積累，為認知計算奠定了基礎。
世界首個(gè)認知系統
在2011年2月，Watson項目首次公開(kāi)，Watson是IBM開(kāi)發(fā)的認知計算系統，它在Jeopardy！節目中戰勝了肯·詹寧斯和布拉德·魯特爾。這是首次面向公眾證實(shí)認知計算，標志著(zhù)所謂AI寒冬的終結。可編程系統在之前60年的演化中并未能夠理解混亂的非結構化數據，因此也參加不了Jeopardy！節目。Watson能夠回答微妙、復雜、語(yǔ)義雙關(guān)問(wèn)題，顯然，計算新紀元即將開(kāi)啟。
節目之后，Watson繼續處理了更多的復雜數據集，在解謎之外，它發(fā)展出了理解、推理以及學(xué)習的能力。認知計算的目標就是照亮以往在我們世界中不為人知的部分——具體來(lái)說(shuō)就是潛藏在非結構化數據中的模式和洞察——使得我們能夠對更重要的事情做出更明智的決策。認知時(shí)代的真正潛力將會(huì )是機器的數據分析、統計推斷能力，以及人類(lèi)特殊能力，比如自我引導的目標、常識和價(jià)值觀(guān)。
這正是Watson被賦予的使命，也是它正在嘗試做的事情。銀行正在分析客戶(hù)要求和金融數據，幫助自己更好地做出投資決策。高度監管產(chǎn)業(yè)中的企業(yè)不斷在系統中查詢(xún)，保證自己跟上經(jīng)常變化的監管和合規標準。腫瘤學(xué)家利用專(zhuān)家經(jīng)驗和研究手段，測試認知系統能否幫助他們理解癌癥患者醫療信息，找到個(gè)體化、循證的治療方案。
這樣的經(jīng)歷對于牽涉其中的專(zhuān)業(yè)人士來(lái)說(shuō)意味著(zhù)什么？世界知名的腫瘤學(xué)家，紀念斯隆-凱特琳癌癥中心的Larry Norton博士正與Watson合作幫助內科醫生對患者進(jìn)行個(gè)性化癌癥治療。他說(shuō)：「計算機科學(xué)發(fā)展迅猛，醫療事業(yè)也會(huì )受其影響。這被稱(chēng)為協(xié)同進(jìn)化（coevolution）。我們要互幫互助。我預想這樣的場(chǎng)景：病人、電腦、我的護士、我的研究生同事還有我自己都在監察室一起交流。」
在Watson的象棋博弈前輩Deep Blue在1997年擊敗世界象棋冠軍Garry Kasparov之后，我們首次看到這種共生的跡象。在那次演示之后，Kasparov繼續參加這種新「自由式」的象棋聯(lián)賽，在其中，選手們可以自由地使用任何他們喜歡的計算機程序。在這些聯(lián)賽中，一些選手孤身奮戰。一些完全依賴(lài)于計算機程序。但那些將計算機與他們自身的直覺(jué)和比賽天賦相結合的選手是最成功的。
「機器與人相配合的團隊甚至比最強大的計算機更具優(yōu)勢。人類(lèi)策略上的指導與計算機戰術(shù)上的敏銳結合起來(lái)是所向披靡的。我們可以集中精力于策略規劃而不是把那么多時(shí)間花費在計算上。在這些情況下，人類(lèi)的創(chuàng )造力是最重要的。」
——加里·卡斯帕羅夫
前行的技術(shù)之路與何以可能的科學(xué)
當Licklider為認知計算幫忙想出一種哲學(xué)方法時(shí)，他幾乎無(wú)法表達出前行的技術(shù)進(jìn)路。那條道路仍在被定義，不斷調整。尤其是，我們敏銳地意識到數據正怎樣塑造著(zhù)我們的未來(lái)。Gartner預計世界的信息將增長(cháng)800%在未來(lái)5年，而且80%的數據是非結構化的。包括人類(lèi)語(yǔ)言記載下的每一件事（從教科書(shū)到詩(shī)歌），圖片捕捉到每一個(gè)瞬間（CAT掃描每個(gè)家庭照片）以及聲音記錄下的每條信息。它是隱藏在氣味、味道、文本和振動(dòng)中的數據。它來(lái)自我們的活動(dòng)，來(lái)自這個(gè)布滿(mǎn)儀器的星球。
在價(jià)值日益源于信息、知識和服務(wù)的社會(huì )和全球經(jīng)濟中，數據代表著(zhù)這個(gè)世界上最富有，最具價(jià)值，最復雜的原材料。直到現在，我們還沒(méi)有方法對它進(jìn)行有效開(kāi)采。
可編程系統基于這樣的規則：通過(guò)一系列預先設定的進(jìn)程，從數據中得出結論。盡管它們強大而復雜，也是決定論的——其繁榮建立在結構化數據之上，但是無(wú)法處理定性或不可預見(jiàn)的輸入。面對正在興起的充滿(mǎn)模糊和不確定性復雜新世界中的眾多方面，這種死板束縛住了它們的拳腳。
認知系統是基于概率的，意味著(zhù)它們被設計成去適應和理解非結構化語(yǔ)言的復雜性和不可預測性。他們可以「讀」文本、「看」圖像、「聽(tīng)」自然語(yǔ)音。它們闡釋那些信息，整理它以及提供他們意思的解釋?zhuān)�伴有它們結論的基本原理。他們不提供最終的答案。事實(shí)上，他們并不「知道」答案。相反，它們被設計成從多個(gè)來(lái)源中去衡量信息和想法，去推理，然后提供假說(shuō)以供參考。一個(gè)認知系統給每個(gè)有潛力的洞見(jiàn)或答案分配一個(gè)自信水平。
Watson在 Jeopardy！中犯的一個(gè)錯誤就是例證。在第一天的比賽將結束時(shí)， 「Final Jeopardy」的類(lèi)目是「美國城市」。線(xiàn)索是「以二戰英雄命名的最大的機場(chǎng)；二戰的戰役中第二大的。」答案是芝加哥（O’Hare 和 Midway）。Watson猜測為多倫多。Watson困惑于這個(gè)問(wèn)題有很多原因，包括它的語(yǔ)法結構，在伊利諾斯州有一個(gè)城市叫Toronto并且Toronto Blue Jays在美國棒球聯(lián)盟中打棒球。
結果，Watson自信水平出奇得低:14%。如果這是Jeopardy！常規線(xiàn)索，而不是「Final Jeopardy」階段的線(xiàn)索，參賽選手很可能會(huì )響鈴，但是Watson不會(huì )響鈴，因為答案自信水平太低。Watson知道哪些事情是它不知道的，圖2中的5個(gè)問(wèn)號暗示了這一點(diǎn)。
然而，認知系統能夠從錯誤中學(xué)習。通過(guò)大規模機器學(xué)習，認知系統能從訓練和運用中不斷得以改善。
消化語(yǔ)料庫知識，根據任何給定主題接受專(zhuān)家訓練，認知系統可以通過(guò)一系列Q&A的方式得以訓練。人與系統互動(dòng)，就系統反饋的正確性做出反應將會(huì )提升機器的「知識」。
當Watson參加Jeopardy！時(shí)，它完成了一件事——以五種技術(shù)為基礎的自然語(yǔ)言Q&A。今天，Q&A僅為Watson眾多以API方式提供的功能之一。打那以后，我們已經(jīng)研發(fā)出多達20多個(gè)新的API，采用了50多種不同認知技術(shù)。這也是認知計算的技術(shù)進(jìn)路和當前人工智能進(jìn)路的關(guān)鍵區別。認知計算并不是計算機科學(xué)的孤立領(lǐng)域。需要許多學(xué)科知識，從硬件架構，算法策略，工業(yè)流程設計到行業(yè)專(zhuān)長(cháng)。
我們每天使用的許多產(chǎn)品和服務(wù)——從搜索引擎廣告應用，社交媒體網(wǎng)站面部識別到「智能」汽車(chē)，電話(huà)和電網(wǎng)——正在見(jiàn)證人工智能的方方面面。
絕大多數人工智能產(chǎn)品和服務(wù)都是為了實(shí)現某種功能目的，側重應用，專(zhuān)為某種特定服務(wù)而設。它們使用了一些認知計算的核心功能。一些使用了文本挖掘技術(shù)。其他的采用機器學(xué)習進(jìn)行圖像識別。所有的產(chǎn)品和服務(wù)都局限于最初打造它們的構想。
相反，認知系統有五個(gè)核心功能：
1.與人的接觸更加深入。
人們與系統的互動(dòng)更加充分，這種互動(dòng)是以每個(gè)人偏好的模式、形式以及質(zhì)量為基礎的。它們充分利用搜集到的數據創(chuàng )造出有關(guān)個(gè)體的精細畫(huà)面——比如，地理位置數據，網(wǎng)頁(yè)互動(dòng)，交易歷史，鐘愛(ài)節目的模式，可穿戴設備數據和電子醫療記錄——并為這幅圖景添加一些很難察覺(jué)的細節：品味，情緒，情感狀態(tài)，環(huán)境條件以及人際關(guān)系本質(zhì)和強弱。從所有結構和非結構數據中進(jìn)行推理，找出什么才是人際交流中重要的東西。通過(guò)不斷學(xué)習，這些接觸交流將傳遞出越來(lái)越大的價(jià)值，也會(huì )變得更加自然，有預見(jiàn)性，情感也會(huì )拿捏適中。
2.規模化和提高專(zhuān)業(yè)技能：
各種工業(yè)知識和專(zhuān)業(yè)知識正在以任何專(zhuān)家不能趕上的速度迅速膨脹——雜志、新協(xié)議、新立法、新實(shí)踐和嶄新的領(lǐng)域。醫療保健中有一個(gè)明顯的例子，在1950年，人們預測全世界醫學(xué)知識翻一番需要50年時(shí)間；到了1980年，時(shí)間縮短為7年；2015年，不超過(guò)3年。與此同時(shí)，個(gè)人一生能產(chǎn)生一百萬(wàn)GB的健康數據，相當于3億本書(shū)。
為了幫助組織機構跟上步伐，人們設計了認知系統，它能作為專(zhuān)家的伙伴以提高他們的業(yè)績(jì)。由于這些系統掌握了專(zhuān)業(yè)術(shù)語(yǔ)——醫學(xué)、銷(xiāo)售和烹調等術(shù)語(yǔ)——他們能夠理解和傳授復雜的專(zhuān)業(yè)技能。縮短了由內行變?yōu)閷?zhuān)家所需的時(shí)間。另外，由于這些系統是由領(lǐng)先的從業(yè)人員訓練的——不論是顧客服務(wù)，腫瘤診斷，還是判例法等任何行業(yè)——系統就能讓很多人獲取這些領(lǐng)先人士的秘訣。
3.用認知融合產(chǎn)品和服務(wù)：
認知技術(shù)讓感受、推斷和了解用戶(hù)和周?chē)澜绲男乱活?lèi)產(chǎn)品和服務(wù)成為可能。持續改善和適應，增強功能以推出未曾想到的新用法，也因此成為可能。在汽車(chē)、醫療設備、器具和玩具行業(yè)，這些正在發(fā)生。物聯(lián)網(wǎng)正在急劇拓展全球的數字產(chǎn)品和服務(wù)——哪里有代碼和數據，哪里就有認知技術(shù)的用武之地。
4.認知運營(yíng)成為可能：
認知也能轉變公司運營(yíng)的方式。 融合認知功能的商業(yè)運營(yíng)，能將內外資源中的數據表象化為財富。 它讓公司重視工作流程、文本和環(huán)境，這有利于持續性學(xué)習、改善預測和提高運營(yíng)效率——以當今的數據流動(dòng)速度做出決策。在這樣的領(lǐng)域，比如市值平均10億美元的公司每周花1，000人的工作時(shí)間用于供應商管理，這就是個(gè)好消息。
5.提升探索發(fā)現：
最終，認知商業(yè)將會(huì )擁有的最強工具是好得多的、可以照亮日益復雜又不穩定未來(lái)的「前燈」。
隨著(zhù)各行各業(yè)的領(lǐng)軍人物爭相在藥物研發(fā)、復雜經(jīng)濟模型、材料科學(xué)、初創(chuàng )公司上放上大籌碼，這樣的「前燈」變得越來(lái)越重要。把認知技術(shù)運用到大數據上，領(lǐng)軍人物能找到規律、機會(huì )和可執行的假設，僅僅通過(guò)傳統研究或可編程系統，幾乎不可能發(fā)現這些。
假如能像設想的那樣實(shí)現認知計算，那么，底層平臺必須足夠寬廣、足夠柔性，以便在各行各業(yè)得到運用，它還必須支持跨行業(yè)運用。這需要一種全盤(pán)的研發(fā)進(jìn)路，旨在打造一個(gè)強健的平臺，它有許多功能可以支持來(lái)自開(kāi)發(fā)者生態(tài)圈各種各樣的應用。
這個(gè)平臺必須涵蓋機器學(xué)習、推理、自然語(yǔ)言處理、語(yǔ)音和圖像識別、人機交互和對話(huà)和敘述生成等等。許多功能要求運用高性能計算，專(zhuān)門(mén)的硬件結構，甚至是新的計算范例這樣的專(zhuān)業(yè)基礎設施。每種技術(shù)都源自自身科技或學(xué)術(shù)領(lǐng)域。但是，這些技術(shù)必須和支持認知結果的硬件、軟件、云平臺和應用協(xié)同發(fā)展。
隨著(zhù)沃森的迅速演化，未來(lái)可能已初見(jiàn)端倪。舉個(gè)例子，一種分析X光，MRIs和超聲波圖像的認知醫學(xué)圖像應用，它能處理醫學(xué)期刊、書(shū)本和文章的自然語(yǔ)言。它利用機器學(xué)習來(lái)矯正和增強理解力。它還可以開(kāi)發(fā)深度知識表征和推理，有助于形成可能的診斷結果。為此，需要專(zhuān)門(mén)圖像處理器來(lái)支持大規模數據和人類(lèi)專(zhuān)業(yè)知識，指導系統學(xué)習， 解讀系統生成的結果。
這種新模型的威力能用到任何領(lǐng)域。油氣公司能把地震圖像數據和對成千上萬(wàn)的論文、報告、時(shí)事、經(jīng)濟數據和天氣預報的分析結合到一起，為開(kāi)采提供風(fēng)險回報分析。或者，通過(guò)分析測試成績(jì)、出勤率和數字學(xué)習平臺上學(xué)生行為信息，學(xué)校能建立縱向的學(xué)生檔案和個(gè)性化教育計劃。
IBM正在與多個(gè)領(lǐng)先的癌癥研究機構合作，加快臨床識別，為患者提供個(gè)性化治療方案。它也被認為是短期內最有前途的認知計算應用之一。該計劃旨在減少醫學(xué)解讀DNA的時(shí)間，了解個(gè)人遺傳信息，從醫學(xué)文獻搜集相關(guān)資料的時(shí)間從幾周變?yōu)閹追昼姟Ｓ纱水a(chǎn)生的分析結果使醫生能夠針對任意患者特定的癌基因突變做出診斷。只需幾分鐘，Watson就能完成遺傳物質(zhì)和醫學(xué)文獻的審查過(guò)程，產(chǎn)生一份可視化數據的報告，并以循證醫學(xué)為基礎，綜合患者個(gè)人獨特的基因提供可行的藥物方案。臨床醫生可以評估這些證據，以確定它的療效是否會(huì )比標準方案更有針對性。
前沿認知科學(xué)的含義和義務(wù)
認知時(shí)代（The Cognitive Era）是應用型科學(xué)發(fā)展的下一步，它幫助人類(lèi)理解自然并改善人類(lèi)的生存狀況。在此意義下，它是一個(gè)老故事開(kāi)啟新篇章。圍繞人工智能的爭論只是其中一個(gè)最新的例子，是相信科學(xué)進(jìn)步的人和那些害怕它的人之間古老爭論的延續。與媒體和流行娛樂(lè )界的爭論相反，在科學(xué)領(lǐng)域，裁決已定。追求認知性未來(lái)已成為廣泛共識，人們也普遍認識有必要承擔技術(shù)責任。
「技術(shù)創(chuàng )造可能性和潛力，但最終，我們的未來(lái)將取決于我們做出的選擇。我命在我，不在技術(shù)。」
——Erik Brynjolfsson，MIT（麻省理工學(xué)院，經(jīng)濟學(xué)著(zhù)名教授）
具體而言，我們會(huì )繼續型塑認知計算對工作和就業(yè)的影響。與所有技術(shù)一樣，認知計算將改變人們的工作性質(zhì)。這將有助于我們更快速、更準確地執行一些任務(wù)。許多處理過(guò)程會(huì )更便宜，更有效。某些事，它甚至會(huì )比人類(lèi)做的更好。這也是自文明誕生以來(lái)一直發(fā)生的情況：新技術(shù)被發(fā)現具有更高的價(jià)值，它讓我們的社會(huì )和生活得以適應和進(jìn)化。所以，我們有理由相信，此時(shí)此刻的情況與以往是一致的。事實(shí)上，認知時(shí)代會(huì )為人類(lèi)開(kāi)啟一個(gè)知識、發(fā)現、機會(huì )都以指數級速度增長(cháng)的世界。我們也有充分的理由相信，人類(lèi)的工作將變得越來(lái)越有趣，也更具有挑戰性和價(jià)值。
同時(shí)，社會(huì )的控制和保障也一樣重要。對于智能系統的擔憂(yōu)再一次適用于此。從汽車(chē)、藥品到手機，每一項技術(shù)的轉換都會(huì )涉及個(gè)人和機構的安全問(wèn)題。這些問(wèn)題已經(jīng)刻不容緩，也將繼續與認知技術(shù)發(fā)展如影隨形。這些問(wèn)題已經(jīng)被今天激進(jìn)的技術(shù)民主化（網(wǎng)絡(luò )和云端的快速傳播是背后的驅動(dòng)力）以及隨之而來(lái)的成本削減所點(diǎn)燃。
我們相信，答案不是試圖限制民主化，而是要擁抱它，同時(shí)設計出融合隱私、安全和人工控制的認知系統。
為下一代人類(lèi)的認知鋪平道路
最后，所有的技術(shù)革命不僅是被發(fā)現的，而且是由商業(yè)和社會(huì )需求推動(dòng)的。我們追求這些新的可能性并不只是因為我們有能力，而是因為我們有所求。
每一項革命性的技術(shù)，由于世界的復雜性和我們自己根深蒂固的偏見(jiàn)和方法，我們最初對它們的理解都是有限的。然而，所有的限制必然會(huì )被進(jìn)展所突破。事實(shí)上，我們一直在為不知道付出昂貴的代價(jià)：我們不知道患者的病因出在哪里；不知道產(chǎn)品的消費者在哪里；不知道重要的自然資源藏在在哪里；不知道每一項的投資風(fēng)險在哪里。
「行為明智的最大障礙是無(wú)知，它也是恐懼的最大來(lái)源。小小的蠟燭會(huì )發(fā)出誤導性的微弱光線(xiàn)，投射出巨大而不詳的陰影。正午陽(yáng)光光線(xiàn)明亮，不會(huì )投下一絲陰影。是時(shí)候將這整個(gè)人與機器的難題置于耀眼的正午陽(yáng)光之下了。計算機永遠不會(huì )剝奪人的主動(dòng)權，也不會(huì )取代人類(lèi)的創(chuàng )造性思維。計算機會(huì )把人類(lèi)從低級的重復性思考中解放出來(lái)，讓人類(lèi)更加充分利用理性，創(chuàng )造更多機會(huì )。」
——Thomas Watson Jr （小托馬斯.沃森，IBM第二代總裁）
在IBM，我們相信，世界上的許多難題終將得到解決。借助認知計算，我們會(huì )實(shí)現這一宏偉目標。
炒作「人機大戰」的戲碼會(huì )讓我們偏離主題，這些戲碼只存在于那些激動(dòng)人心卻很具誤導性的小說(shuō)里。現在的認知系統不是我們的競爭對手，將來(lái)也不會(huì )是。科學(xué)和經(jīng)濟學(xué)的證據都不支持這種恐懼。真正的認知系統實(shí)際是一種深化重要關(guān)系的工具——人與世界的關(guān)系。
通過(guò)它們，我們將為下一代人的認知鋪平道路。我們能用嶄新而有力的方式思考和推理。認知系統是真正靈感源于人類(lèi)大腦的機器。同樣的，這些機器也會(huì )真正激發(fā)人的大腦，提高我們的理性能力，改變我們的學(xué)習方式。在21世紀，知道所有的答案不能稱(chēng)得上智慧，但提出更好的問(wèn)題才算真正的天才。
