認知計算是通過與人的自然語言交流及不斷地學習,，從而幫助人們做到更多的系統(tǒng),，是從硬件架構(gòu)到算法策略、從程序設(shè)計到行業(yè)專長等多個學術(shù)領(lǐng)域的結(jié)合,，能夠使人們更好地從海量復(fù)雜的數(shù)據(jù)中獲得更多洞察,，從而做出更為精準的決策。

　　在IBM,，我們把它簡化歸納為,，具備規(guī)模化學習,、根據(jù)目標推理以及與人類自然互動能力的系統(tǒng),。

　　認知計算與人工智能的區(qū)別是什么？

　　雖然認知計算包括人工智能的一些要素,，但前者是一個更寬泛的概念,。認知計算不是制造“為人們思考”的機器，而是與“增加人類智慧”有關(guān),，能夠幫助我們更好地思考和做出更為全面的決定,。

　　人工智能的概念已經(jīng)有二十多年了，人工智能從歷史和研究角度來講主要目的是為了讓機器人表現(xiàn)得“更像人”，我們稱之為Intelligent Behavior,。

　　IBM的認知計算從技術(shù)角度上來講和人工智能是有很多共性的地方,，比如機器學習（MachineLearning）、深度學習（DeepLearning）等方面都很類似,。

　　但是,，IBM的認知計算目的并不是為了取代人，而IntelligentBehavior也只是認知計算的一個維度,。認知計算除了要能夠表現(xiàn)人和計算機的交互更加自然流暢之外,，還會更多地強調(diào)推理和學習，以及如何把這樣的能力結(jié)合具體的商業(yè)應(yīng)用,、解決商業(yè)的問題,。

　　認知計算和大數(shù)據(jù)分析有何區(qū)別？

　　大數(shù)據(jù)分析屬于認知計算的一個維度,。與大數(shù)據(jù)相比,，認知計算的范圍更廣、技術(shù)也更為先進,。

　　認知計算和大數(shù)據(jù)分析有類似的技術(shù),，比如大量的數(shù)據(jù)、機器學習（MachineLearning）,、行業(yè)模型等,，大數(shù)據(jù)分析更多強調(diào)的是獲得洞察，通過這些洞察進行預(yù)測,。此外，傳統(tǒng)的大數(shù)據(jù)分析會使用模型或者機器學習的方法,，但更多的是靠專家提供,。

　　對于認知計算而言，洞察和預(yù)測只是其中的一種,。但是,，認知計算更為強調(diào)人和機器之間自然的交互，這些維度都不是傳統(tǒng)的大數(shù)據(jù)分析所強調(diào),。

　　此外,，認知計算目前成長很快的一個領(lǐng)域為深度學習（DeepLearning），它的學習方法與傳統(tǒng)方法不同,，更多的是基于大量的數(shù)據(jù)通過自學的方式得到這樣的模型,，而不需要很多的人為干預(yù)，這個從學習方法來講和大數(shù)據(jù)分析有很多不同的地方,。