今天，全世界都在關(guān)注工業(yè)4.0及其帶來的技術(shù)。從人工智能(AI)到大數(shù)據(jù)分析(BigDataAnalytics)，所有的技術(shù)都在某種程度上改變著一個(gè)或多個(gè)行業(yè)。AI支持的認(rèn)知計(jì)算技術(shù)就是這樣一種技術(shù)，它提供高規(guī)模的自動(dòng)化和無處不在的連接。更重要的是，它正在重新定義物聯(lián)網(wǎng)技術(shù)的運(yùn)作方式。

物聯(lián)網(wǎng)對(duì)認(rèn)知計(jì)算的需求源于信息在當(dāng)今商業(yè)中的重要性。在未來美好的物聯(lián)網(wǎng)環(huán)境中。從新的人工智能服務(wù)公司到企業(yè)，每個(gè)人都利用這些信息，利用現(xiàn)實(shí)而不是沖動(dòng)做出選擇。

認(rèn)知計(jì)算使用信息，并對(duì)其內(nèi)部的變化作出反應(yīng)，以決定更好的選擇。它基于從過去的經(jīng)驗(yàn)、對(duì)比和基于標(biāo)準(zhǔn)的選擇框架中獲得的明確結(jié)果。

此外，在這場激烈的變革中，大多數(shù)時(shí)候出現(xiàn)的問題是如何使用新的數(shù)據(jù)源，將它們與企業(yè)已經(jīng)擁有的數(shù)據(jù)結(jié)合起來，以創(chuàng)造有價(jià)值的見解。讓我們以IBM去年收購的TheWeatherCompany為例。收集的數(shù)據(jù)與利用Watson的認(rèn)知能力來研究過去和現(xiàn)在的數(shù)據(jù)，并得出見解。過去不可能做到這一點(diǎn)。

分析公司高德納(Gartner)預(yù)測(cè)，2016年全球?qū)⑹褂?4億臺(tái)聯(lián)網(wǎng)設(shè)備，到2020年將達(dá)到208億臺(tái)。但這些設(shè)備中有很多都是相對(duì)笨拙，包括健身追蹤器、連接揚(yáng)聲器和攝像頭。物聯(lián)網(wǎng)設(shè)備的真正價(jià)值可能來自于備份與認(rèn)知計(jì)算系統(tǒng)的數(shù)據(jù)連接。這將使連接的設(shè)備從嚴(yán)格生成數(shù)據(jù)的設(shè)備轉(zhuǎn)變?yōu)楦呓换バ缘脑O(shè)備。

托馬斯·杰斐遜大學(xué)醫(yī)院正在使用類似的方法來幫助改善病人的體驗(yàn)。衛(wèi)生系統(tǒng)最近推出了一個(gè)揚(yáng)聲器和麥克風(fēng)系統(tǒng)，可以嵌入病人的房間。病人可以就醫(yī)院的服務(wù)或控制房間供暖、制冷、照明和娛樂系統(tǒng)的命令提出問題。

該系統(tǒng)基于Watson的NLP和分類器引擎構(gòu)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(diào)和娛樂系統(tǒng)相結(jié)合，采取行動(dòng)。衛(wèi)生系統(tǒng)目前正在訓(xùn)練處理語音命令的機(jī)器學(xué)習(xí)算法，一旦達(dá)到處理請(qǐng)求90%以上的準(zhǔn)確率，就會(huì)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(tǒng)與IBMWatson認(rèn)知計(jì)算系統(tǒng)之間的新連接。新平臺(tái)允許用戶設(shè)置在特定行程中完成任務(wù)的提醒，在上班途中接收交通警報(bào)，或從儀表板系統(tǒng)支付汽油費(fèi)。這些服務(wù)在后端與Watson綁定，并了解司機(jī)的習(xí)慣，以便隨著時(shí)間的推移提供更個(gè)性化的建議和服務(wù)。