認知技術正在被用來解決世界上比較大的挑戰。本文介紹了企業是如何讓認知人工智能發揮作用的。

[[354944]]

所有行業的企業都對人工智能的潛力產生了濃厚興趣，以應對其最緊迫的挑戰。人工智能已經以其加速流程、簡化操作的能力而聞名于世，當然，也包括它比人類所能更快地處理大量數據的能力。當涉及到能夠獨立思考的系統時，這個現實可能會比你想象的要更加接近。

認知人工智能能夠以不同的格式吸收來自多個來源的數據，并權衡這些數據以形成見解。這類人工智能與其他人工智能的不同之處在于它模仿人腦工作方式的能力。認知人工智能系統是交互式的、情境化的，最重要的是，是適應性的，因為它們會隨著新信息的出現而動態的學習和進化。人工智能非但沒有取代人類，反而是被教導與人類一起工作，以幫助增強我們的工作或以其他的方式滿足需求。認知技術的早期采用者認為它們對他們組織的未來成功和實現數字化發展的能力是至關重要的。

要理解認知人工智能的商業影響，只需看看醫療保健行業就可以了。研究人員正在使用認知人工智能來分析血液樣本、新陳代謝、語音和語言模式以及筆跡，以了解與阿爾茨海默病相關的風險因素，從而開發出能夠比以前提前6年診斷出這種疾病的程序。一個由30家商業、醫療保健和研究機構組成的聯盟正在開發一個能夠識別腦腫瘤的認知人工智能模型。像MyndYou這樣的初創公司正在利用大腦來作為人工智能傳感器，幫助護理人員評估和監控老年患者，并提供了一個平臺來監控語音、行走和駕駛時間，以識別出能夠表明身體或認知能力正在退化的變化。有了這些科幻小說般的用例，難怪IDC預測2022年全球認知和人工智能系統的支出將達到776億美元了。

當然，認知人工智能在醫療保健領域還處于早期階段，隨著時間的推移，歷史將判斷它的長期成功。盡管如此，其早期跡象也是充滿希望和積極的，以至于我們已經可以從其他部門吸取一些早期的經驗教訓。通過檢查醫療保健領域認知人工智能的驅動因素和促進因素，特別是在研究層面，其他市場的企業也可以找到發展和改進自己業務流程的方法。

龐大數據集的需求和可用性

沒有大量的數據集，就沒有人工智能的立足之地，更不用說認知人工智能了--但其實現成的數據庫或電子表格就已經足夠了。在醫療保健領域，由于可穿戴設備和其他物聯網設備、醫學成像和實時數據生產的進步，醫療數據已經非常龐大了，到2025年將以36%的復合年增長率增長。醫療保健中認知人工智能的最大推動因素之一就是其生成的大量數據。使連接的系統能夠訪問已經存在的關于患者的聚集的匿名數據，使得認知人工智能能夠發現健康趨勢和模式，特別是在能夠與實時健康監控信息(例如來自可穿戴設備)和環境數據相結合時。

吸收不同的數據，提取見解，并將其轉化為可操作的情報是影響所有部門的常見數字挑戰。例如，在保險業，我們已經看到認知人工智能被用來收集大量的結構化和非結構化數據，以提高承保的準確性，遠程處理索賠，簡化操作，并降低成本。在未來，由于認知人工智能，我們所生成的數據流將可以與保險公司共享，以便根據我們的選擇自動調整保費，并根據所發生的事件來實時處理保險索賠。

情境為王

改善客戶體驗是采用認知技術比較大的驅動力之一。我們都很熟悉由算法來引導的零售體驗。我們會特別注意到它不起作用的時候，例如，當我們看到我們剛剛購買的東西的廣告時，我們就不太可能再買了。(我只需要一臺洗衣機，謝謝。)

相比之下，認知人工智能是一個更微妙的工具。以全球首個以患者為中心的腫瘤學平臺Navigating Cancer為例，它能夠支持100萬多名患者和數以千計的癌癥護理提供者，通過認知分析來推動更好的結果。智能分析有助于改善對“高危”患者的評估，降低患者成本，并加快整個流程。

零售業對認知人工智能的需求也很明顯，比如智能代理所能夠提供的24/7的客戶服務支持。認知技術帶來了超個性化、全渠道的客戶體驗，但這對于大多數零售商來說仍然是愿望多于現實。它還可以幫助零售商在超本地環境下做出明智的商業決策。例如，通過預測哪些商店將面臨困境并盡早的采取補救措施，或者通過對比，發現需求高峰，以便部署人員和貨物來滿足需求。

如何更快、更迅速、更聰明地工作

與其他行業一樣，醫療保健領域認知人工智能的最終主要驅動力也是盡可能實現自動化的壓力:簡化操作、降低成本和提高生產率。在醫療保健收入的生命周期管理中，許多流程仍然是手動的，而且基本沒有自動化。然而，一個以認知人工智能為基礎的系統則可以在醫生輸入筆記時實時簡化醫生的診斷，包括其余所需的后端流程，包括計費，而目前計費也占用了可能用于護理患者的時間。或者考慮一下醫院藥房目前是如何為大型醫院服務的。如今，處方將由人工智能引擎發送到最近的藥房，而不管它是否能夠及時的處理請求，因為這取決于人員配備、容量、庫存水平以及醫院其他部分的繁忙程度。

其他行業也正在利用認知人工智能所能提供的優勢組合:將大數據分析用于“繁重的工作”，包括對大量數據進行分類，再加上深度學習和神經網絡技術的運用，這些技術應用了人類的認知功能，并能夠不斷學習。例如，在銀行業，Eigen Technologies使用自然語言處理來從文檔中提取相關的含義，消除了重復的手動文檔處理。它的認知平臺能夠認識到在意義、語境和人類語言特質上的細微差別。

數據保護和匿名化

保護健康數據是至關重要的。可以理解的是，當談到如何使用云計算和大數據分析時，安全問題總是占據了議程的首位。企業也可以通過研究衛生部門如何克服認知人工智能采用的障礙來從衛生部門學到很多東西。認知計算的聯合性、匿名性使得它特別擅長于保護數據隱私、圍繞數據保護的法律以及任何需要遵守的行業特定法規。

在監管最嚴格的行業中，云計算服務的進步推動了醫療保健對認知技術的采用，例如HIPAA和符合GDPR標準的平臺的增長。同樣，在金融服務等行業，認知人工智能也正被用于篩選金融數據，從而大幅提高反洗錢(AML)調查或實時識別欺詐性信用卡交易的速度和準確性。其他受到高度監管的行業也正在逐漸認識到認知技術在提高系統性能、降低風險和增強安全性方面的優勢。

具有諷刺意味的是，醫療保健市場本身也許是模仿認知人工智能早期成功的不錯選擇。但在研究機構之外和離病人更近的地方，認知人工智能還相對未被開發。在過去的幾個月里，為了應對大流行，COVID-19以外的病人護理幾乎一夜之間就轉變成了遠程醫療。隨著醫生和病人之間的地理距離越來越大，意味著本地環境也開始變得模糊或完全消失了。在未來，這種差距可以通過認知人工智能系統來進行填補，以作為對醫療從業者的支持。

例如，如果許多病人開始出現呼吸道癥狀，醫生會檢查病人的記錄，并考慮諸如哮喘、過敏或任何其他疾病的原因，當然也包括每個人心中的疾病，COVID-19。在這種情況下，人工智能系統將能夠解析來自其他來源的信息，以突出可能的原因。例如，該地區是否發生了森林火災，這是否可能導致了呼吸系統疾病的增加?該地區的花粉數量是否特別高?或者是與傳染病傳播有關?人工智能有潛力幫助回答這些和更多的問題，使得醫療保健提供商能夠提供更細致入微、個性化和全面的意見。

合乎倫理的使用AI技術

雖然人工智能和機器人技術可以在許多方面提供幫助，并讓企業對其好處感到興奮，但理性思考人工智能技術的使用和影響是很重要的。企業需要在開發某項配備人工智能的技術的理念中融入倫理觀念。回顧人工智能技術的成果是很重要的，這樣才能完全理解它的行為，并確保它不會違反我們人類的道德準則，或者至少是你的企業價值。記住，僅僅因為我們可以，并不意味著我們應該。

我們正處在“認知時代”的風口浪尖上。很難去過分強調認知系統對企業的戰略重要性。早期采用認知技術的人通常不僅會提到快速的投資回報率，而且還會提到認知對公司戰略愿景和競爭力的重要性。總之，認知人工智能正在幫助解決世界上最嚴峻的挑戰，并在這樣做的過程中，重新想象我們所認知的數字時代。不久之后，任何地方都不會有一家企業能夠逃脫與認知計算相關的正面或負面干擾。

人工智能的發展速度比你想象的要快。而現在正是計劃、試驗和采用人工智能來實現其全部潛力的時候了。