要想理解认知打算，首先该当辨析认知打算与人工智能的关系。
让我们从本世纪第二个10年中两场轰动天下的人机大赛提及。

一场人机大赛发生在2011年2月，IBM旗下的沃森系统在美国最受欢迎的智力问答电视节目《危险边缘》中亮相，并终极打败了两位人类冠军对手布拉德·鲁特尔和肯·詹宁斯，夺得第一名。
《危险边缘》的比赛以一种独特的问答形式进行，问题设置的涵盖面非常广泛，涉及历史、文学、艺术、盛行文化、科技、体育、地理、笔墨游戏等各个领域。
与一样平常问答节目相反，《危险边缘》以答案形式提问、提问形式作答，根据以答案形式供应的各种线索，参赛者必须以问题的形式做出简短精确的回答。
参赛者不仅须要具备历史、文学、政治、科学和普通文化等知识，还需会解析隐晦含义、反讽与谜语等。

另一场人机大赛发生在2016年3月，谷歌旗下的阿尔法狗系统与围棋天下冠军、职业九段棋手李世石进行围棋人机对弈，终极阿尔法狗以4比1的总比分得胜。
众所周知，围棋的变革与难度是惊人的，在19×19的棋盘中，围棋的合法棋局数可能数靠近10的171次方，这是一个天文数字。
人类常日将围棋竞技视为聪慧的顶峰对决，乃至也有人将围棋视为人类聪慧堡垒。

这两场人机大赛都对全体天下产生了巨大的影响。
在许多人工智能倡导者看来，这两场竞赛同时吹响了第三波人工智能浪潮的号角，共同推动了新一轮人工智能技能的发展。
然而，其余一些学者认为这两场竞赛中涉及的技能存在实质差异，谷歌的阿尔法狗因此深度学习为代表的新一代人工智能的技能，而IBM的沃森推动的是一种被称为“认知打算”的新打算范式。
那么，认知打算与人工智能究竟存在什么样的差异？

认知打算与人工智能的差异

区分认知打算与人工智能，可以从观点本体和人机关系两个视角来辨识。

从观点本体的视角来看，人工智能因此一种“黑盒”的办法，表现出人类的智能行为，而认知打算则因此一种“白盒”的办法，模拟人类的思维过程和行为。
根据一样平常的定义，智能指的是能够学习、理解以及处理新的情境，并进行推理；能够运用知识来操纵环境，并遵照客不雅观原则进行抽象思考。
而认知指的是通过思维、情绪与生理行为或者过程，获取知识并进行理解。

人工智能技能旨在使打算机办理繁芜问题，如果人要办理这些问题则须要用到人类智能。
在这里，结果(把问题办理了)很主要。
认知打算同样也旨在使打算机办理繁芜问题，不过因此模拟人类的办法进行问题求解。
在这里，过程(如何办理)很主要。
在这个视角下，人工智能是对人类智能的模拟，而认知打算则是对人类推理行为的模拟。

以上述两场人机大赛为例，阿尔法狗旨在赢下棋局，即按照围棋的规则，用自己的棋子尽可能地“霸占”更多的棋盘空间。
阿尔法狗推演棋局的套路与李世石的下棋方法可谓“风马牛不干系”，从某种意义上，你都可以认为他们玩的不一定是一个游戏。
而沃森则不同，它在比赛之前很难定义详细目标，它所能做的是在竞赛过程中，尽可能仿照人类问答的“认知过程”，利用自己更强的打算能力和知识库赢得竞赛。
因此，阿尔法狗采取的是一种范例的人工智能技能，而沃森采取的则是一种范例的认知打算技能。

从人机关系的视角来看，人工智能旨在代替人类进行决策，人机之间存在一定的代理关系，且会产生一定的冲突。
而认知打算则是赞助人类进行决策，人机之间更多的是协作、领悟与共生的关系。

人类常日会委托人工智能为人类完成某项任务，在这个过程中，人工智能常日作为一种代理来代替人类进行某项决策。
而认知打算核心在于赞助人类决策，它只是为人类授予更高精度的剖析能力，确保决策过程中的信息掌控。

举一个职业咨询的例子来展现人工智能与认知技能的差异。
人工智能助手将会自动评估求职者的职业技能，并找到与他职业技能最匹配的事情岗位，同时为求职者进行薪酬与福利报酬的协商，末了，人工智能助手将商谈好的事情见告求职者。

相反，认知打算助手则是对求职者的求职给出一些建议，将某个岗位所须要的教诲经历、薪资比拟以及目前岗位空缺情形等情报信息供应给求职者，同时尽可能地为求职者选择不同岗位的优缺陷供应各种维度的剖析。
而终极将由求职者自己来进行决策选择哪一份事情。

因此，人工智能有可能自主形成一个决策闭环，而将人类排斥在这个闭环之外，而认知打算则一贯是将人类置于决策闭环的核心位置。

认知打算的范围与特色

从打算的发展来看，在经历了制表打算、可编程打算两个时期之后，目前打算正在迈入认知打算时期。
总体而言，认知打算的运用范围非常广泛，涉及参与、决策与创造平分歧方面，其核心环绕增强人类的“认知”能力。

依据认知理论的不雅观点，人的认知系统包含两个子系统：System1和System2。
System1又称“直觉系统”，紧张卖力快速、无意识、非措辞的认知。
System2又称“逻辑剖析系统”，是故意识，有逻辑、方案、推理以及可以用措辞表达的系统。

认知打算能够用于增强人类的System1功能。
随着大数据的发展，认知打算系统基于强大的信息处理与利用能力，为人类供应更强的物联网数据感知和大数据剖析能力。
认知打算可以通过分布式代理，基于流数据创建交互式感知、洞察和可视化系统，从而为实时监控和剖析供应支撑。

认知打算亦能够用于增强人类的System2功能。
认知打算系统包含了各种实体之间的周境关系，使得它能够形成假设和论断。
与此同时，它能够领悟并处理歧义的乃至是自相抵牾的数据，这使得认知打算系统具有理解海量信息、自我学习、开拓深度领域洞见和供应专家赞助的能力。
基于上述能力，认知打算系统能够深度参与人类的生活与生产各项活动中。
范例的运用就包括“科拉”这类人类网络空间与信息生活的助手。

与以往的打算范式比较较，认知打算在适应性、交互性、迭代和周境感知等方面都有显著的特色。

认知打算能感知周边环境和语境，并能进行相应的自适应。
认知打算须要进行动态编程，必须理解，识别和提取高下文元素，例如涵义、语法、韶光、位置、法规、用户的个人资料、过程、任务和目标。
它们可能会利用多种信息源，包括构造化和非构造化数字信息，以及感官输入(视觉，手势，听觉或传感器供应的信息)。

认知打算具有“影象”功能，并能进行迭代。
认知打算系统必须能够记住先前的交互信息，通过信息与语义的叠加，进行理性推理和赞助决策。
例如，作为一个数字医疗助手，当某个用户在凌晨1点旁边与数字医疗助手互换“胸闷、失落眠”等环境时，数字医疗助手必须能够“意识”到当前的韶光以及用户所处的环境(躺在床上)，并能够结合用户以往的状态信息(比方说，这种“胸闷、失落眠”症状已经持续两周以上)，进行综合研判并给用户一个合理的建议(譬如是否须要持续吃某种药物，或者是否须要立时联系年夜夫进行就医诊断和治疗等)。

认知打算的发展前景

认知打算是人类观点和思维过程在打算环境下的一个缩影，是一个自我学习的积累，通过模式识别、数据挖掘和自然措辞处理等技能模拟人类大脑事情的办法，它重新定义人与网络空间和信息圈的关系。
一个认知打算系统能够自适应并为图像、自然措辞等干系信息授予意义。
认知打算的紧张目标并不是构建能够思考的机器，而是创造能够剖析海量数据、自我学习且自主运转的打算机系统，它该当精通于办理繁芜问题，它应匆匆使人与机器交互并得到理解，从而增强人类认知能力。
正如奥克兰大学的米歇尔·迪金森博士所言，认知打算旨在赞助你的事情，帮助你成为更好的你。
因此，推动认知打算在各行业的广泛运用与渗透，将会使人类更好地栖居于网络空间。

在金融领域，认知技能推动人性化金融科技兴起。
为了更有效地做事越来越多的客户，银行和金融机构可以广泛采取认知技能，除了自动实行后端和管理任务外，认知技能也能主导其面向客户的活动。

在教诲领域，认知打算可以成为学生教诲的主要推动力。
在教室中运用认知打算紧张是为每个学生定制个性化学习助手。
这种认知助手可以减轻老师在传授教化生时面临的压力，同时增强学生的整体学习体验。
西席可能无法照顾到每个学生的个人把稳力，而这正是认知打算所能填补的地方。
当学生与他们的个性化认知助手一起上课时，该认知助手可以开拓各种技能，例如制订课程操持，以定制和帮助知足学生及其需求。

在卫生保健领域，许多技能公司正在开拓涉及可用于医疗领域的认知打算的技能。
分类和辨识能力是这些认知打算装置的紧张目标。
认知打算在鉴定致癌物方面可能非常有帮助，它能够帮助检讨员在更少的韶光内阐明无数的文档。
此外，认知技能还可以评估有关患者的信息，深入查看每一条病历，探求可能导致患者问题的蛛丝马迹。
年夜夫可以利用认知打算系统来赞助他们进行诊断，利用海量医学教科书和干系资料剖析患者的病史，为年夜夫供应一些诊断支持依据，有可能向年夜夫供应一些年夜夫从未考虑过，乃至都不知道的疾病参考。

在商业领域，认知打算与可知足客户需求的大数据和算法相结合，可以在经济决策中发挥主要浸染。
企业可以利用认知打算来将各种风险成分纳入决策，然后向公司针对投资或选址分支机构供应有效建议。

正如莱布尼茨之梦所阐释的那样，在认知打算范式下，打算之于人脑，犹如算数之于数，代数之于量，在认知打算的赞助下，人类能够更好地进行创造和剖断。
相对付人工智能而言，由于更侧重与人的协作、领悟与共生，认知打算能够摆脱一样平常意义下的“人工智能”威胁论，解脱伦理“桎梏”，以更加人性化的办法，回归技能实质，从而造福人类。