關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保關於當今塑造我們世界的發現和想法的有影響力的故事的未來。
我們所知的計算機正接近一個拐點——下一代計算機已經出現，但尚未完全掌握在我們手中。自 20 世紀 40 年代以來大量湧現的值得信賴的可程式設計機器，終將讓位於以模仿人腦的方式從資料中得出推論的認知系統。
2011 年 2 月，IBM 向世界展示了 認知計算 的早期面貌，當時該公司將其沃森計算系統與電視節目 危險邊緣！ 智力競賽的兩名前冠軍進行對決。沃森能夠根據問題搜尋事實資料庫，確定置信度，並根據該置信度搶在競爭對手之前按下蜂鳴器，這使其取得了令人信服的勝利。與下一代認知系統相比，這一成就很快就會顯得過時。IBM 已經提高了沃森的速度，縮小了其之前佔據整個房間的尺寸，並將其連線到更多的資料。
上個月，兩家著名的醫療機構開始測試經過改進的沃森，將其作為資料分析和醫生培訓的工具。德克薩斯大學 M. D. 安德森癌症中心正在使用沃森幫助醫生將患者與臨床試驗相匹配，觀察和微調治療方案，並評估風險，作為 M. D. 安德森“登月計劃”的一部分，以消除癌症。與此同時，凱斯西儲大學克利夫蘭診所勒納醫學院的醫生希望 IBM 的技術能夠幫助他們基於電子病歷更快地做出更明智、更準確的決策。
IBM 高階副總裁兼 IBM 研究院（世界上最大的商業研究機構之一）主任 約翰·凱利 表示，這只是一個好的開始，但仍僅僅是開始。在他最近與 IBM 通訊戰略家 史蒂夫·哈姆 合著的 智慧機器：IBM 的沃森與認知計算時代 一書中，凱利指出，認知計算機，尤其是沃森的一個重要目標是幫助理解大資料——大量的文字、影像、數字和語音檔案，這些檔案對當前計算技術的極限提出了挑戰。
大眾科學與凱利談論了認知計算的相對不成熟性、其 成長的煩惱 以及開發所謂神經形態計算機（這種計算機更緊密地模仿人腦）的努力如何在未來將沃森貶低為 21 世紀初的早期產物。
[以下為經過編輯的採訪記錄。]
您第一次看到大資料作為一種趨勢出現是什麼時候？
大約四年前，我們開始看到資料的爆炸式增長。此前，我們專注於構成物聯網的裝置和連線技術的爆炸式增長。
大資料與公司多年來為改善客戶服務和物流而進行的資料探勘和分析有何不同？
它在許多方面有所不同：首先是規模，其規模如此之大，以至於傳統的資料庫和查詢系統無法處理它——“大”是一種保守的說法。其次，如此多的資料是非結構化的，來自文字、推文或來自某些連線裝置的訊號等。它的流動速度也驚人地快。最後，對於大資料，我們並不總是尋求精確的答案，而是尋求有助於我們做出決策的資訊。
新興的認知計算技術似乎將在使大資料可用方面發揮重要作用。認知計算與我們幾十年來使用的系統有何不同？
認知系統的構想和構建是為了處理這種新的海量資訊。它們具有許多與當今計算機不同的特徵。其中之一是它們學習模式和趨勢。它們不再需要人類為我們希望它們執行的所有任務進行重新程式設計。其次，認知系統以更自然的方式與人互動。它們理解我們的人類語言，它們識別我們的行為，並且它們更無縫地融入我們的工作與生活平衡。我們可以與它們交談，它們會理解我們的舉止、我們的行為——這將極大地改變人類與計算機的互動方式。
如果您考慮從 20 世紀 40 年代和 50 年代的 ENIAC 到今天的智慧手機的可程式設計計算機的時間線，那麼認知計算在成熟度方面處於什麼位置？
我們正處於認知計算時代的開端。想想 20 世紀 60 年代的 IBM System/360 大型機 或 80 年代初的 第一臺 PC。我想說，第一個認知系統是參加危險邊緣！比賽的沃森計算機。但是，為了製造沃森，我們從上一個時代收集了一些部件。展望未來，底層技術將發生變化。該系統將變得更具互動性——它不僅會響應問題和答案，還會響應複雜的對話。
IBM 如何調整危險邊緣！版本的沃森來幫助 M. D. 安德森的癌症研究人員？
沃森在危險邊緣！節目中亮相，其表現令人印象深刻。在隨後的兩年中，沃森的技術比第一個系統快得多，也小得多。為了與不同地點的醫生和醫學院合作，沃森吸收了世界上大部分醫療資訊，無論是期刊、健康記錄還是醫生的筆記。例如，該系統正處於學習癌症細節的最後階段，因為 M. D. 安德森對白血病特別感興趣。在過去的 6 到 12 個月裡，沃森一直在該領域與腫瘤學家合作，以幫助加快與白血病相關的某些發現。
沃森是如何學習癌症的？
沃森可以電子方式攝取原始資訊。然後必須對沃森進行訓練。它會遇到複雜的醫療保健問題，這些問題的治療方法和結果是已知的。因此，您實際上會讓沃森嘗試確定最佳診斷或治療方法。然後，您會檢視結果是否正確。您會多次這樣做，而沃森中的學習引擎會開始在資訊片段之間建立聯絡。該系統會學習模式、學習結果、學習哪些來源值得信賴。某些期刊、某些醫生比其他期刊更準確。沃森會學習所有這些。
克利夫蘭診所的專案將讓醫生和醫學生訪問沃森的推理過程，以便他們瞭解計算機如何得出結論。這項功能的理由是什麼？
克利夫蘭診所勒納醫學院已將沃森置於一個團隊環境中，與有抱負的醫學生一起工作，他們使用沃森來探索複雜的醫療情況。透過這種方式，學生能夠學習和探索沃森可以訪問的資料。有趣的是，反過來，學生也在教沃森。當沃森的學習遇到障礙時，學生通常可以教沃森一個詞的含義，這也許可以使沃森在知識方面取得突破。我們開始看到人類和機器協同工作，變得比各部分的總和更好。
訪問推理過程對於複核沃森的邏輯也很重要嗎？
在任何需要由人做出複雜決策的地方，都非常重要的一點是能夠探究沃森是如何得出結論的。在醫療保健領域，醫生希望瞭解沃森在文獻中查閱了哪些來源，以及它在例如醫療測試和治療之間建立了哪些聯絡——該資訊來自何處？以及沃森為何得出此結論？——因為這可能是一個意外。在藥物發現等其他領域，情況也一樣——生物學家或化學家希望瞭解沃森為何得出某個分子將成為下一個重磅藥物的結論。他們希望在做出決定之前探索資料。
最新的沃森與其遊戲節目中的前身相比如何？
它的速度大約是原始系統的三倍，大小約為原始系統的四分之一。其中一些是透過硬體最佳化實現的，但也有很多是透過調整底層機器學習演算法使其更高效實現的。這使我們能夠在比兩年前更小、但功能更強大的系統上執行沃森。
個人版本的認知系統會是什麼樣子？
認知系統將透過多種方式在個人層面進行互動。首先，沃森將透過雲服務提供，因此任何終端裝置——無論是您的個人 [數字] 助理、眼鏡、手錶還是其他裝置——都可以訪問沃森。這些認知系統在人際網路中也很重要。在社交媒體中，可以設想認知系統只是您個人網路中的另一個節點，它會參與您與其他人的討論，並根據可用資訊對某些問題提供意見。
是否有可能將這種認知系統縮小到可以佩戴或隨身攜帶的尺寸？
在兩年內，沃森的體積已大大縮小。快進幾年——在危險邊緣！比賽中使用的沃森的力量在兩年前還佔據了一個房間，但在不久的將來，您實際上可以將其放在口袋裡。而且，由於它可以透過雲訪問，因此無論您在何處連線，都可以透過任何裝置連線到沃森。您只需要能夠以電子方式訪問它，即可獲得沃森的所有功能。
從高層次上看，沃森的認知計算能力與正在開發以模仿人腦的“神經形態”系統之間有什麼區別？
在這個計算時代初期，認知系統體積龐大，佔據整個房間。參加《危險邊緣！》節目的沃森（Watson）使用了85,000瓦的功率與兩位人類選手競爭。而人腦僅消耗大約20瓦的功率。相比人腦，那臺計算機贏得那場比賽的耗能是人腦的數千倍。突觸或神經形態系統基本上是試圖模仿大腦的效能和低功耗。我們正在探索在低功耗技術和高密度網路裝置方面，這究竟意味著什麼，從而瞭解我們是否能夠構建出效能更像大腦，而不是像當今硬連線計算機那樣的系統。
如果我們能夠做到這一點，那麼我們就可以在世界各地部署[微型]認知計算機，而不是透過雲端訪問大型、高功耗的沃森系統。我們認為這是認知系統可能的未來。