自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能自动完成电话客服；声音识别可以核实来电者的身份

  美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习能大大的提升准确率。

  机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。

  许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。

  出于监控、合规和欺诈检测等特定目的，公共部门也慢慢的开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这样的一个过程中他们就采用了一套自动手写识别系统。

  它们正利用机器视觉、机器学习等认知技术来改进产品或开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。

  上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这大多数表现在：

  在未来五年，认知技术在商业领域的影响力将明显地增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将一同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用场景范围，这样的一种情况在未来几年都将持续下去。

  认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告数据显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson来优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。

  随着技术的改进和提高，技术应用的范围也在逐步扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月网络上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被普遍的应用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。

  并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。

  很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。

  从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术探讨研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这一些企业正在加速认知技术的商业化进程。

  在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们大家都希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。

  数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这样的领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：此公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。

  认知技术的每个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io企业来提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户非常容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。

  单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业技术人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。

  技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。

  如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更广泛，被接受程度也会大幅度提升。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。

  认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。慢慢的变多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。

  声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

  技术和大数据技术相结合，通过一系列分析和处理海量的数据，从中发掘潜在的价值，提供

  技术的应用能够在一定程度上帮助我们更加高效地管理和利用医疗资源，为患者提供更好的医疗服务和护理。

  是一门涉及许多不同学科的交叉学科，这中间还包括计算机科学、数学、统计学、哲学等等。

  的概念元素资料下载的电子资料下载，更有其他相关的电路图、源代码、课件教程、中文资料、英文资料、参考设计、用户指南、解决方案等资料，希望有机会能够帮助到广大的电子工程师们。

  Facebook 官方博客更新，FAIR 主管、深度学习代表人物 Yann LeCun 与同事撰文，深入浅出解释什么是

  的未来我们将如何学习、工作和生活。Facebook 还推出了系列教学视频，