除此之外，这位过去两年都专注于机器人管理的投资人还大胆预测了人工智能的未来。比如，它将取代50%的人类工作，并有望在金融、医疗等领域发挥重要作用；但是，机器人不懂艺术，它看不懂毕加索，听不懂周杰伦。

的确，人工智能有其擅长的领域，也有其短板。

但是，通过自我学习，这一切有可能发生改变。

今天，小A就想和您深入聊聊AI机器人的认知计算能力。因为正是有了认知计算这颗大脑，人工智能才能够感知、理解、行动，并在不断学习中了解主人的需求和习性，投其所好。

而唯有了解了这颗大脑，人类才能更好地为人工智能安排工作，从而在将其价值最大化的同时，也为正受到AI冲击的人类找到出路。

感知、理解、行动、学习：发掘认知计算的基本属性

埃森哲将认知计算定义为具备感知、理解、行动能力的信息系统和应用程序。并且，它能在实战中不断学习，进而根据所获知识优化自身流程和行为。

感知

当我们通过机场海关时，边境管理处可利用面部识别技术监测旅客的特征，再结合其他技术，如多光谱图像分析、信息数据库和匹配算法，海关人员就能轻松识别限制入境人员和危险分子，从而大幅提高安全水平。

理解

认知计算系统还可以通过自然语言处理、推理引擎和专家系统等技术，获得理解能力，从而应用于多个行业。例如，医疗诊断系统可帮助医生诊断病情并给出治疗建议。

行动

借助推理引擎和专家系统等技术，认知系统可在流程内独立工作，亦可在实体环境中独立指导实际操作。无人驾驶汽车就是典型代表，它能感知环境、理解大量的输入信息，并在无须人工干预的情况下操控车辆。

学习

认知计算系统的自学能力俨然让计算机变成了一个聪慧的学生，在拿到教材的那一刻便能自主学习。这是认知计算最为显著的特点。通过“机器学习”技术，AI可以根据经验调整自身功能，而无须像以前那样重新编写所有规则的硬编码。

除了广为人知的Siri和搜索引擎外，这一特点也已被用于银行的信用诈骗监测系统。通过了解客户以往的消费模式，认知计算可以预测新交易，并标出异常活动。认知计算系统在获取合法交易或欺诈的真实案例后，能学会识别新的模式；系统还能随着欺诈手段的升级而不断完善其监察技能，正所谓道高一尺、魔高一丈。

效率、专家、效力、创新：寻找认知计算的用武之地

认知计算技术会带来哪些影响？我们或可从自动化和能力增强两个维度做出分类和解读。一方面，日常工作的自动化无疑可以提高整体效率和绩效；另一方面，对于许多从未或永远不会实现自动化的工作，从能力增强角度入手可能更为合适。

当企业思考如何才能借助这轮新技术浪潮有效推进自身业务时，首先需要明确，哪些工作可以通过认知计算解决方案来实现自动化或能力增强。

我们建议，可以参照下图中的两大标准衡量认知计算方案的适用性——即“工作的复杂性”和“涉及数据和信息的复杂性”，将企业活动分为四种基本模式：效率模式、专业模式、效力模式和创新模式。

需要注意的是，有许多工作的内容或特征，是跨越多种模式的，不可一概而论。例如，律师和医生的某些工作可能属于效率模式和有效模式，而其他方面则更符合专家模式和创新模式的定义。

效率模式

效率模式更具日常事务特征，遵循严格定义的规则、程序和标准，以实现一致化、低成本的工作执行。在该模式下，技术负责感知、理解和行动，而人类则负责确保监测解决方案的准确性，以及判定规则是否必须根据业务条件的变化而做出改变。随着时间的推移，机器学习功能可以不断完善自身规则。

效率模式在认知计算的使用中是比较常见的，如顺丰和京东两家公司均打算推出无人机送货，预计可以有效解决农村及偏远地区快递难、成本高的问题。