当今的业务应用构建方式是有缺陷的。

Judith Hurwitz，是IT界资深的咨询师，也是很多书籍的作者，在最近纽约举办的Cloud Expo上这么说。构建流程有着天然的缺陷，因为它依赖于业务逻辑——依赖于会采取的操作以及完成的是什么任务的编程方式。

“我们不能继续以陈旧的方式编程——按照逻辑，从开始、中间、结束——然后注入数据，保证一切正常，”Hurwitz说。“这正是如今我们的系统面临这么多问题的根本原因。它们是以20,50，甚至5000年前思考问题的方式构建的。”

这些年内，随着业务模型的变化，并且数据源的数量指数增长，企业尝试让旧程序来适应这些新需求，给这些逻辑上打补丁，并且创建出了Hurwitz称之为“巨兽系统”的东西。

认知计算系统，它使用硬件或者软件来模拟人类认知功能，这将彻底改变这一切，Hurwitz说。未来的业务应用会基于来自不断变化的数据源的快速变化，并且持续变化的数据。基于过去的一步步指令会消亡。认知计算从模式和异常中学习，猜测会发生什么——并且它不会假定存在某个正确答案。随着摄取并且分析越来越多的数据，系统也会随之变化。

虽然认知计算是以人脑相似的方式设计运行的——吸取大量信息，从中学习并且基于其做出假设——但是科学还无法复制大脑。因此，认知计算系统——“除非我们能够快速发展100年，否则我们无法模拟出大脑的神经元系统”——无法自行工作；它们依赖于人和机器的合作，Hurwitz说。人类给它们带来自己已经拥有的知识，机器贡献处理能力，并且存储海量信息。

一起可以更好

Hurwitz，她的演讲基于其2015年撰写的书籍，《认知计算和大数据分析》，使用了这个例子：一名医生的病人身上发生了他之前从未见过的一系列不寻常症状。但是因为他刚刚阅读了关于该症状的期刊文章，他才能够正确诊断。这是偶然事件，Hurwitz说。

“正是这名医生刚刚看过文章，然后才能正确诊断，”她说。与之对比，认知计算系统“能够吸收医疗情况的大量数据、大量研究结果，并且实际和医生合作，说，‘我看见这些症状。’然后系统可能说，‘基于这些症状，你是否考虑过这些呢？’”

要能达到这样的目的，所需要的是数据——大量数据，Hurwitz说。并且会有很多类型的数据：比如，结构化记录和文件，加上非结构化的手写报告和音频记录。系统还需要上下文来理解这些数据的意思。试想下这个场景，黄色树叶从树上掉落。可能是树生病了——除非这发生在美国东北或者中西部的十月份。如果树在四月中旬就开始掉叶子，那就不一样了。

机器学习是认知计算流程的重要一环。这是扎根统计学，心理学和认知科学的计算科学，现在正得到越来越多的关注。不仅仅是在机器上编程，而是向其注入信息。算法会基于这些信息，从其中发现的模式里学习，假设正在发生什么，并且随后测试验证。

人类、机器：很多共同点

“这是所有一切如何工作的方式，”Hurwitz说。比如，当人们开始新工作，它们会从某些假定开始。“你的老板告诉你，‘这是我们完成工作的方式，’并且你会遵守这样的方式。但是随着学习的知识越来越多，随着和越来越多的客户沟通，随着获取了越来越多的数据，你会开始发生变化，你的技能级别发生了变化，你的理解也在变化。”

这也正是认知计算系统所能完成的，Hurwitz说。他们从事实里学习，随之变化，并且通过“让数据引导”的方式构建程序。这样可以排除掉很多行业可能会带进业务应用的偏见和假设——特别是在处理海量数据的行业，比如医疗和制造业，并且避免误导决策制定者得到错误的结论。

Hurwitz用认知计算系统能产生巨大影响的另一个领域的例子展示可能会发生什么：城市，承担着从交通到警务到环境规划的所有事情。想象一下，她说，为150年以前的城市交通编写业务逻辑。

“我们会围绕城市里马匹如何运作来构建逻辑，因为这是现实情况，也是我们如何看待世界的方式，”她说。“很明显，如果我们在今天还尝试使用这些规则的话，就会很傻。”

咨询师Judith Hurwitz在两部分的报告的第二部分探讨未来认知计算系统如何起作用。