http://s4/mw690/737e2f81gx6DrzyTNib73&690作者：Chris Sciacca，IBM苏黎世研究院传播经理

IBM研究员Ton Engbersen认为，科学家很快将能够设计出一台与人脑的复杂度相当的计算机。但他的观点不止于此。他还希望教这样的机器像人脑那样学习。这才是真正有趣的地方。

Ton指的是认知计算——机器感知、推理、学习以及通过某种方式思考的能力。学习是一个关键要素。这些计算机并不基于程序预先确定每个答案或者动作来执行一项任务；相反，它们经过培训而掌握算法，并且与数据和真人进行交互。

“即将到来的认知计算时代”是此前IBM苏黎世研究院于9月1日举行的“学习型机器的新时代”座谈会的主要议题。

欲了解新时代的更多信息，您可以下载IBM研究院院长John E. Kelly III的新书《智慧的机器：IBM Watson和认知计算时代》的免费章节。

我们为何需要认知计算？随着全球越来越多的活动以数字方式表现，而且数量、速度和不确定性日益提高，数据正快速增加。由于目前大部分数据采用非结构化格式，例如视频、图像、符号和自然语言，利用这些数据需要一种新的计算模式。

为了帮助推动机器学习，Ton招收了两个年轻且富有热情的计算机学博士生，分别是来自罗马尼亚的Adela-Diana Almasi和来自波兰的Stanislaw Wozniak（与Apple联合创始人没有关系）。这两人都参与了IBM研究院的实习生计划，而且现在正在进修博士学位前的研究课程。

http://s1/mw690/737e2f81gx6DrzywAfe40&690Stanislaw Wozniak，IBM研究员

Stanislaw解释说，他们的研究处于神经形态计算和其生物学对应学科计算神经科学的中间：“这些都是多维度领域，由于都涉及‘大脑对话’，人们通常会混淆这两个领域，但是，我们的研究将把这两个领域的优点结合在一起。”

http://s4/mw690/737e2f81gx6DrzyBG4r93&690Adela-Diana Almasi，IBM研究员

Adela-Diana说：“我们试图构建一种比目前使用的任何一种方法都更加受到生物学启发的机器学习算法，但是，我们需要找到适当的抽象程度，这样才能在计算方面可行。”

找到适当的平衡尤其困难，因为从业界研究的角度来说，还并没有完全了解人脑的生物性。她说：“以拼图为例。如果你不知道图片是什么，就会感到茫然。在考虑这一挑战时，我更多地将自己变成一个哲学家，而不是计算机科学家。”

一般情况下，“训练”计算机需要付出大量的人工劳动。两名实习生负责一个就像大脑一样主要通过经验而学习的系统——就计算机来说，该系统通过与数据的交互而学习。以天气预报为例，这种学习系统将根据历史信息和传感器读数预测天气；然后，通过从错误中学习，它的预测能力将持续提高。

两人根据他们的概念尝试利用光学字符识别(OCR)的新方法。OCR是机器学习的最常见用途。他们开发了一种算法，并且采用高端游戏机上现成的图形卡装配了大型神经网络。大部分OCR系统的应用领域很有限，而他们希望创建一个类似大脑且拥有更高通用智能的系统。

尽管在早期取得了一些成功，但他们在尝试利用系统处理大量数据时，准确率非常低。Stanislaw说：“这件工作要比设想的困难得多。结果证明，在实施之前，我们需要更多地关注概念证明。”

现在，团队开始开发另一种方法来解决同样的问题——从人类大脑神经元的工作方式获得灵感。这需要新的学习算法，因此，从某种意义上讲，他们又回到了起点。

好消息是，作为获得博士学位前的学生，这个团队离毕业还有三年时间。但坏消息是，数据每天都呈指数级增长，对这种学习系统的需求也随之提高。