我們談的是實務應用，請體驗「認知運算」！
認知運算 (Cognitive Computing)：透過了解結構化及非結構化資料，進行推測、深思、論證等推論，再由專家訓練、互動、學習，使電腦得以「理解」人類世界的思考邏輯。
近幾年大數據或資料運算的會議不勝枚舉，無論是社群、政府、法人、學校、業界，各界都不乏熱心人士積極舉辦相關的研討會或座談會。主要的目的，基本上都在於促進聽眾對於資料運算的興趣及期待。但是好像鮮少實際告訴大家下一步怎麼做，才能讓資料運算接地氣，實際在產業應用中產生價值、創造生產力。
根據IDC的定義，認知系統的軟體功能，牽涉到資料的挖掘、分析、組織、存取，以及建議的提供。為了達到這些目的，需用到深度的自然語言處理；系統也要能夠了解如何回答問題、提供建議與方向，並且需基於現有可用的所有證據，來假設、推測出可能的答案；同時，認知系統需透過擷取大量資料來訓練，還要能夠從錯誤和失敗當中，自動適應與學習。
認知應用實例分享
認知商務應用(Cognitive Commerce)：IBM Watson 結合「認知搜尋 (Cognitive Search）」與「認知洞察 (Cognitive Insight)」技術，將認知運算導入產品、服務與處理程序中。
- 實現 IoT，Watson 讓禮服也能玩實況
- 巴士車長與 Watson 的邂逅：電動自駕巴士 Olli
- 製作會說話又有想法的圖表：Watson Analytics
- 當 IBM Qradar 遇上 Watson，蹦出火花「認知安全」
實現 IoT，Watson 讓禮服也能玩實況
今年紐約大都會藝術博物館慈善晚宴 MET Gala，最受各界矚目的是一件會發光的「科技感知禮服」；這件禮服連結網路，社群媒體上的「好評」會讓襯在裡面的 LED 燈泡越來越亮且變化色彩，讓禮服炫彩奪目。
知名設計師 Marchesa 設計禮服，在紗裙花朵的內襯埋藏了 LED 燈泡，再透過 IBM Watson 的認知運算技術搜集、分析 Twitter 上的評價，越多人留下正面留言表示喜歡，燈色就會越來越亮。這套禮服在今年以「科技與工藝」為題的紐約大都會藝術博物館慈善晚宴 MET Gala 上，讓穿著者超模 Karolina Kurkova 成為全場最矚目的焦點！
巴士車長與 Watson 的邂逅：電動自駕巴士 Olli
3D 列印汽車公司 Local Motors 和 IBM 合作推出名為 Olli 的電動自駕巴士。在自駕車中，司機被機器取代，而 Watson 則是取代列車長的角色。
Olli 採用了 Watson 的4種 API，包括「語音轉文字」、「自然語言分類」、「實體存取」和「文字轉語音」，讓乘客能以自然語言與Olli互動。例如即時回應乘客的語音指令，「嘿 Olli，請載我到市中心。」收到指令後，經過四個階段解析，即可回應乘客需求。除了指定目的地外，Olli 還可以分析乘客個人偏好，並根據目的地推薦熱門餐廳或歷史古蹟。
製作會說話又有想法的圖表：Watson Analytics
根據科學研究，人類有 80% 的經驗來自於視覺，Statistic Brain 研究機構指出，金魚的平均注意力約為 9 秒鐘，而人類的注意力在 2015 年已經下降至 8.25 秒，比 2000 年降低33%，甚至比金魚還要低，在網路資訊爆炸的年代，比起閱讀廣告文字，大家更喜歡看視覺化的訊息，一目瞭然也更容易留下印象。
現在人人都能完成簡單的製作圖表工作，像是把試算表的資料轉化成長條圖，但是這些圖表能夠掌握你的想法嗎？報表最終目的在於「溝通資訊」，希望透過圖表進一步達到「告知、說服或探索資訊」等目的，呈現某事實，讓閱讀者感受它，看到背後看不到的事實，進而改變心意並促成行動。
不論是數據圖表亦或資訊圖表，你都可以透過多元的工具簡單完成製作圖表工作，但是隨著目的不同，呈現方式也不同。根據你加入的變數欄位，Watson Analytics 預測你的目的，推薦圖表、提供資訊圖表範本予你參考，一張圖表勝過千言萬語，能完整傳達你的訊息，達到資訊溝通效果。
當 IBM Qradar 遇上 Watson，蹦出火花「認知安全」
IBM Watson 收錄了全球近 80 萬 Blog，包含個人 Twitter 推文、網際網路上各式各樣的文本數據。對全網的結構化和非結構化數據進行主動搜索和爬取，將文本數據轉化為可讀取的數據；同時藉由安全專家團隊以及機器學習技術，透過 Q&A 的方式，訓練 IBM Watson 「什麼是安全」。
Watson for Cyber Security 目前還不作為單獨產品提供，而是作為一個能力整合進 IBM QRadar 平台。Qradar 檢測到異常、潛在威脅後，IBM Watson 利用 Qradar 回饋的本地網絡環境數據做關聯分析，快速提供異常行為的相關信息，如異常行為發生次數、涉及文件、域名和資產等，同時 IBM Watson根據自己所學習到的「資安知識」轉化為自己的「決策判斷能力」 (Watson Insight) 以及支持該決策詳細訊息 (Supporting Details)。
本地資安分析人員根據 IBM Watson 所提供的訊息結合 Qradar 所提供的本地實際網絡數據分析，確認安全事件後，立即提交到 Resilient 並取得即時的事件因應方案。這將大幅節省了資安人員的分析和應變時間，降低企業風險損失。
參考資料：
comments powered by Disqus