認知計算與大數據分析

A. 年度的十大科技熱詞有哪些

隨著科技日新月異的發展，很多的人享受到了科學的恩惠。下面為您精心推薦了年度的十大科技熱詞，希望對您有所幫助。

十大科技熱詞

無線充電技術

無線充電技術(Wireless charging technology;Wireless charge technology )，源於無線電力輸送技術。無線充電，又稱作感應充電、非接觸式感應充電，是利用近場感應，也就是電感耦合，由供電設備(充電器)將能量傳送至用電的裝置，該裝置使用接收到的能量對電池充電，並同時供其本身運作之用。由於充電器與用電裝置之間以電感耦合傳送能量，兩者之間不用電線連接，因此充電器及用電的裝置都可以做到無導電接點外露。

過頂業務 over-the-top service，OTT service (通信)

互聯網企業利用傳統電信運營商的基礎網路，直接面向用戶提供的服務。電信運營商只起到傳輸通道的作用，因類似於籃球運動中的“過頂傳球”而得名。

電磁黑洞

電磁黑洞是東南大學崔鐵軍教授研究小組在普渡大學科學家提出的“光學黑洞”理論方案的基礎上用新型人工電磁材料構造的模擬了微波頻段的實驗裝置。該裝置在微波頻段，模擬黑洞對電磁波的吸收率可達到99%以上。這一新研究構建了吸收電磁波的全新方法，同時又可以控制電磁波的吸收輻射。由於對電磁波的高效吸收性，電磁黑洞可望在電磁隱身等方面獲得重要應用。

藍色經濟區

藍色經濟區，是指依託海洋資源，以勞動地域分工為基礎形成的、以海洋產業為主要支撐的地理區域，它是涵蓋了自然生態、社會經濟、科技文化諸多因素的復合功能區。基本特徵是：依託海洋，海陸統籌，高端產業聚集，生態文明，科技先導。

腦機介面

腦機介面(brain-computer interface，BCI)，有時也稱作“大腦埠”direct neural interface或者“腦機融合感知 ”brain-machine interface，它是在人或動物腦(或者腦細胞的培養物)與外部設備間建立的直接連接通路。在單向腦機介面的情況下，計算機或者接受腦傳來的命令，或者發送信號到腦(例如視頻重建)，但不能同時發送和接收信號。而雙向腦機介面允許腦和外部設備間的雙向信息交換。

自媒體

自媒體(外文名：We Media)又稱“公民媒體”或“個人媒體”，是指私人化、平民化、普泛化、自主化的傳播者以現代化、電子化的手段，向不特定的大多數或者特定的單個人傳遞規范性及非規范性信息的新媒體的總稱。自媒體平台包括博客、微博、微信、論壇/BBS等網路社區。

轉化醫學

轉化或轉換醫學(Translational Medicine)是近兩三年來國際醫學健康領域出現的新概念，同個性化醫學(Personalized Medicine)、可預測性醫學等一同構成系統醫學(systems medicine，包括系統病理學、系統葯物學、系統診斷與綜合治療等)的體系，建立在基因組遺傳學、組學晶元等系統生物學與技術基礎上的現代醫學，系統科學理論與自動化通訊技術之間的互動密切，從而使科學研究向工程技術應用的產業化過程快速實施，系統科學應用於醫葯學而將導致基礎與臨床之間的距離迅速縮短。

暗能量

暗能量和暗物質是一種不可見的、能推動宇宙運動的能量，宇宙中所有的恆星和行星的運動皆是由暗能量與萬有引力來推動的。根據“普朗克”探測器收集的數據，科學家對宇宙的組成部分有了新的認識，宇宙中普通物質和暗物質的比例高於此前假設(73%)，而暗能量這股被認為是導致宇宙加速膨脹的神秘力量則比想像中少，占不到70%。[1] [2] 暗能量是宇宙學研究的一個里程碑性的重大成果。支持暗能量的主要證據有兩個。一是對遙遠的超新星所進行的大量觀測表明，宇宙在加速膨脹。按照愛因斯坦引力場方程，加速膨脹的現象推論出宇宙中存在著壓強為負的“暗能量”。

產油微藻

微藻是指一些微觀的單細胞群體，是最低等的、自養的釋氧植物。它是低等植物中種類繁多、分布及其廣泛的一個類群。無論是在海洋、淡水湖泊等水域，或在潮濕的土壤、樹乾等處，幾乎在有光和潮濕的任何地方，微藻都能生存。

認知計算

認知計算出自於IBM人工智慧超級計算機“沃森”的稱謂，而現在，它更多的代表著一種全新的大數據分析方式。隨著信息的增加，計算機可在已有經驗的基礎上隨著時間推移，以學習的、交互的方式，隨著數據的進一步增長逐步提高認知的分析行為， 就像大腦會自然而然地做事情，“認知計算”是人工智慧和大數據的“聯姻”。

量子計算

量子計算，是當前最熱門的研究領域。相對於普通計算機，基於量子力學特性的量子計算機，擁有超乎想像的並行計算與存儲能力，求解一個億億億變數的方程組，具有億億次計算能力的“天河2號”需要100年，而萬億次的量子計算機理論上只需要0.01秒就可解出。當量子計算機應用之時，現在的密碼破譯、基因測序等科學難題，將可迎刃而解。

深度學習

深度學習Deep Learning的概念源於人工神經網路的研究。機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。自2006 年以來，機器學習領域，取得了突破性的進展。圖靈試驗(圖靈，計算機和人工智慧的鼻祖)，至少不是那麼可望而不可及了。在技術手段上不僅僅依賴於雲計算對大數據的並行處理能力，而且依賴於演算法。這個演算法就是Deep Learning。藉助於Deep Learning 演算法，人類終於找到了如何處理“抽象概念”這個亘古難題的方法。

年度的科技熱詞

VR/AR

VR(虛擬現實)和AR(增強現實)是今年備受關注的兩個詞。VR就是虛擬現實技術，在三維環境中提供沉浸感覺的技術。而AR就是增加用戶對現實世界感知的技術。網上一段視頻你一定不會陌生(如圖)，然而這段讓人尖叫的視頻，卻與“欺騙”“謊言”掛鉤，因為這是特效合成的。但VR/AR技術是實實在在的產品，比如VR眼鏡、VR一體機等。這是一個讓宅男心跳加速的技術，前不久，號稱柳岩進行了一次VR直播，據報道在線人數接近2000萬人次。

不僅如此，VR也讓游戲找到了新的出路，索尼的`PSVR更是賣瘋了。據報道，PSVR在日本上市四天就賣出了46492台。不過，沉浸感和眩暈症一直是VR設備所詬病的，看來VR還處於爆發前夕。

說到AR，只要了解今年最火爆的一款游戲就行。PokemonGO中文名稱口袋妖怪，這是一個AR+情懷的游戲，讓外國人慾罷不能。網路地圖嗅到了一波商機，推出了網路AR導航，讓路痴也敢白天晚上隨便閑逛。

人工智慧

人工智慧(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。也許你對概念並不熟悉，但你對AlphaGo一定非常熟悉，就是它在用高超的棋藝戰勝了李世石，直接引爆了這一輪人工智慧的熱潮。前不久，三連冠的柯潔也認慫，聲稱干不過AlphaGo。圍棋高手引以為傲的不被機器戰勝的領域，就這樣淪陷了。

據《科學》雜志判斷，到2045年，世界上50%的工作，都會被人工智慧所取代。而在中國這個數據是77%。也就是說，30年之內，我國每4個工作中至少有3個會被人工智慧取代。尤其是助理、翻譯、保安，這些工作可能都會被取代。今天的人臉識別，可以做到比人20倍更精確的辨識人臉。

科技巨頭們並不會放棄這個機會，大力開墾這塊領域。下面羅列一下今年關於人工智慧的收購案。

2016年1月份，蘋果收購人工智慧初創公司Emotient，這家公司的成果在於使用人工智慧技術讀取圖片中的面部表情。

2016年5月份，eBay宣布收購Expertmaker，這是一家使用機器學習進行大數據分析的瑞典企業。 2016年5月份，英特爾收購了專門從事計算機視覺 (CV)演算法的初創公司It-seez，計劃利用Itseez專業能力來創建從汽車到安全系統的物聯網(IoT)。

2016年8月份，微軟收購了一個兩年半的初創公司Ge-nee，其主要產品是一款擁有AI技術的智能日程工具。

2016年9月份，谷歌相繼收購了用於開發聊天機器人的人工智慧平台Api.ai，距離收購視覺搜索創企Moodstock僅過去兩個月之久。

2016年9月份，亞馬遜低調收購了機器人創業公司An-gel.ai，這家公司的聯合創始人成為亞馬遜“新機器人產品”的項目負責人。

有名的科技熱詞

大數據

大數據的定義是，一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。但大數據並不在“大”，而在於“有用”。價值含量、挖掘成本比數量更為重要。對於很多行業而言，如何利用這些大規模數據是成為贏得競爭的關鍵。大數據的價值體現在以下幾個方面：1、對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷;2、做小而美模式的中長尾企業可以利用大數據做服務轉型;3、面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。

“大數據”在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，但企業組織利用相關數據和分析可以幫助它們降低成本、提高效率、開發新產品、做出更明智的業務決策等等。例如，通過結合大數據和高性能的分析，及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元;為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵;分析所有SKU，以利潤最大化為目標來定價和清理庫存;根據客戶的購買習慣，為其推送他可能感興趣的優惠信息;從大量客戶中快速識別出金牌客戶等等。

獨角獸

獨角獸企業原本是美國風投界的術語。用來描述估值超過10億美元的初創公司。這些企業最初通常是以軟體為主，但現在漸漸包括了其他領域的行業。到2015年8月止，在獨角獸企業名單上排行在前的企業有Uber(交通)，小米(電子消費品)，Airbnb(住宿)， Palantir(大數據)和Snapchat(社交媒體)。

由獨角獸衍生而來的詞：十角獸，指估值超過100 億美元的初創企業。超級獨角獸，super-unicorn，指估值超過1千億的公司，例如Facebook。獨角鯨，加拿大技術獨角獸一般被稱為獨角鯨。

B. 認知計算是什麼與人工智慧，機器學習這些概念有什麼區別

最近要寫paper也在關注這些議題，現有資料中徐峰、冷伏海的paper《認知計算及其對情報科學的影響》中的表述相對系統：

認識計算源自模擬人腦的計算機系統的人工智慧，90年代後，研究人員開始用認知計算一詞，以表明該學科用於教計算機象人腦一樣思考，而不只是開發一種人工系統。傳統的計算技術是定量的，並著重於精度和序列等級，而認知計算則試圖解決生物系統中的不精確、不確定和部分真實的問題，以實現易於處理、強勁和低價的工程問題解決方案。認知計算是認知科學的子領域之一，也是認知科學的核心技術領域。認知計算對於未來信息技術、人工智慧等領域均有著十分重要的影響。在認知科學領域，雖說大多數人贊同「心智或認知就是計算」這一口號式的綱領並在其指導下從事常規研究，但對於認知計算卻沒有十分明確統一的概念。下面是對認知計算的一些理解。
認知計算是綜合了神經網路、計算機組織一系列事件和經驗作決策的衡森一個技術領域。人工神經網路的發展是該方向的一大進步。人工神經網路用於計算機有關環境知識的組織，可使其作出合理(依據充分)的選擇，並有可能應對阻礙和問題。認知計算研究人員認為，大腦是一種機器，因此有可能被復制。
認知計算是一個多種技術的綜合體，每種技術用不同的方法解決其領域內的問題。如人工神經網路將生物神經的互動作為模式認知、決策、模擬和預測的模型。模糊邏輯利用類似於人類決策過程的方式利用信息，對於控制和決策制定應用十分有用。進化計算用於自然選擇和進化理論，在優化中十分有用。認知計算為分析技術處理和人類活動提供了一個有效的途徑。哈佛大學的Leslie
G．Valiant認為，與其他的方法相比，認知計算主要有以下三個特點：所有存儲、學習或回憶都是用先前獲取的信息通過承載網路執行的簡單演算法過程；系統把持續學習作為後台活動；在更加復雜的認知處理中，如分析復雜情景或推理時，內部計算擁有一個重要的時間域和需要保持的狀態信息。
認知計算是一種自上至下的、全局性的統一理論研究，旨在解釋觀察到的認知現象(思維)，符合已知的自下而上的神經生物學事實(大腦)，可以進行計算，也可以用數學原理解釋。認知計算尋求一種符合已知的有著大腦神經生物學事實的計算機科學類的軟體/硬體元件。並用於處理感知、記憶、語言、智力和談攔改意識等心智過程。
上面的幾種理解從不同的側面對認知計算的內涵和特點進行了分析，從中可以看出，雖然表述不盡相同，但許多學者對於認知計算涉及的主要技術領域，及認知計算需解決的主要問題大都有著較為類似的看法。綜合以上概念，可以將認知計算簡單地理解為綜合了多種技術的，旨在通過利用基於計算技術等人工機制實現人類認知功含判能的技術領域，是認知科學的核心技術領域。在情報科學領域常用人工智慧的概念，但實際上認知計算與人工智慧所關注的重點存在著一些差別。人工智慧重在研製一種能夠實現人類認知功能的人工機器，而認識計算則重在研究可以模擬人類的認知功能的計算原理和方法。

----------------------------------------------------------
還在研究中，所以先放一段別人的表述吧，之後有更成熟的想法再更新。

C. 認知計算，人工智慧和大數據分析有何區別

你好·抄
大數據分析屬於認知計算的一個維度。與大數據相比，認知計算的范圍更廣、技術也更為先進。
認知計算和大數據分析有類似的技術，比如大量的數據、機器學習（MachineLearning）、行業模型等，大數據分析更多強調的是獲得洞察，通過這些洞察進行預測。此外，傳統的大數據分析會使用模型或者機器學習的方法，但更多的是靠專家提供。
對於認知計算而言，洞察和預測只是其中的一種。但是，認知計算更為強調人和機器之間自然的交互，這些維度都不是傳統的大數據分析所強調。
此外，認知計算目前成長很快的一個領域為深度學習（DeepLearning），它的學習方法與傳統方法不同，更多的是基於大量的數據通過自學的方式得到這樣的模型，而不需要很多的人為干預，這個從學習方法來講和大數據分析有很多不同的地方。
希望能夠幫助到你

D. 常見的科學術語有哪些

科技術語纖虧有尺豎派虛擬現實、人工智慧、認知計算、量子計算、深度學習、DT時陵賀代、計算機視覺、人臉識別、物聯網等等。

E. 科技術語有哪些

1、人工智慧：人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

2、AIBO機器狗：2017年11月1日，日本索尼公司發布了狗型家用機器人「aibo」。新型「aibo」搭載了人工智慧，能夠自己靠近主人，發出有個性的叫聲。這是1999年發售的世界首台家用機器人「AIBO」的新機型。

3、智能垃圾桶：採用先進的微電腦控制晶元、紅外感測探測裝置、機械傳動部分組成，是集機光電於一體的高科技新產品，當人的手或物體接近投料口（應感窗）約25cm—35cm時，垃圾桶蓋會自動開啟，待垃圾投入3-4秒後桶蓋又會自動關閉。

4、智能物流：智能物流是利用集成智能化技術，使物流系統能模仿人的智能，具有思維，感知，學習，推理判斷和自行解決物流中某些問題的能力。

智能物流的發展將會促進區域經濟的發展和世界資源優化配置，實現社會化。 通過智能物流系統的四個智能機理，即信息的智能獲取技術，智能傳遞技術，智能處理技術，智能運用技術。

5、智能醫療：智能醫療是通過打造健康檔案區域醫療信息平台，利用最先進的物聯網技術，實現患者與醫務人員、醫療機構、醫療設備之間的互動，逐步達到信息化。

F. 認知計算的關於認知計算

認知計算的一個目標是讓計算機系統能夠像人的大腦一樣學習、思考，並做出正確的決策。人腦與電腦各有所長，認知計算系統可以成為一個很好的輔助性工具，配合人類進行工作，解決人腦所不擅長解決的一些問題。正敏蘆
認知計算源自模擬人腦的計算機系統的人工智慧，90年代後，研究人員開始用認知計算一詞，以表明該學科用於教計算機像人腦一樣思考，而不只是開發一種人工系統。傳統的計算技術是定量的，並著重於精度和序列等級，而認知計算則試圖解決生物系統中的不精確、不確定和部分真實的問題，以實現不同程度的感知、記憶、學習、語言、思維和問題解決等過程。
目前隨著科學技術的發展以及大數據時代的到來，如何實現類似人腦的認知與判斷，發現新的關聯和模式，從而做出正確的決策，顯得尤為重要，這給認知計算技術的發展帶來了新拿攔的機遇和挑戰。
另據IDC預測，到2018年，超過一半的消費者將獲取到基於認知計算開發的服務。到2020年，50%的商業分析軟體將包含舉帶基於認知計算功能的分析工具，同時認知服務將嵌入新的應用之中。嵌入式的數據分析將為美國企業提供超過600億美元的減省。

G. 科技術語有哪些呀

科技術語如下：

1、虛擬現實

虛擬現實是由計算機模擬系統創建的虛擬。一般來說，就是利用技術手段使人身臨其境，與這個環境互動。這項技術主要包括模擬環境、感知、自然技能和感測器。

除了計算機圖形技術產生的視覺感知外，還包括聽覺感知、觸覺感知、力覺感知、運動感知，甚至嗅覺、味覺等多重感知。目前，虛擬現實技術已經應用於醫學、軍事航天、室內設計、工業模擬、游戲、娛樂等多個行業。

2、人工智慧

人工智慧是計算機科學的一個分支，它試圖理解智能的本質，並產生一種新的智能機器，可以以類似於人類智能的方式做出反應。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統。

自人工智慧誕生以來，其理論和技術日益成熟，應用領域不斷擴大。可以想見，人工智慧帶來的科技產品將是未來人類智能的「容器」。人工智慧可以模擬人類意識和思維的信息過程。人工智慧不是人類智能，但它能像人類一樣思考，可能會超越人類智能。

3、認知計算

認知計算源於ibm人工智慧超級計算機「沃森」的名字，現在代表了一種全新的大數據分析方式。隨著信息的增加，隨著時間的推移，計算機可以通過學習和交互的方式，隨著數據的進一步增長，逐漸改善自己的認知分析行為，就像大腦會自然地做事一樣。「認知計算」是人工智慧和大數據的「聯姻」。

4、量子計算

量子計算是目前比較熱門的研究領域。基於量子力學的量子計算機與普通計算機相比，具有超乎想像的並行計算和存儲能力，求解一個有數十億個變數的方程組需要100年。而萬億次量子計算機只需要0.01秒就可以求解。隨著量子計算機的應用，密碼破譯和基因測序等當前的科學問題將很容易得模絕掘到解決。

5、深度學習

深度學習的概念源於人工神經網路宏襪的研究。機器學習研究中的一個新領域，其動機在於建立和模擬人腦分析學習的神經網路，模仿人腦解釋數據的機制，如圖像、聲音和文本。

自2006年以來，機器學習領域取得了突破性進展。圖靈測試至少不是那麼遙不可及。在技術手段上，不僅取決於雲計算對大數據的並行處理能力，還取決於演算法。演算法是deeplearning。在deeplearning演算法的幫助下，人類終於找到了解決「抽象概念」這一古老問題的方法。

6、dt時代

dt時代的數據處理技術。雖然這個詞很早就提出來了。但直到2015年3月馬雲在it峰會上的演講，才在國內火起來。馬雲說，兩者的區別在於，it時代以「我」為中心，dt時代以「他人」為中心，讓他人更強大旦核，更開放，承擔更多責任。

7、計算機視覺

計算機視覺是一門研究如何讓機器「看見」的科學。進一步說，是指用相機和計算機代替人眼來識別、跟蹤和測量目標，並進一步處理圖形，使計算機處理變得更適合人眼觀察或將圖像發送給儀器進行檢測。

形象地說，就是在計算機上安裝眼睛(攝像頭)和大腦(演算法)，讓機器感知環境和物體。我們中國的成語「眼見為實」和西方人常說「一幅畫勝過一萬句話」，表達了視覺對人類的重要性。不難比較，有視覺的機器未來是不可估量的，比如：智能機器人，智能視頻監控，新型人機界面等等。

H. 解析認知計算與大數據和人工智慧的區別

這兩個是不同的領域，但是有共同點的，都是以後發展的趨勢的。人工智慧對技術的要求更高一些吧。大數據涉及的范圍比較廣。但是人工智慧也是比較廣泛的。檸檬學院大數據。

I. 認知計算和大數據分析有什麼區別

認知計算是IBM提出的概念，認為「認知計算」是通過與人的自然語言交流及不斷地學習，從而肆攔幫助人們做到更多衡仿的系統。而大數據收集是其咐雹纖計算學習的基礎。

J. 大數據需要理性認知

大數據需要理性認知
認清大數據
「當前對於大數據最明顯的認識誤區是把大數據和Hadoop MapRece劃等號，和互聯網UGC（用戶生成內容）畫等號。」

《計算機世界》：「大數據」是當前最流行的概念，應該怎樣理解這個概念？
潘越：大數據原來只是技術領域里的概念，後來逐漸發展到與產業和商業緊密相關，這導致圍繞著大數據的很多觀念和做法都發生了轉變。過去人們更強調數據本身的價值，只保存「有用的」數據，然後對此做出分析就可以了。但是隨著數據管理和數據分析技術的進步，現在已經可以處理更大規模的數據，所以此時就需要考慮數據分析服務的個性化問題，人們對於數據應用的理念也開始發生轉變。現在的大數據服務商可以先把各種各樣的數據保存下來，包括那些原來被認為是「沒有用」的數據，然後進行有針對性的分析和實現按需交付，從而給客戶帶來快捷和更細化的服務，推動商業的進步。
《計算機世界》：大數據應用就是保存所有的數據、分析所有的數據？
潘越：把數據盡可能地保存並不是說把數據像堆雜物一樣地儲存，而是需要對數據進行組織和管理，IBM稱之為數據治理，意思就是把數據當做資產來看待。資產肯定包括不同的類型，數據也一樣。
對一個企業來說，它的主數據就是核心資產，其中可能包括客戶信息、產品信息、供應商信息等。核心資產非常重要，也經常要被使用，所以必須保證其在安全和高效的環境下得到利用和保護；還有一類數據關繫到企業的業績水平，它將決定企業的運營做得好還是不好，體現出的是績效管理的結果，這部分數據由數據倉庫支持；第三類則是關繫到企業未來的數據，它們的價值在於「潛力」，比如原始單據就是這類數據，企業有可能從中挖掘出新價值，讓自己的業務做得更好、更有前景，它們是「內容管理」的對象；此外還有一類「很快的數據」，它們是需要迅速得出處理結果的數據。比如一個客戶來了，企業馬上就要分析出該客戶的興趣點是什麼、與其他客戶有何關聯關系等，以便及時做出最有效的應對。這種數據的形態與前幾種都不同，它們需要以流數據的方式進行處理。
需要指出的是，每一類數據都有一個生命周期，都有一個從獲取、管理、應用，到用於決策支持的過程。
《計算機世界》：大數據應用發展到理想狀態，企業就可以精準預測客戶需求，提前解決供應問題嗎？人們對大數據的認識是否有誤區？
潘越：1974年的諾貝爾經濟學獎得主哈耶克，他發表的獲獎演說題為《知識的偽裝》，其中說到：「隨著科學知識的增加，我們高估了自己理解構成世界的微妙變化能力，也高估了我們對每個變化的重要性做出判斷的能力。」所以，無所不知只是人的錯覺。現在很多研究者製作出一些精確的數學模型，認為這就是因果模型，但其實它們是關聯模型。同樣，大數據本身也不能幫你得出因果關系，而只能顯現關聯關系。
當前對於大數據最明顯的認識誤區是把大數據和Hadoop MapRece畫等號，和互聯網UGC畫等號。其實MapRece只對處理大數據中的一類數據有效，而且只是一種處理方法。互聯網UGC也只是大數據分類中的一部分，許多行業都有待挖掘的大數據資源，包括傳統零售行業、醫療行業、政府信息等。
數據就是資產
「各行各業都有大規模的數據資源，只不過因為種種原因，很多沒有開放，只要有合理的機制解決開放問題，讓數據能在被充分保護的基礎上加以利用，就能發掘出很多大數據的應用機會。」
《計算機世界》：大數據時代，IBM追尋怎樣的目標？
潘越：IBM總的原則就是：為客戶創造價值。在大數據方面，IBM所做的是幫助客戶確認數據資產，對數據資產進行有效管理和有效利用，讓數據資源長久為客戶服務，這是我們的基本原則。短時期內，IBM的目標是通過自己的技術、產品和服務，幫助客戶管好、用好數據資源。而在將來，IBM一方面希望更深層次地利用現有或者可能產生的數據，進一步挖掘數據的價值；另一方面，IBM認為數據既然是資產，就可以進行交易，未來是否可以把數據資產定價，像別的資產一樣自由交易，又該怎樣進行交易，這個問題IBM正在研究。
《計算機世界》：當前在行業應用方面，IBM的大數據能力體現在哪裡？
潘越：目前零售行業是大數據應用非常活躍的領域，在中國，IBM跟王府井百貨和蘇寧都有合作，用大數據技術和服務幫助這些傳統零售商在向電商形態轉變。事實上，傳統的零售商也有自己的優勢，比如它的物流系統要比第三方更穩定可靠，所以在電商領域他們有自己的後發優勢，當這種優勢與大數據技術得到良好結合，他們的電商之路一定會順暢很多。另外，醫療行業也是大數據應用的重要行業，超級電腦Watson就在朝這個方向努力。
Watson是一個問答系統，可以根據病人的病歷、分析文獻和其他醫生的意見，給出一個診斷決策。目前Watson在醫療領域已經有應用案例，比如IBM和美國最大的保險公司WellPoint就在進行相關合作。更重要的是，IBM將Watson與大數據結合在一起，還在於探索解決非結構化數據的處理問題，尤其是多媒體數據，包括圖像、視頻等等。比如醫學影像通常需要專業的醫生去解讀，而IBM現在試圖讓Watson也去完成這類解讀，這是一個很大的挑戰，但是如果能夠探索出解決辦法，無疑將對醫療行業的發展帶來巨大推動力。
《計算機世界》：用戶生成內容是大數據的重要來源，這是否意味著互聯網企業在大數據時代的話語權最大？
潘越：短期來講互聯網企業很有優勢，因為他們既是數據的生產者，也是數據的利用者，他們可以很方便地把數據用於改善用戶體驗，由此便獲得了先天的話語權。但從長遠來看，大數據的應用遠遠不限於互聯網，就好像采礦，最初都會挖一些容易探到的礦產，生產出來的產品也都比較初級，然而當行業發展成熟，下游產品越來越豐富，後續的探索會更加有價值。比如石油資源可以支持化工行業，化工業的價值要比初級的煉油高得多。所以，數據的後續深挖能力，也將決定大數據領域企業的份量。另外，當把淺層的礦產挖完後，就需要具備更強的探礦能力，把用戶生成數據理順以後，對於其他類型的數據是否具備處理能力會顯得更加重要。其實，各行各業都有大規模的數據資源，只不過因為種種原因，很多沒有開放，只要有合理的機制解決開放問題，讓數據能在被充分保護的基礎上加以利用，就能發掘出很多大數據的應用機會。所以在將來，一定不是非互聯網企業就沒有掌控大數據產業話語權的機會。
《計算機世界》：IBM認為大數據和目前正在不斷推進的認知計算的交匯點在哪裡？認知計算將會是最理想的大數據計算方式嗎？
潘越：認知計算，從狹義來講，是計算機和心理學以及神經生物學交叉的研究領域。現在相關概念被擴大化了，能跟人有自然介面的、可以學習的系統，都被稱為認知計算。最近認知計算領域進展比較快，有兩個原因：一是因為硬體技術的進步，現在已經能夠更大規模地建立神經網路，IBM有一個項目就是在研究利用立體的集成電路去搭建一個高密度的神經網路，現在能做到類貓腦的程度，最終的目標是構建一個達到人腦級別的神經網路；第二，當前計算領域，演算法方面有很大的提高。在認知計算領域，越是基本的概念機器越難學會表達，以前這是計算方面的難點，而現在這一塊有了突破。
不過目前，認知計算和大數據還是各做各的，沒有完全融合，未來如果兩者能很好地結合，將帶來無限可能。事實上，認知計算屬於人工智慧范疇，而人工智慧一直是IBM特別關注的領域，因此把認知計算和大數據應用的能力協調發揮，也是IBM的努力方向。