认知计算的前景

制造商和其他工业组织长期以来一直受到在整个组织中持续应用专业知识的挑战。人口趋势和新技术进步承诺进一步挑战行业参与者。为了保持竞争力，工业公司需要拥抱新的转型性技术，如认知计算。

理想情况下，今天学到的经验教训被卷入了明天的决定。在考虑新的挑战时，明智会问别人他们所学到的东西，所以可以应用这种知识来帮助确保未来的成功。在公司世界中，这种知识转移方法变得更加制度化。指导成为一个正式的和鼓励的实践。这进入了采用标准的经营实践，试图鼓励在组织上持续应用专业知识。

但这些标准和程序还不够。技术继续提高能力和灵活性，公司不断合并和成长。随着公司进入新市场。他们必须适应全球压力和文化。既定的程序和标准经常防止采用转型化技术和技术，并且可能在所有情况下都不适用。此外，公司正在失去能够解释为什么在第一批方式编写该程序的专家，并且可以将它们适应新的情况。

与专家在全球范围内更薄地传播，合作和共识更难以实现。知识可用性仅限于文档，在没有上下文的情况下可能难以找到或难以理解。

工业项目变得越来越复杂，呈现出更大的风险，并将组织带入未知的领土，其中来自多年经验的直觉至关重要。新的和创新技术承诺改变行业业务的方式，挑战标准和程序到位。

在这个技术变化日益增多、传统文化减少和数据超载的时代，组织必须解决以下问题:我们如何有效地培训和通知我们的新人才?我们如何更快、更一致地获取和应用知识?以及我们如何在不妨碍采用适当的变革性技术以保持未来竞争力的情况下，保留无价的企业知识和遗产?

在最近的讨论中，一家大型石油公司向ARC咨询集团透露，他们预计未来5年将面临20%的工程人员短缺。这意味着，如果该行业继续以相同的模式运营，项目将配备不合格的人员，整体项目质量可能会受到影响。

保养现有设施也可能因类似原因而受到影响，人员配置也会变得更加昂贵。由于这种原因，卡尔加里技术专业知识的成本在过去五年中增加了近50％。合格的工程师和其他技术人员的短缺也是为什么澳大利亚主要液化天然气（LNG）项目的原因是落后于计划和超过预算。

由于需求远远超过供应，因此弧度预计这一趋势将继续可预见的未来。因此，技术人才的成本将增加，影响项目，维护和业务绩效。

标准和程序通常无法预见新技术创新，并通过设计不灵活。因此，这些较旧的开展业务的方式可能无法充分利用新技术可用的承诺。创新速度减缓，组织风险缺失竞争机会。

输入认知计算

认知计算在计算机化模型中的人类思维过程。它涉及使用数据挖掘，模式识别和自然语言处理的自学习系统，类似于人类大脑如何运作如何分析信息和解决问题。目标是创建可以解决问题的自动IT系统，而无需人为援助。认知计算系统使用机器学习算法并不断通过挖掘数据来获取信息的数据以获取信息。该系统适应他们寻找模式的方式以及处理数据的方式，以预测新的问题和模型可能的解决方案。

认知计算技术已经适应捕获医学领域的专业知识和知识，这面临着美国人员的缺乏。在这里，它有望在提供一致性的同时减少诊断的错误。在医学应用中，认知计算并未被视为医生的替代品，而是作为合作助理。

工程将是另一个伟大的契合和自然进展，特别是如果与云计算等相关的新兴趋势，作为认知计算和工业互联网（IIT）作为数据和分析的源代码的交付平台。

读者会注意到，这些都是挑战组织当前工作方式的趋势。专业知识正在流失，组织需要正式记录这些知识。该行业依靠程序和标准来实现这一点，但这些枯燥的文件缺乏教学成分——目前只有我们的人类专家才能提供的“为什么”。

然而，认知计算应用程序可以“阅读”这些文档，并且在过程中，培养自己以捕获可用于训练人类并帮助解决问题的知识。越多的工业组织文件记录了他们的程序和最佳实践，培训认知计算应用程序的更容易。

>>马克森古普塔，msengupta@arcweb.com.，高级顾问是弧咨询组。他在流程控制，SCADA和IT应用中拥有超过24年的专业知识，包括Mobay，霍尼韦尔，植物自动化服务（PAS），Cygnet软件和Invensys等公司。他拥有佐治亚理工学院的电气工程学士学位和硕士学位。