作者 | 唐隆基，罗克博物流研究院副院长
来源 | 物流沙龙
这是我的智能计算和数字化供应链及智慧物流的系列文章之一，它首先介绍什么是认知计算，然后指出其发展趋势，最后探讨其在数字化供应链和智慧物流中的应用。本文第一节“什么是认知计算“是基于IBM红皮书【1】编译而成。第二节介绍认知计算的发展趋势，第三节讨论认知计算在数字化供应链及智慧物流中的应用以及落地战略。
1. 什么是认知计算？
在过去几年中，数据的爆炸，主要是非结构化数据的涌现导致了一种新的计算机系统—认知系统的发展。 认知系统的重点不像在它之前的可编程计算机，利用传统计算机程序快速计算大量数据。认知系统是关于探索数据，寻找新的相关性，以及数据中的新上下文。提供新的解决方案。认知系统旨在扩大人类认知的边界，而不是取代或复制人脑的工作方式。
认知计算正在成为一个新的行业。一场与运输、客户服务和医疗保健的自动化有关的新工业革命即将来临，，这样一场革命将产生新一代熟练的开发商。他们充分理解认知计算，设计新的业务应用程序，以及最终构建新的认知网络。本节简要概述了认知计算的历史和计算的时代。因为，要理解认知计算的未来，了解它的历史背景很重要。然后描述了认知计算及相关的基本概念以及认知系统的特性。
1.1认知计算简史
智能机器的概念早已存在。令人惊讶的是，在第十九世纪，数学家乔治·布尔（George Boole）的1854年出版的书，思维的规律（The Laws of Thought）定义的逻辑运算符（或，或不是）为思维规律提供了基础。大约同一时间，查尔斯·巴贝奇设想他所描述的一个分析引擎。
1950，Alan Turing，一位英国计算机科学家和数学家试图解决人工智能的问题，并提出了一个被称为图灵测试的实验。这是对一个机器表现出与人类相似的智能行为的能力的测试。这项测试是一个被称为“模仿游戏”的维多利亚风格比赛的改编。图灵实验是建立在一人类评价者的基础上，他/她能判断人类与机器之间产生类似人类反应的自然语言对话。试验研究者可以确定是否响应由电脑和哪些是人类。这个想法是，如果提问者不能说出人与机器的区别，计算机就会被认为是有思维的。
人工智能这个术语最早是由约翰·麦卡锡教授1956年在达特茅斯学院举行的会议时创立的。麦卡锡把这个学科定义为“科学，以及制造智能机器的工程，特别是智能计算机程序。“[1]
1960、计算机先驱J.C.R. Licklider发表了他的论文人-机共生（Man-Computer Symbiosis）[2]。阐述了克莱德的人与计算机互补或共生关系的看法。下面引用的是Licklider研究与见解的一个例子：
“人-机共生是期望发展人与电子计算机合作互动。它将涉及人与合伙的电子成员之间非常密切的耦合。其主要目的是：
1、让计算机在制定问题的解决方案中形成方案思维。
2、使人和计算机合作并不依赖预先确定的程序作出决定和控制复杂的情况…初步分析表明，共生伙伴关系将发挥智力比人类更有效地执行他们的行动。”
1.1.1计算的时代
要理解认知计算的未来，了解它的历史背景是很重要的。 以日期，两个不同的计算时代已发生：制表时代和编程时代。我们正在进入计算机进化的第三个也是最具变革性的时代，认知计算时代（认知时代）。图1显示了计算的三个时代。
图1：计算的三个时代 （来自【1】）
计算的三个时代可以描述如下：
制表时代（1890s-1940s）
第一个计算时代是由单一用途的机电系统组成的。计数，使用穿孔卡片输入和存储数据，并最终指示机器做什么。这些制表机本质上是用来设计统计和总结信息的计算器。它们做得很好，但最终仅限于执行单任务。
这些机器支持企业和社会的规模化，并政府用于如处理人口普查数据和业务会计及存货控制等应用。制表机发展了一类称为单位记录设备机器，和数据处理工业。
编程时代（1950s-至今）
这个时代开始从机械制表机转换到电子系统， 它始于第二次世界大战期间受军事和科学需求的驱使。战后，数字“计算机”迅速发展，并进入企业和政府。这标志着可编程计算时代开始。
这个时代最大的变化是引入了可编程的通用计算系统：它们可以被重新编程来执行不同的任务并解决多个企业与社会问题。 但最终，它们必须被编程，并且在运行中只能与人进行有所约束的互动。我们现在所知道的一切计算设备，从主机到个人电脑，再到智能手机平板电脑是一种可编程计算机。一些专家认为，这个计算时代将无限期地继续存在。
认知时代（2011年-未来）
正如Licklider所预言的，认知计算是一个可编程计算必要的和自然的演化。认知计算系统的目的是扩展人类认知的边界。认知计算技术不是取代或者甚至复制人类大脑工作的方式；它们是关于扩展人脑的功能。人类擅长推理，善于思考，解决复杂问题。但是人类在阅读、分析和处理巨大信息和大量的数据，无论是结构化的还是非结构化的，的能力，，都是相当贫乏的。当然，那是计算机系统的强项。认知计算系统的第一个角色是把人和机器的力量结合到一个协作的情境中。
认知系统的另一要素是实现人与人之间更自然的互动，并结合学习能力和与时俱进的适应能力。
1.1.2计算的未来是认知
在约翰·E·凯利的论文“计算，认知和未来的认识：人类和机器是怎么开创一个新的理解时代“[3]中陈述了这一点：
“我们这些人从事严肃的信息科学研究并应用于商业和社会的现实世界。 我们理解智能系统的巨大潜力。这个技术的未来—我们相信它将是认知的，而不是“人造的”—具有非常不同于一般归因于AI的特性，它产生不同种类的技术、科学和社会的挑战和机遇，对治理、政策和管理有不同的要求。”
在同一篇论文中，凯利博士定义了认知计算：
“认知计算”指的在规模上学习，有目的地思考，与人类自然互动的系统。他们并不是被明确地编程，他们是通过学习和与我们的互动中找到原因，以及他们对环境的体验。大数据驱动的当前需求和更为复杂的循证需求决策，超出了以前的严格规则和基于逻辑的计算方法。认知计算通过大量数据中的洞察力使人们能够寻找答案创造出一种新的价值。认知计算有助于提高人类与人类问题有关的系统的专门知识。
当我们寻求理解某事物并作出决定时，我们就会经历四个关键步骤：
1、观察可见的现象和证据。
2、根据我们所知道的来解释我们所看到的，以便产生关于这意味着什么的结论。
3、评估哪些假设是对的或错的。
4、决定（选择）看起来最好的选择并采取相应的行动。
正如人类通过观察、评估和决策的过程而成为专家一样。 认知系统使用类似的过程来推理他们所吸收的信息。
1.1.3认知计算对我们的生活的影响
不管你是否意识到这一点，认知计算已经对我们的生活产生了影响。通常，当你与呼叫中心交谈时，你的互动很可能发生在电脑上。你的文章，阅读可能是由机器编写的。在很多情况下，比如网上购物，认知计算理解你的行为和活动并提出建议。基于这种理解。基于认知计算原理的聊天机器人已成功支持解决投诉的服务。
许多行业正在通过认知计算得到加强。例如，医生诊断一个症状不正常的病人必须进行大量的检查获得的信息，以达到正确诊断。认知计算可以帮助医生为医生做大量的研究和初步分析，并可能为下一步提出建议。
考虑一个理财经理为客户提供他们的个人退休投资组合。当基本事实和规则适合后，个人需要、环境和利益开始发挥作用。整理所有相关信息，并将建议定制到特定客户可以是一个压倒一切的任务，但通过认知计算更容易实现。从本质上说，认知计算可以把许多专业人员每天处理信息纳入到文档，以便从中获得真正的价值。
1.2认知计算有关的基本概念
下面这些基本概念有助于理解认知计算及其系统：
认知（Cognition）
认知“思维行为”是个人或共同经历获得理解的心理过程。基于大脑的技能是每个人行为的一部分，是执行任何从最简单到最困难任务的必要条件。包括人类的感官的任务（听觉，触觉，嗅觉，视觉，味觉，甚至是额外的感觉。感知），学习，记忆，运动技能，语言，移情，社交技能，以及解决问题的能力。
如上所述，认知是通过思想、经验，和感觉获得知识的过程。认知过程有助于我们理解和与周围世界从基本到复杂的互动。
人工智能（AI）
人工智能系统的研究和开发旨在建立能够执行通常需要人的智能的任务的计算机系统。 基于人工智能的机器是有意的感知他们的环境并采取行动优化他们的成功水平。今天的人工智能可以被认为是薄弱的，因为它的目的是执行狭窄和具体的任务。许多研究者的目标是创造强大的人工智能，像人类一样学习并能解决人类的问题。
人工智能研究使用许多领域的技术，如计算机科学、哲学，语言学、经济学、语音识别和心理学，这些都表现在应用程序，如控制系统，自然语言处理，面部识别，语音识别、分析、模式匹配、数据挖掘和物流。
认知计算（Cognitive computing）
人类天生就具备一套帮助我们学习、发现创造，和做决定的技能：
认知计算是人工智能的分支而使之更完美。它是关于建立一个结合了人类和机器能力的系统（图2）。考虑人类天生拥有的能力，比如想象力和情感，结合计算机擅长的能力，如数字运算、模式识别和处理大量信息。
认知计算利用机器优势以计算机模式来模拟人类思维的过程。认知系统使用的技术，如机器学习、数据挖掘、自然语言处理和模式匹配来模拟人脑如何工作。这样的系统是与日益复杂的世界互动的理想的系统。
图2：人类和认知系统是互补的 （来自【1】）
大数据 （Big Data）
通常大数据特征是由五V （variety, volume, velocity, veracity, and visibility）定义的：多样、体量、速度、准确性，和能见度。大数据需要创新的信息处理形式来获取洞察力，自动化流程，和协助决策。大数据可以是对应于形式模式的结构化数据，如传统数据集和数据库。
大数据还包括半结构化和非结构化格式，如字处理，文档、视频、图像、音频、演示文稿、社交媒体交互、信息流、Web页面和许多其他类型的内容。非结构化数据不存储在规则（关系）数据库中，并以指数级增长，占世界上所有数据的大多数。
问答（Question-answering ：QA）技术
认知系统可以吸收数百万页的文本并应用问题回答技术并采用自然语言回答人类提出的问题。 这种方法允许人们“问”，对复杂的问题几乎立即得到答案。结合其他应用程序编程接口（API）和高级分析，QA技术区别于传统的搜索（由关键字触发的）在于它是提供对话式的讨论。
机器学习（Machine Learning）
机器学习是一种人工智能，它使计算机在没有显式程序化时具有学习和执行的能力。这意味着随着时间的推移计算机从错误和新经验中学习（接触新数据）和增加它的智慧，使计算机模型会变得更好。 如果一个计算机程序能根据过去的经验来改进它执行某些任务，它已经掌握了机器学习。这与执行任务总是以同样的方式按编程去做是不同的。
自然语言处理（NLP）
NLP是人工智能的一个领域，是指自然语言的计算机处理。自然语言是任何人类语言，如英语、西班牙语、阿拉伯语或日语，它区别于计算机语言，如java或C++，Fortran。NLP是计算机软件理解人类语言的能力。通过使用NLP能力，计算机可以分析用人类语言编写的文本并识别概念，实体，关键字，关系，情感，情感和其他特征，允许用户从内容中获取洞察力。
任何以自然语言为输入并能处理它的系统都是自然语言处理系统（例如，垃圾邮件检测软件）。垃圾邮件分类器是一种查看电子邮件主题行内容的系统，以评估是否收到的电子邮件是或不是垃圾邮件。
云计算 （Cloud Computing）
云计算是描述按需服务交付的通用术语，通常通过互联网，按需付费。世界各地的公司通过互联网和云计算的方式为它们的客户提供服务，服务可能包括数据分析、社会媒体、视频存储、电子商务，和认知计算。
应用程序接口（API）
一般来说，API公开了功能和服务。API使软件组件之间能够容易沟通。API作为集成方法通过使任务更容易连接和与其他应用程序或服务的接口把灵活性注入到应用程序生命周期中。API抽象了一个服务、应用程序或工具，只公开开发人员需要的东西，因此编程变得更容易更快。
图3：认知系统让用户专注于为日常和重大问题建立更好的解决方案 （来自【1】）
认知API通常是在一个基于云的开放平台上交付的。开发人员可以通过一个或多个可用API使用将认知注入到数字应用程序、产品和操作中。在认知计算模型中，所有这些概念组合在一起，消除了让用户成为认知方法的专家的需要，而让他们专注于创造更好的解决方案（图3）。
图3认知系统让用户专注于为日常和重大问题建立更好的解决方案。
这些概念和技术是如何相互关联的呢？
认知计算模型在各个领域具有较高的应用价值。通过应用这种模式，用户不需要花时间学习有关工具的复杂细节，以便有效地使用工具或花时间解释大量的信息来绘制结论。相反，用户花时间识别有用的模式，做出决策，并采取行动改善业务和业务流程。
由于认知计算模仿思维，所以输出的质量会和开始使用的算法和模型一样好。这些模型通过机器学习得到改进。 人类专家可能花数周分析数据量，但计算机模型可以在几秒钟内完成。
例如，一个医疗小组进行一研究，监测数百名儿童数月和预测导致蹒跚学步的孩子糖尿病的因素。在不久的将来，同样的研究可以通过计算机模型准确地预测。以较低的成本并只需几秒钟的时间可分析大量数据。甚至有更多的价值、分析可以包括其他数据源以提高预测结果。
你需要一台超级计算机来分析大量的数据，以便你能获得洞察力吗？这是云计算的力量可以帮助的地方。各种厂商已建立云计算环境和通过互联网提供对云的访问。用户请求他们需要的服务和提供他们的数据。供应商提供按需付费模式并提供定制的环境，以满足用户的特殊需求。云计算模型极大地降低了访问的障碍，并且世界上具有互联网连接的任何人可以访问这些服务。
各种API提供对各种服务的访问使人们能够快速、方便、直观地访问计算系统。大多数API独立于编程语言，这意味着您的开发人员可以用任何编程语言工作。使用API共享端点之间的数据、服务和业务功能（例如应用程序、设备和网站）创造了降低集成成本和时间的机会。
1.3 认知系统的特征和应用
1.3.1 认知系统的特征
许多人认为只有运用认知系统我们才能处理今天的数据冲击。这是因为认知系统有以下几个关键特点:
认知系统的第四要素是随着时间的推移扩大学习和适应的能力。所以当你使用这些应用程序，反馈机制捕获交互的结果和系统必须从产生的交互中学习，并随着时间自动演化，提高其性能。有了这个理解基础，你就可以把认知系统理解为达到提供并在许多情况下已经提供的这些功能。
理解：认知系统像人类一样理解意象，语言，和其他非结构化的数据。认知系统像人类一样处理几乎所有的数据（结构化和非结构化）。
原因：认知系统能找原因，掌握基本概念，形成假设，并推理和思想。
学习：认知系统从每个数据点，相互作用，和结果发展增加专业知识，并继续学习、适应和改进他们的专业知识。
互动：认知系统有能力看，说话，听，并与人类以自然的方式互动。
1.3.2 解决现实生活问题的认知系统
认知系统驱动使用大数据来支持业务流程。大多数大数据都有没有正式的组织或结构。认知系统可以洞察非结构化数据并有结合自然语言处理和机器学习的能力。认知系统还可为日常问题创造解决方案。认知系统为消费者创造产生价值的新途径并增强其购买生命周期的经验。
例如，一个认知旅行计划者可以考虑用语言识别，权衡分析，和个性见解，来为客户提出满足他们需求的最佳的旅行建议。另一个例子是通过审查大量的保险规则来获得保单规则。有了这些规则，保险公司可以驱动标准化，降低风险，更广泛地学习专业知识和承销商的经验。
认知系统的供应商提供基于语音命令的各种产品，以及因特网上数据的使用。各种供应商为医疗，汽车，金融，供应链，物流，和保险等不同行业提供有针对性的认知系统。
2. 认知计算的发展趋势
认知计算是人工智能（AI）的一个分支。现代认知计算可追溯到19世纪后期，数学家乔治·布尔的工作和他的书《思想的法律》，以及查尔斯·巴贝奇创造他所谓的“分析机”。近年来，研究发现它有助于处理复杂的大数据，从而不经意地提高企业生产力水平。
认知计算是下一代智能计算系统，它将用人类语言交互并通过理解复杂的大数据来帮助专家做出更好的决策。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。
由于认知计算对未来业务的巨大潜力，近年来认知计算得到迅速发展。本文从三方面来讨论其发展趋势：（1）认知计算公司（2）全球认知计算市场发展趋势（3）企业采用AI/认知计算的趋势。
（1）认知计算公司的发展趋势
2014年IBM投资10亿美元成立了一新沃森（Watson）集团，以满足日益增长的认知创新需求。沃森（Watson）集团是IBM一个新的业务部门致力于开发和商业化的云交付的认知计算系统。
谷歌2014年斥资4亿美元收购英国一家初创AI公司DeepMind，该公司正开发智能电子商务、在线游戏和图像识别。据华尔街日报，同年，脸谱网的马克·扎克伯格和特斯拉的伊隆麝香与演员和技术投资者艾什顿·库奇联合投资4000万美元到一个称为Vicarious人工智能的初创公司。
Vicarious公司是一个旨在复制人类大脑皮层作为计算机代码的公司。大脑皮层是大脑用于“辩认，控制身体，理解语言的，和做数学的相当重要的一部分。”公司的创始人Scott Phoenix告诉华尔街日报，一旦他们成功地完成这一任务，“你会有一台像人一样思考计算机，但它不需要吃饭或睡觉。”
大量的研究工作正在进行，在麻省理工学院，卡耐基-梅隆大学，纽约大学，理工大学，和许多其他大学。还有很多其他的研究：项目Rebellion研究已经投入700万美元开发一个基于机器学习的股票投资计划。三藩的小脑资本为类似的目标投资了1000万美元。这样的投资只会随着认知计算和它的伙伴AI的发展而变得更加明显。
图4列举了前10大认知计算公司，它们都是美国公司， 其中Deepmind 原来是英国公司，在2014被谷歌收购后,现在是谷歌Alphabet集团的一部分。
图4：前10大认知计算公司【2】
（2）全球认知计算市场发展趋势
根据alliedmarketresearch.com的研究，全球认知计算市场预计至2020年将创造137亿美元的收入，在2015 至2020年间预测期内的年复合增长率为33.1%。图5显示了从2014 至2020年间认知计算技术市场的发展趋势：
图5：首要因素：认知计算技术市场【3】
从图5可见认知计算技术市场发展趋势包括
大型复杂数据量的增加
大数据分析
利用互联网的速度
部署认知计算的成本
【4】的研究指出了如图6所示的全球市场认知系统支出增长的主要趋势。在预测期2016-2026内的复合年增长率将达到14.6%。据估计，到2016年底，银行板块将占20%以上的价值份额，预计在预测期内，全球认知系统消费市场的其他部分将以15.5%的高复合增长率增长。银行业务预计在2016至2026年间绝对会有超过400亿美元的机会。此报告还表明，银行部门在2026年底前将在全球认知系统消费市场中占30%以上的价值份额，其次是保健部门。
预计美国北部地区认知系统将在银行业预测期内以较高的复合年增长率扩张，其次是西欧。国际商业机器公司（IBM）在全球认知系统消费市场占有超过50%的市场份额。该公司正主导银行业、制造业和教育认知系统在银行业的全球市场。IBM的认知计算产品平台沃森也在进军供应链和物流领域。
图6：全球市场认知系统支出增长的主要趋势【4】
（3）企业采用AI/认知计算的趋势
Teradata【5】对全球企业AI/认知计算的采用和计划研究的主要结论包括以下：
图7：“贵公司在生产中是否有任何人工智能能力？”所有受访者（260）以受访者区域划分。
图8：“您组织中的哪一部分正在推动AI能力的收益？”询问目前组织拥有人工智能能力的受访者（209）
图9：对所有受访者（260）的上述AI能力的使用和感知效益分析
图10：“您组织中的哪一部分正在推动人工智能能力的收益？”，结果按所有被调查者(260)的地区分开
图11: “以下哪项业务成果促使贵公司投资于人工智能能力？” 结果按所有被调查者(260)的地区分开
图12：“你认为AI最大潜在的商业革新领域是什么？” ，结果按所有被调查者(260)的地区分开
图13：“在您组织中实现AI实现时，您看到或期望看到哪些障碍？”，结果按所有被调查者(260)的地区分开
总之，本节指出了（1）认知计算公司的发展趋势 （2）全球认知计算市场发展趋势， 以及 （3）企业采用AI/认知计算的趋势。从这些趋势可以看出，AI /认知计算将在第四次工业革命中起到非常重要的作用，它将大大有助于企业的数字化转型。企业将采用人工智能/认知计算获得商业效益。
3.认知计算在数字化供应链和智慧物流中的应用
3.1人工智能自然适合供应链
供应链，特别地，全球供应链或供应链网络是一个非常复杂的过程，它涉及不同的组织、人员、设备、产品、物流、信息、技术等。供应链网络中的业务流、信息流、产品流（包括物流）、资金流以及复杂的过程和环境（天气、海港、航空，公路、……）往往会产生大量的数据，甚至是大数据。
这些数据将影响供应链的当前和未来，供应链必须对它们进行分析，以便让它们帮助优化供应链或预测未来，或找到新的商业机会。人工智能和认知计算比人们现有的分析方法更有效更智慧，更有助于寻找最佳的供应链解决方案，如解决供应链端到端的供应链流程的挑战。特别是可以帮助人们从大数据中寻找供应链商业价值。
人工智能和认知计算还能帮助供应链规避由于不确定性、复杂性带来的风险。人工智能和认知计算技术的另一个常见的应用是针对材料质量、从供应到生产到客户供应进行预防性维护和风险管理。机器学习正在成为操作技术组合中的主流。新产品的基线预测有助于确定新产品介绍和参加市场计划。
当供应链应用得到需求信号时，人工智能可以确定不断变化的需求行为和优化库存水平和补货计划以满足连续循环的需求， 以及帮助供应链从产品设计、生产、销售、售后、到产品寿命整个产品生命周期的管理。
中国合同物流发展研究报告【6】和我的专栏文章【7】指出人工智能技术， 例如增强现实（AR），可穿戴技术(Wearable technology)，机器人（Roboties），无人机(Drone)，无人车（Driverless car）等在智能物流中起着重要的作用。这些游戏规则的改变者使数字化供应链成为可能和必要。
2016 年12月IDC Manufacturing Insights（IDC制造业洞察）公布了其“IDC futurescape：全球供应链2017的预测“【8】， 它为IT和业务线（LOB）框架报告决策者和影响者，以及未来的一年的计划和执行技术相关的举措提供了10个预测。预测之一就是“一半的全球供应链到2020年将使用人工智能。”。
IBM商业价值研究院在它的研究报告【9】中指出：
50%受访的供应链高管表示他们未来三年将重点投资认知计算或云计算
86%受访的供应链高管表示认知计算将会转变他们的需求规划和预测能力
96%受访的制造业高管表示人工智能和认知计算将提升他们在生产规划方面的表现
总之，运用认知计算于供应链来重塑供应链和加快供应链数字化是很自然的趋势。
3.2 认知供应链（Cognitive Supply Chain）
本文把具有认知能力的供应链称为认知供应链。 事实上，就是把认知计算应用于供应链。供应链的认知能力可包括对供应链的认知分析、洞察、需求规划和预测，计划、采购、生产规划，产品开发、制造、销售、售后市场、风险管理。
IBM 的沃森（Watson）是认知计算系统的杰出代表，也是一个技术平台。沃森可以帮助人们洞悉趋势，创造潮流，保护能源，打击犯罪，打破记录，提升效率，节约资金。还可以帮助企业推动销售，更好地了解客户，精准医疗，加速上市，提高产量，补齐货架，创作艺术。也能帮助人们开拓思路，开创商机，开辟新市场，开启新理念。
沃森已开始应用于供应链优化分析和预测，并且正在帮助一些物流企业打造有认知能力的智能化物流体系。图14展示了IBM沃森架构体系结构的构建模块【10】：
图14：IBM沃森架构体系结构的构建模块
IBM将沃森应用于供应链数字化转型-沃森供应链[4]。它是基于IBM沃森平台的认知供应链。图15显示IBM沃森供应链为供应链提供全方位的认知计算能力。发挥沃森供应链的力量，可创造一个更加以客户为中心，透明、智能和可预测的供应链。
图15：IBM沃森供应链为供应链提供认知计算能力
正如我们所知道的，缺乏可见性和透明度是实现供应链组织目标的最大障碍。沃森供应链提供认知性透明度。它不同于传统的通过数据可视化描述性的透明度，只看到树木，没有看到森林，只看到当前，看不到未来，只看到明显的，看不见隐含的（一般，来自外部的大数据， 如来自社交网络，天气，新闻，……的数据），这种传统的透明度已经不能满足全球/网络供应链【7】（例如全球贸易供应链）的要求。
认知性透明度是一种具有人工智能新的透明度，它通过认知学习、人机自然交互，大数据分析洞察， 和动态数据可视化综合的可见性来实现和自提高。IBM供应链洞察利用沃森认知技术在供应链中培训，为整个供应链提供全面的可见性和洞察力。它使组织能够预测、评估和减轻干扰和风险，从而改善供应链运作，为企业带来更大的价值。一个典型的例子是带有问沃森（Watson）的问题解决中心。
图16：带有问沃森（Watson）的问题解决中心【12】
从图16可见，沃森（IBM智能机器人）提供了关于供应链问题的详细信息和分析。问沃森智能系统借助认知洞察力解决突发事件和降低风险的在线协作并请沃森向专家推荐关键的源信息，并从以前的事件解决方案中获取知识。从而可缩小检查中断时间从几天到几分钟。
顾客/客户服务是供应链后市场的挑战之一。 认知客户服务是一个集成了人工智能（AI）、机器人（bots）、消息（Messaging）和人类智能（human agents）的客户服务平台。它正在改变客户服务和解决问题的传统方式。使查询速度更快，更有效低成本。
另一个典型的例子是如图17所示带智能提醒的运营中心。沃森可以自动发送库存警报。并且立即评估即将到来的风险和中断的财务影响以及提供影响供应链生命周期的内部和外部事件的可见性。此外它能比传统方式削减90%信息检索时间。
图17：带智能提醒的运营中心【12】
物流是供应链的重要组成部分。认知计算也有助于物流数字化转型。它使物流更加智能化。 随着物流业的数字化转型，智慧化物流愈加重要。作为国内零担之王，德邦试图通过IBM 沃森（Watson）的认知技术，助力德邦快递服务升级，打造一个具备认知能力的智能化物流体系。
总的来说，将沃森引入德邦客户服务系统后，物流公司常见的两个问题便迎刃而解。第一，沃森扩大了数据处理的范围——原来只能处理结构化数据，沃森则可以分析非结构化数据。第二，原有的模型建立之后就被固定，无法自我实现升级，而具备认知技术的沃森则可以随着时间的运转，促使模型变得越来越“聪明”[5]。
随着国内电商平台和新零售的发展，市场需求、竞争条件的变化，中国的智慧物流得到了迅速发展。根据国家物流行业中长期发展规划，有预测认为中国智慧物流市场规模将保持20%以上的高速增长，到2022年，中国智慧物流市场规模将超过7900亿元5。
供应链和物流的发展和竞争归根结底是数据的发展和竞争。得数据获其价值者得“天下”。而认知计算技术，如IBM沃森（Watson）认知技术平台能帮助供应链和物流企业从数据， 特别是大数据（包括结构和非结构化数据）中获取商业价值。 尽管这一领域的探索才刚刚开始，但未来已来，让我们迎接新的AI /认知计算的供应链时代的挑战。
注：本文将不一一描述沃森供应链在图片15中的应用，您可以从【9】【11】中找到它们。
3.3 认知技术如何在供应链组织/企业落地
认知技术为供应链组织/企业提供了巨大的机会，但您需要考虑采用什么认知技术的功能最适合您的供应链组织/企业。 您还应开始思考认知技术将如何改变现有供应链的角色和组织。 一个理想的方法是在战略领域启动认知技术项目。
考虑一下您的组织中哪些项目或过程能最受益于认知技术。哪里有大量的数据需要管理？您的组织目前应用描述性的、还是预测性的或指定性的分析？可以在哪里使用更高的分析技能（认知分析）？当您将这些技术应用于某些挑战或过程时，您将开始开发内部能力和专门知识。您将开始增强你的专业人员的技能。要让认知技术在您的供应链组织/企业落地，建议考虑下面这些具体的任务和程序：
根据IBM商业价值研究院，可视性和透明度的缺乏是实现供应链组织的目标的最大障碍。大多数组织缺乏透明度的关键环节在供应链流程–以及需要更好地预测和防止中断和库存的不平衡度。这很大程度上源于无法控制和散落在不同的过程，内部和外部的来源，和系统的海量的数据上。 这都是认知技术应用于供应链的理想领域。认知技术可以：
总之，认知技术能使供应链变得智慧——提高透明度、恢复力和可预测性。然而，您必须愿意改变和接受挑战，您必须有正确的战略和详细的计划。
参考：
【1】使用Watson服务构建认知应用程序：第1卷http://www.redbooks.ibm.com/abstracts/sg248387.html?Open
【2】https://www.predictiveanalyticstoday.com/what-is-cognitive-computing
【3】https://www.alliedmarketresearch.com/cognitive-computing-market
【4】https://www.futuremarketinsights.com/reports/cognitive-systems-spending-market
【5】Teradata， STATE OF ARTIFICIAL INTELLIGENCE FOR ENTERPRISES， 2017
【6】中国合同物流发展报告，罗克博物流研究院， 2017
【7】唐隆基，唐隆基博士专栏，http://www.logclub.com/forum-285-1.html
【8】http://www.supplychainbrain.com/content/nc/technology-solutions/network-design/single-article-page/article/idc-predicts-half-of-worldwide-supply-chains-will-use-ai-by-2020/
【9】欢迎加入认知供应链，IBM 商业价值研究院，2017年6月
【10】领先颠覆，德勤对IBM沃森的看法，德勤， 2015
【11】沃森供应链，https://www.ibm.com/watson/supply-chain/， IBM
【12】唐隆基，未来的供应链是数字化的供应链http://www.logclub.com/thread-250171-1-1.html
作者 | 唐隆基，软件工程博士；曾任职于美国IBM,卡特彼勒和联邦快递；北斗中兴新型智慧城市专家联席会议软件架构师首席专家；罗克博物流研究院副院长；智经供应链管理研究院副院长；湖南大学信息科学与工程学院兼职教授；广州捷世通物流股份有限公司战略副总裁和首席信息官
此文系作者个人观点，不代表物流沙龙立场
