首先来看看认知计算和人工智能的区别
人工智能的概念已经有二十多年，人工智能从历史和研究角度来讲主要目的是为了让机器表现的更像人类，我们称之为Intelligent Behavior。IBM的认知计算从技术角度上讲和AI是有很多共性的地方，比如机器学习（Machine Learning)，深度学习（Deep Learning)等方面都很类似。
但是IBM的认知计算目的并不是为了取代人，或者说Intelligent Behavior只是认知计算的一个维度，我们在讲认知计算的时候除了要能表现人和计算机的交互更加自然之外，还会更多的强调推理的部分，自学习的部分，以及怎样把这样的能力结合具体的商业应用，解决商业的问题。后两个维度不是传统做人工智能的人关心的维度，他们更关心的只是怎样表现的更像人。
timg.jpg
再来看看认知计算和大数据分析有何区别
认知计算和大数据分析会有一些类似的技术，比方说大量的数据，机器学习，模型或者行业模型这些都是类似的地方，传统来讲分析更多强调的是得到洞察，通过这些洞察我们可以做一些预测，这是传统的分析的概念。
但是在认知计算这个框架里面，他强调的内容，洞察和预测只是其中的一种，比方说认知计算会比较强调人和机器之间自然的交互，无论是以语音的方式还是自然语音的交流，这些维度都不是传统的分析会强调的维度。
另一个不同的地方，在传统的分析里面也使用一些模型或者积极学习的方法，但通常还是靠更多的专家来帮助提供。在认知计算里面，目前成长很快的一个领域，我们称之为深度学习的领域，他的学习方法与传统方法不同，它更多的是基于大量的数据通过自学的方式得到这样的模型，而不需要很多的人为干预，这个从学习方法来讲和分析方法有很多不同的地方。
这两者之间分析只是一个维度，认知计算里面是有分析这样的维度或者场景，但是无论从学习的维度还是从和人自然交互的维度，认知计算都要比传统的学习谈到的范围要广的多，所使用的技术也更加先进。
认知计算和大数据分析
机器学习的定义
机器学习的概念
机器学习（Machine Learning,ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
1.大数据分析，主要有哪些核心技术？
http://www.duozhishidai.com/article-1938-1.html
2.构建一个企业的大数据分析平台 ，主要分为哪几步？
http://www.duozhishidai.com/article-8017-1.html
3.数据科学，数据分析和机器学习之间，有什么本质区别？
http://www.duozhishidai.com/article-7892-1.html
