联手服务计算专业委员会：“认知服务”术语发布 | CCF术语快线

InfoBox：

中文名：认知服务

外文名：Cognitive Service

学科：软件工程、服务计算、软件服务工程

实质：智能化服务

研究背景：

随着软件的网络化、服务化、平台化、生态化与智能化等新形态的发展，软件的运行环境从互联网向云计算、边缘计算、物联网、区块链等多向发展。一方面，“软件定义”覆盖了云、边、端的各类资源，弥合异构的计算设备、存储设备、网络设备、安全设备之间的鸿沟，成为实现人、机、物融合环境下“软件基础设施化”的重要技术途径，应用开发者能按需“定义”出适用的基础资源架构，更加方便、灵活地来配置和使用这些资源。另一方面，互联网+、人工智能+、万物智联等IT泛在化的推动因素使得新的应用场景不断涌现，各类软硬件资源以服务的形式越来越“紧贴”用户，而用户只需购买他们需要的应用并按需付费，形成“一切皆服务(XaaS)”。服务上云、服务跨界、服务融合等催生了技术、社会、商业高度综合的服务生态系统^[1]。

服务生态系统具有更强的竞争优势与价值创造能力，同时也因大规模、跨界合作、动态开放、大数据化、去中心化等特点而更复杂^[2-4]，更加需要依靠精准捕获用户需求、快速持续演化、高实时性与高扩展性来保持这种优势，催生了微服务、DevOps、Serverless、中台、社会化开发等新技术。与此同时，服务生态系统中服务及其涉众的多源异构自治特点更加凸显、关联关系更复杂，也面临更具挑战的用户需求不确定性——个性化（千人千面）、融合化（不拘一格）、动态化（快速演变）等问题^[5,6]。

新一代人工智能是“有感知、有认知、有行为、可交互、会学习、自成长的机器智能，有解释、解决智力问题的能力，但没有意识，也没有免疫和自愈能力，是特定人的智能代理机器”^[7]。认知智能是新一代人工智能的制高点，代表了人工智能发展的趋势，涉及语义理解、知识表达、联想推理、自主学习等人工智能的“深水区”^[8,9]。认知智能与服务计算相结合，产生了认知服务这类“更聪明”的服务。认知服务的初步应用已经取得了较好效果，例如，近年来各大互联网公司纷纷推出了各种智能助理服务，如微软公司的语音聊天助手小冰、百度公司的小度和小米公司的小爱同学等。这些智能助理服务除了能与用户进行基本的语音聊天和交互外，还可通过感知用户意图并调用相应的软件服务（如天气预报查询、电视节目切换等）以满足用户需求。然而，这类认知服务解决问题的能力尚处于初级阶段，在遇到专业问题时仍具有一定的局限性。除了简单的服务调用外，对认知服务更复杂、更智能、更迫切的需求也不断涌现。例如，结合AI技术的智能RPA(Robotic Process Automation)服务被认为是企业的虚拟化“数字员工”，实现更高效的人-机、机-机之间的协作。智能化低代码设计平台是认知服务的又一个典型应用场景，通过交互式设计、柔性化组装、低代码开发、迭代式演进，有助于降低企业创新门槛和提升服务质量，推动企业数字化转型。认知服务的构造与深度应用正成为一个亟需解决的问题^[10]，不断涌现的新需求与新问题对认知智能的服务化和认知服务的工程化提出了更高的要求。

基本概念与元模型架构：

认知服务是认知智能与服务计算相结合产生的一种新型服务形态。面向复杂服务生态系统，认知服务旨在通过主动洞察事物发展的内在规律，理解用户真实需求意图，融合人（用户/开发者）、机（服务）和知识，赋予服务以认知能力，从而实现智能化的业务处理与应用，为用户提供智能、优质的服务。

经典的服务计算关注如何利用IT服务实现业务服务，在相对确定的业务需求基础上进行服务设计和开发，并利用服务推荐和组合实现业务的动态适应性。在日趋动态化和个性化的服务场景下，用户需求往往不确定且动态多变，对服务的感知和认知能力的要求催生了认知服务的涌现。认知服务具有的自治性、自主性、多样性、交互性和涌现性等特点，为认知服务的分析、开发和运营维护提出了更高的要求。为此，需要对认知服务生态系统的基本关联和一般运行规律进行认识和梳理，以指导认知服务的用户需求意图理解、服务适应性构造和协同演化。

图1定义了认知服务计算的元模型，用以刻画认知服务生态系统中服务用户、服务开发者、知识、认知服务四类实体的交互协同关系和相互作用机理。其中，认知服务与用户之间的交互主要体现在：认知服务开发的目的是为用户提供精准服务；而实现这一目的的关键在于准确识别用户的意图。开发者与认知服务之间的交互主要体现在：开发者需要根据用户与认知服务之间的迭代式对话交互或使用历史来理解用户的真实意图，以此驱动后续的认知服务开发。开发者与知识之间的交互主要体现在：需要抽取开发者积累的服务构造模式和知识，挖掘这类知识的方法可以看作关于服务认知的认知，即元认知；另外，挖掘得到的知识可以为开发者在后续构造或演化过程中提供可重用的资产。在知识与认知服务之间，一方面，从已有认知服务资源的属性和行为特征中进行知识挖掘和抽取；另一方面，利用知识推理提高服务的决策能力，即赋予服务以认知能力。

除了不同实体间的交互关联，认知服务的内部结构-行为模型主要用于刻画意图理解、决策推理、服务行为、效用评估四个功能模块间的交互。认知服务在其生命周期中各个阶段与不同实体进行交互与协同，通过意图理解感知和分析用户需求，基于此进行决策推理以确定服务的执行决策，明确在什么条件下调用和执行哪些组件服务以满足用户需求，并对服务的执行过程进行状态监控和效用评估。

图1 认知服务计算元模型

研究趋势

认知服务通过理解用户真实需求意图，赋予服务以认知能力，从而实现智能化的业务处理与应用，已成为现代服务业的重要发展趋势，也给传统服务计算和服务科学带来了诸多挑战。关于认知服务的研究方兴未艾，未来可重点从如下四个方面开展深入研究：

1）认知服务计算范型的本质特征与机理。认知服务计算范型是对认知服务生命周期一般规律和模式的总结，用以阐明认知智能服务化的机理。从计算范型的视角分析认知服务与经典服务计算的异同点，将为认知服务的开发与运维提供全面深入的指导。因此，需要从认知服务生态系统的视角出发，对认知服务计算范型的基本特征和一般运行规律进行认识和梳理，指导认知服务的用户需求意图理解、服务适应性构造和协同演化。

2）面向服务需求的用户意图理解。服务开发是将用户期望转换为服务实现的过程，用户需求表达的含混性是服务实现不确定性的主要原因。基于用户行为大数据分析的感知和与用户的迭代式对话交互有助于更精准地捕获用户的需求意图。因此，在开放的服务生态系统环境下，需要研究如何结合融合感知智能与认知智能来获取和理解用户真实意图。

3）服务构造中的认知赋能方法。多样性是服务生态系统健康性的保证，要求服务能“紧贴”用户，满足个性化多样化需求。需求的差异化带来的不确定性，与服务构造和开发过程的相对确定性之间形成矛盾。因此，需要研究在服务构造过程中如何将认知智能赋予服务，即构造具备认知能力（包括感知、决策、执行、评估、自适应调节）的服务。

4）面向生态的认知服务协同演化机理。认知服务系统是一个多时空、多涉众的社会-技术型复杂生态系统，用户、服务以及运行环境之间持续交互导致用户需求动态变化和不确定。因此，需要在刻画认知服务个体、群落等要素及其交互关联关系的基础上，分析和发现认知服务间竞争、协同的演化规律，进而指导构造高质量的认知服务系统。

参考文献