看完一章之后就觉得过于综述开始一目十行。这个所谓的书评就当做是一些笔记吧。直接读了英文版，专业词汇在这里就不花时间翻译了。
用了前四章的篇幅来讲什么是Cognitive系统， NLP和大数据系统的重要性。
Cognitive Computing
最核心的特征是：是个probablistic systerm 而不是deterministic.
-
对于每一个输入，结论不是只有一个。书中将这些可能的结果定义为“hypothesis generation”
-
结论之间的界限也非常模糊， 所以需要一个强大的证据库和搜索，模式匹配系统作为支持；
-
访问，管理和根据上下文分析数据。
-
每次增加数据，系统都会自动更新，学习到新的内容 （跟Data loop的概念很像）
NLP
书里强调了NLP的重要性，把它细分成了好几部分：
-
Phonology: sound of a language （感觉可以用于语言分类，也许能用于baby language）
-
Morphology: structure of a word （拼写检查？）
-
Lexical Analysis: Connect each word with its corresponding dictionary meaning （句子含义理解的第一步）
-
Discouse: meaning associated with context and time. （例如在70年代的美国，人们认为抽烟对身体有益。所以如果是70年代相关的文本提到抽烟，就不是一个负面词。）
-
Pragmatics: the ability to understand context of how words are used. (可以跟grammar结合起来)
云计算，机器学习
讲了很多应用案例来说明云计算和机器学习的重要性。但是很多都只是提了名词并没有深入。考虑到书是2015写的，近几年AWS和AI的进展实在是太快。书中提到的概念感觉大家已经耳熟能详了。
Waston
第九章具体讲了Waston的架构和一些实现功能的模块，对于理解这个系统设计非常有帮助。
这里也解答了“如果产生假设？”
我是理解就是前期海量资料收集和分类非常重要，基本就是在了解问题之后进行各种搜索。从不同的角度，从不同的资料库找到可能的答案作为“假设”。然后对每个假设，再次寻找证据来打分。
打分的方法提到了几个，书里没有讲具体算法，列举一下名字以后备查：
-
Passage term match
-
skip-bigram
-
textual alignment
-
Logical Form Answer Candiate Scores (LFACS)
## 同时也发表在豆瓣日记
ChangeLog
20181027 初稿