本期釋出術語熱詞：認知服務(Cognitive Service)。
認知服務(Cognitive Service)
作者：李兵（武漢大學）、王健（武漢大學）、陳世展（天津大學）、王田（北京航空航天大學）、塗志瑩（哈爾濱工業大學）
開篇導語
認知服務(Cognitive Service)是認知智能與服務計算相結合産生的一種新型服務形态。面向複雜服務生态系統，認知服務旨在通過主動洞察事物發展的内在規律，了解使用者真實需求意圖，融合人（使用者/開發者）、機（服務）和知識，賦予服務以認知能力，進而實作智能化的業務處理與應用，為使用者提供智能、優質的服務。
InfoBox：
中文名：認知服務
外文名：Cognitive Service
學科：軟體工程、服務計算、軟體服務工程
實質：智能化服務
研究背景：
随着軟體的網絡化、服務化、平台化、生态化與智能化等新形态的發展，軟體的運作環境從網際網路向雲計算、邊緣計算、物聯網、區塊鍊等多向發展。一方面，“軟體定義”覆寫了雲、邊、端的各類資源，彌合異構的計算裝置、儲存設備、網絡裝置、安全裝置之間的鴻溝，成為實作人、機、物融合環境下“軟體基礎設施化”的重要技術途徑，應用開發者能按需“定義”出适用的基礎資源架構，更加友善、靈活地來配置和使用這些資源。另一方面，網際網路+、人工智能+、萬物智聯等IT泛在化的推動因素使得新的應用場景不斷湧現，各類軟硬體資源以服務的形式越來越“緊貼”使用者，而使用者隻需購買他們需要的應用并按需付費，形成“一切皆服務(XaaS)”。服務上雲、服務跨界、服務融合等催生了技術、社會、商業高度綜合的服務生态系統[1]。
服務生态系統具有更強的競争優勢與價值創造能力，同時也因大規模、跨界合作、動态開放、大資料化、去中心化等特點而更複雜[2-4]，更加需要依靠精準捕獲使用者需求、快速持續演化、高實時性與高擴充性來保持這種優勢，催生了微服務、DevOps、Serverless、中台、社會化開發等新技術。與此同時，服務生态系統中服務及其涉衆的多源異構自治特點更加凸顯、關聯關系更複雜，也面臨更具挑戰的使用者需求不确定性——個性化（千人千面）、融合化（不拘一格）、動态化（快速演變）等問題[5,6]。
新一代人工智能是“有感覺、有認知、有行為、可互動、會學習、自成長的機器智能，有解釋、解決智力問題的能力，但沒有意識，也沒有免疫和自愈能力，是特定人的智能代理機器”[7]。認知智能是新一代人工智能的制高點，代表了人工智能發展的趨勢，涉及語義了解、知識表達、聯想推理、自主學習等人工智能的“深水區”[8,9]。認知智能與服務計算相結合，産生了認知服務這類“更聰明”的服務。認知服務的初步應用已經取得了較好效果，例如，近年來各大網際網路公司紛紛推出了各種智能助理服務，如微軟公司的語音聊天助手小冰、百度公司的小度和小米公司的小愛同學等。這些智能助理服務除了能與使用者進行基本的語音聊天和互動外，還可通過感覺使用者意圖并調用相應的軟體服務（如天氣預報查詢、電視節目切換等）以滿足使用者需求。然而，這類認知服務解決問題的能力尚處于初級階段，在遇到專業問題時仍具有一定的局限性。除了簡單的服務調用外，對認知服務更複雜、更智能、更迫切的需求也不斷湧現。例如，結合AI技術的智能RPA(Robotic Process Automation)服務被認為是企業的虛拟化“數字員工”，實作更高效的人-機、機-機之間的協作。智能化低代碼設計平台是認知服務的又一個典型應用場景，通過互動式設計、柔性化組裝、低代碼開發、疊代式演進，有助于降低企業創新門檻和提升服務品質，推動企業數字化轉型。認知服務的構造與深度應用正成為一個亟需解決的問題[10]，不斷湧現的新需求與新問題對認知智能的服務化和認知服務的工程化提出了更高的要求。
基本概念與元模型架構：
認知服務是認知智能與服務計算相結合産生的一種新型服務形态。面向複雜服務生态系統，認知服務旨在通過主動洞察事物發展的内在規律，了解使用者真實需求意圖，融合人（使用者/開發者）、機（服務）和知識，賦予服務以認知能力，進而實作智能化的業務處理與應用，為使用者提供智能、優質的服務。
經典的服務計算關注如何利用IT服務實作業務服務，在相對确定的業務需求基礎上進行服務設計和開發，并利用服務推薦群組合實作業務的動态适應性。在日趨動态化和個性化的服務場景下，使用者需求往往不确定且動态多變，對服務的感覺和認知能力的要求催生了認知服務的湧現。認知服務具有的自治性、自主性、多樣性、互動性和湧現性等特點，為認知服務的分析、開發和營運維護提出了更高的要求。為此，需要對認知服務生态系統的基本關聯和一般運作規律進行認識和梳理，以指導認知服務的使用者需求意圖了解、服務适應性構造和協同演化。
圖1定義了認知服務計算的元模型，用以刻畫認知服務生态系統中服務使用者、服務開發者、知識、認知服務四類實體的互動協同關系和互相作用機理。其中，認知服務與使用者之間的互動主要展現在：認知服務開發的目的是為使用者提供精準服務；而實作這一目的的關鍵在于準确識别使用者的意圖。開發者與認知服務之間的互動主要展現在：開發者需要根據使用者與認知服務之間的疊代式對話互動或使用曆史來了解使用者的真實意圖，以此驅動後續的認知服務開發。開發者與知識之間的互動主要展現在：需要抽取開發者積累的服務構造模式和知識，挖掘這類知識的方法可以看作關于服務認知的認知，即元認知；另外，挖掘得到的知識可以為開發者在後續構造或演化過程中提供可重用的資産。在知識與認知服務之間，一方面，從已有認知服務資源的屬性和行為特征中進行知識挖掘和抽取；另一方面，利用知識推理提高服務的決策能力，即賦予服務以認知能力。
除了不同實體間的互動關聯，認知服務的内部結構-行為模型主要用于刻畫意圖了解、決策推理、服務行為、效用評估四個功能子產品間的互動。認知服務在其生命周期中各個階段與不同實體進行互動與協同，通過意圖了解感覺和分析使用者需求，基于此進行決策推理以确定服務的執行決策，明确在什麼條件下調用和執行哪些元件服務以滿足使用者需求，并對服務的執行過程進行狀态監控和效用評估。
圖1 認知服務計算元模型
研究趨勢
認知服務通過了解使用者真實需求意圖，賦予服務以認知能力，進而實作智能化的業務處理與應用，已成為現代服務業的重要發展趨勢，也給傳統服務計算和服務科學帶來了諸多挑戰。關于認知服務的研究方興未艾，未來可重點從如下四個方面開展深入研究：
1）認知服務計算範型的本質特征與機理。認知服務計算範型是對認知服務生命周期一般規律和模式的總結，用以闡明認知智能服務化的機理。從計算範型的視角分析認知服務與經典服務計算的異同點，将為認知服務的開發與運維提供全面深入的指導。是以，需要從認知服務生态系統的視角出發，對認知服務計算範型的基本特征和一般運作規律進行認識和梳理，指導認知服務的使用者需求意圖了解、服務适應性構造和協同演化。
2）面向服務需求的使用者意圖了解。服務開發是将使用者期望轉換為服務實作的過程，使用者需求表達的含混性是服務實作不确定性的主要原因。基于使用者行為大資料分析的感覺和與使用者的疊代式對話互動有助于更精準地捕獲使用者的需求意圖。是以，在開放的服務生态系統環境下，需要研究如何結合融合感覺智能與認知智能來擷取和了解使用者真實意圖。
3）服務構造中的認知賦能方法。多樣性是服務生态系統健康性的保證，要求服務能“緊貼”使用者，滿足個性化多樣化需求。需求的差異化帶來的不确定性，與服務構造和開發過程的相對确定性之間形成沖突。是以，需要研究在服務構造過程中如何将認知智能賦予服務，即構造具備認知能力（包括感覺、決策、執行、評估、自适應調節）的服務。
4）面向生态的認知服務協同演化機理。認知服務系統是一個多時空、多涉衆的社會-技術型複雜生态系統，使用者、服務以及運作環境之間持續互動導緻使用者需求動态變化和不确定。是以，需要在刻畫認知服務個體、群落等要素及其互動關聯關系的基礎上，分析和發現認知服務間競争、協同的演化規律，進而指導構造高品質的認知服務系統。
參考文獻
[1] Jianwei Yin, Bangpeng Zheng, Shuiguang Deng, Yingying Wen, Meng Xi, Zhiling Luo, and Ying Li. Crossover service: Deep convergence for pattern, ecosystem, environment, quality and value. In 2018 IEEE 38th International Conference on Distributed Computing Systems (ICDCS), pp. 1250-1257. IEEE, 2018.
[2] Can Cheng, Bing Li, Zengyang Li, Yuqi Zhao, Feng-Ling Liao, Developer Role Evolution in Open Source Software Ecosystem: An Explanatory Study on GNOME. Journal of Computer Science Technology, 32(2): 396-414, 2017.
[3] Xiao Xue, Yaodan Guo, Chen Shizhan, Shufang Wang, Analysis and Controlling of Manufacturing Service Ecosystem: A research Framework based on the Parallel System Theory. IEEE Transactions on Services Computing, 14(6): 1598-1611, 2021.
[4] Xiao Xue. Zhaojie Chen, Shizhan Chen, Binjie Li. An integrative multi-dimensional evaluation of Service Ecosystem. In 2020 IEEE International Conference on Web Services(ICWS), pp. 265-272, IEEE, 2020.
[5] Zhengli Liu, Bing Li, Jian Wang, Rong Yang, Requirements engineering for crossover services: Issues, challenges and research directions. IET Software, 15(1): 107-125, 2021.
[6] Bolin Zhang, Zhiying Tu, Yangqin Jiang, Shufan He, Guoqing Chao, Dian-Hui Chu, Xiaofei Xu, DGPF: A Dialogue Goal Planning Framework for Cognitive Service Conversational Bot. In 2021 IEEE International Conference on Web Services(ICWS), 335-340, IEEE, 2021.
[7] 李德毅. 新一代人工智能十問十答. 智能系統學報, 2021, 16(5):829-833.
[8] Vijay V. Raghavan, Venkat N. Gudivada, Venu Govindaraju, Calyampudi R. Rao. Cognitive Computing: Theory and Applications. Elsevier, 2016.
[9] 赫伯特·西蒙著, 荊其誠，張厚粲譯, 認知：人行為背後的思維與智能, 北京：中國人民大學出版社, 2020.
[10] Abbas Raza Ali, Cognitive Computing to Optimize IT Services. In 17th IEEE International Conference on Cognitive Informatics & Cognitive Computing (ICCI*CC 2018), 54-60, IEEE, 2018.
作者介紹
武漢大學
李兵
研究領域：服務計算、軟體工程、人工智能、複雜網絡
武漢大學
王健
研究領域：服務計算，軟體工程
天津大學
陳世展
研究領域：服務計算，軟體服務生态系統分析
北京航空航天大學
王田
研究領域：人工智能、模式識别與智能系統
哈爾濱工業大學
塗志瑩
研究領域：服務計算，認知服務
術語工委及術語平台介紹：
計算機術語審定委員會(Committee on Terminology)主要職能為收集、翻譯、釋義、審定和推薦計算機新詞，并在CCF平台上宣傳推廣。這對厘清學科體系，開展科學研究，并将科學和知識在全社會廣泛傳播，都具有十分重要的意義。
術語衆包平台CCFpedia的建設和持續優化，可以有效推進中國計算機術語的收集、審定、規範和傳播工作，同時又能起到各領域規範化标準定制的推廣作用。
新版的CCFpedia計算機術語平台(http://term.ccf.org.cn)将術語的編輯營運與浏覽使用進行了整合，摒棄老版中跨平台操作的繁瑣步驟，在界面可觀性上進行了更新，讓使用者能夠簡單友善地查閱術語資訊。同時，新版平台中引入知識圖譜的方式對所有術語資料進行組織，通過圖譜多層關聯的形式更新了術語浏覽的應用形态。
計算機術語審定工作委員會
主任：
劉挺（哈爾濱工業大學）
副主任：
王昊奮（同濟大學）
李國良（清華大學）
主任助理：
李一斌（上海海乂知資訊科技有限公司）
執行委員：
丁軍（上海海乂知資訊科技有限公司）
林俊宇（中國科學院資訊工程研究所）
蘭豔豔（清華大學）
張偉男（哈爾濱工業大學）