框架／技術案例，依第 7.10 節與表 7.4。
理解認知運算、認知分析、認知搜尋與人工智慧（Artificial Intelligence, AI）的原書區分，以及 Watson 的歷史脈絡與應用案例。
認知系統強調脈絡、多種資料型態、自然語言處理（Natural Language Processing, NLP）／機器學習（Machine Learning, ML）與人類能力增強；企業搜尋也從關鍵字比對走向語意／脈絡感知搜尋。
| 特徵 | 認知運算 | 人工智慧（AI） |
|---|---|---|
| 使用技術 | ML、NLP、神經網路（Neural Network, NN）、深度學習、文字探勘、情感分析 | ML、NLP、NN、深度學習 |
| 提供能力 | 模擬人類思考流程以協助人類 | 找出隱藏模式與潛在解決方案 |
| 目的 | 增強人類能力 | 自動化複雜流程 |
| 產業（原書） | 客戶服務、行銷、醫療、娛樂、服務業 | 製造、金融、醫療、銀行、證券、零售、政府 |
| Watson 歷史節點 | 原書數值／內容 |
|---|---|
| Deep Blue 對弈 | 1997 年 5 月 11 日；6 局：Deep Blue 勝 2 局、冠軍勝 1 局、和棋 3 局 |
| 原書描述的 Watson 開發 | 2010；DeepQA |
| 原書引用的醫療知識主張 | 20% 有實證依據 |
| 原書引用的醫療資訊成長主張 | 每 5 年倍增 |
認知搜尋被原書描述為可處理結構化／非結構化／影像／影片／音訊／物聯網（Internet of Things, IoT）紀錄，並用 NLP／ML 理解脈絡、預測查詢意圖、調整相關性；也可透過軟體開發套件（Software Development Kit, SDK）、應用程式介面（Application Programming Interface, API）、視覺設計工具嵌入企業流程。
Deep Blue 六局分配可直接驗證：2 + 1 + 3 = 6 局。本案例其餘多為概念／歷史框架，沒有單一投資報酬率（Return on Investment, ROI）。
原書對認知運算的核心定位是 增強人類能力。這意味著企業導入時應評估搜尋相關性、脈絡、人工審查與工作流程整合，而不是只問系統是否能自動回答問題。
根據表 7.4 與認知搜尋四項特徵，整理認知運算與 AI 的原書區分；把 20%／5 年等明確標示為原書引用的歷史主張，不更新或外推。
問題： 認知搜尋為何不只是把關鍵字搜尋加快速度？
參考解答： 原書強調它處理多種資料型態、脈絡、NLP／ML、查詢意圖與嵌入式企業應用，差異在語意／脈絡與工作流程整合，不只是延遲時間。