輔助用戶決策的“認(rèn)知商業(yè)”，比要代替人的人工智能更具商業(yè)實(shí)用性。
2016年堪稱人工智能元年。繼谷歌AlphaGo高調(diào)亮相之后，IT巨頭們紛紛亮出了人工智能領(lǐng)域的最新成果。微軟推出了智能聊天機(jī)器人 Tay，必應(yīng)搜索引擎也多次在足球、選秀等重大比賽中準(zhǔn)確地預(yù)測(cè)了比賽結(jié)果。Facebook公布了圖像識(shí)別技術(shù)。這些技術(shù)看起來非常驚艷，但很多在商業(yè) 領(lǐng)域難以直接發(fā)揮作用。
與開發(fā)通用型人工智能技術(shù)不同，IBM更關(guān)注人工智能在商業(yè)領(lǐng)域的應(yīng)用。今年IBM提出了“認(rèn)知商業(yè)”的戰(zhàn)略，將認(rèn)知計(jì)算技術(shù)與行業(yè)經(jīng)驗(yàn)相結(jié)合，幫助企業(yè)快速實(shí)現(xiàn)商業(yè)模式的變革與迭代，讓人工智能融入企業(yè)運(yùn)營(yíng)。
從智慧地球到認(rèn)知商業(yè)
在認(rèn)知商業(yè)戰(zhàn)略提出之前，IBM的戰(zhàn)略重點(diǎn)是智慧地球。彼時(shí)正值物聯(lián)網(wǎng)、大數(shù)據(jù)和移動(dòng)互聯(lián)技術(shù)大規(guī)模應(yīng)用的時(shí)期。IBM意識(shí)到，萬物互聯(lián)可 以造就無限的商業(yè)機(jī)會(huì)。智慧地球的愿景就是希望世界上所有的設(shè)備都能夠聯(lián)網(wǎng)，通過大數(shù)據(jù)分析，實(shí)現(xiàn)智慧化的商業(yè)，甚至智慧化的城市和國(guó)家。
為實(shí)現(xiàn)智慧地球的戰(zhàn)略，IBM提出了3I模型，即Instrmented(感知)、Interconnected(互聯(lián))和Intelligent(智能)。
設(shè)備位于模型的底層，使設(shè)備能夠采集數(shù)據(jù)，這是智慧地球的基礎(chǔ)。設(shè)備互聯(lián)之后產(chǎn)生海量的數(shù)據(jù)，如何從數(shù)據(jù)中獲取價(jià)值，就需要智能化的分析技 術(shù)。過去的幾年中，智慧地球戰(zhàn)略在設(shè)備和互聯(lián)兩個(gè)層面得到有效的實(shí)施，但在數(shù)據(jù)的智能分析上遇到了挑戰(zhàn)。如何實(shí)現(xiàn)對(duì)大數(shù)據(jù)的分析和認(rèn)知?IBM提出了“認(rèn) 知商業(yè)”的戰(zhàn)略。
“認(rèn)知”而非“智能”
與當(dāng)前人工智能強(qiáng)調(diào)的概念不同，IBM對(duì)人工智能在商業(yè)應(yīng)用中的理解，是實(shí)現(xiàn)“認(rèn)知”而非“智能”。做出這一判斷的基礎(chǔ)，是IBM數(shù)十年來在行業(yè)客戶中積累的經(jīng)驗(yàn)。
IBM認(rèn)為，目前商業(yè)遇到的最大挑戰(zhàn)是不能發(fā)掘數(shù)據(jù)的價(jià)值，數(shù)據(jù)如何在商業(yè)中運(yùn)用，仍需要人來進(jìn)行判斷。商業(yè)不僅僅是追求利益最大化，還需 要考慮法律、倫理、社會(huì)責(zé)任等多方面的因素。而這些有溫度的判斷，很難由計(jì)算機(jī)來完成。因此，IBM認(rèn)為，當(dāng)前人工智能要做的是“認(rèn)知”數(shù)據(jù)的價(jià)值。
當(dāng)前數(shù)據(jù)分析的兩大挑戰(zhàn)是數(shù)據(jù)量的井噴和數(shù)據(jù)類型的井噴。根據(jù)IBM的預(yù)測(cè)，到2020年，全球每人每天將產(chǎn)生約2.4GB的數(shù)據(jù)，形象地 比喻，就是每人每月產(chǎn)生的數(shù)據(jù)可以填滿一部64GB的iPhone手機(jī)。據(jù)統(tǒng)計(jì)2015年全球智能手機(jī)用戶約20億人，如此巨大的數(shù)據(jù)，對(duì)于計(jì)算能力是非 常大的考驗(yàn)。
數(shù)據(jù)類型的井噴，對(duì)企業(yè)而言是更為嚴(yán)峻的挑戰(zhàn)。數(shù)據(jù)類型可以簡(jiǎn)單分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是長(zhǎng)度固定、以數(shù)值形式記錄的數(shù) 據(jù)。如GPS的定位坐標(biāo)，電商產(chǎn)品的銷售量等。非結(jié)構(gòu)化數(shù)據(jù)是除結(jié)構(gòu)化數(shù)據(jù)以外的數(shù)據(jù)的統(tǒng)稱，它們難以被量化、沒有固定的長(zhǎng)度和格式。如醫(yī)療領(lǐng)域?yàn)椴∪伺?攝的X光片，法律界法院判決的文書，媒體中的視頻資料等。根據(jù)IBM的預(yù)測(cè)，到2017年，非結(jié)構(gòu)化數(shù)據(jù)將占到數(shù)據(jù)總量的80%。
為應(yīng)對(duì)數(shù)據(jù)井噴帶來的挑戰(zhàn)，IBM嘗試從兩個(gè)方面尋求方法。一是提升運(yùn)算能力來應(yīng)對(duì)結(jié)構(gòu)化數(shù)據(jù)的分析。得益于摩爾定律，計(jì)算機(jī)的運(yùn)算能力一直保持高速的提升狀態(tài)，結(jié)合IBM在超級(jí)計(jì)算機(jī)領(lǐng)域的研發(fā)實(shí)力，結(jié)構(gòu)化數(shù)據(jù)的挑戰(zhàn)并不難克服。
但是在非結(jié)構(gòu)化數(shù)據(jù)方面，IBM遇到了困難。最初IBM希望通過培養(yǎng)數(shù)據(jù)科學(xué)家來分析非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)科學(xué)家將非結(jié)構(gòu)化數(shù)據(jù)解構(gòu)，分解為 結(jié)構(gòu)化數(shù)據(jù)再交由計(jì)算機(jī)處理。但隨著數(shù)據(jù)的井噴，數(shù)據(jù)科學(xué)家無法跟上數(shù)據(jù)增加的速度，迫切需要計(jì)算機(jī)來模擬他們的工作，分析非結(jié)構(gòu)化的數(shù)據(jù)，以實(shí)現(xiàn)對(duì)數(shù)據(jù) 價(jià)值的認(rèn)知。
認(rèn)知計(jì)算是模擬人的自然思維理解數(shù)據(jù)，歸納起來是三種能力的集合，即理解(Understanding)、推理(Reasoning)和學(xué)習(xí)(Learning)，簡(jiǎn)稱為URL。
實(shí)現(xiàn)認(rèn)知計(jì)算的第一步是理解數(shù)據(jù)，例如理解人的自然語言、圖片的內(nèi)容等等。以語音識(shí)別為例，在一個(gè)句子中，出現(xiàn)“蘋果”一詞，可能是指蘋果 公司或者它的產(chǎn)品，也可能是指一種水果。究竟是什么含義，這就需要準(zhǔn)確判斷出來。如果不能實(shí)現(xiàn)數(shù)據(jù)的理解，后面的分析也就無從談起。這也是科技巨頭都在花 費(fèi)大量精力研發(fā)語音識(shí)別和圖像識(shí)別技術(shù)的原因。
推理是發(fā)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)之間的邏輯聯(lián)系。通過假設(shè)生成，能夠透過數(shù)據(jù)揭示洞察、模式和關(guān)系。將散落在各處的知識(shí)片段連接起來，進(jìn)行推理、分 析、對(duì)比、歸納、總結(jié)和論證，獲取深入的洞察以及決策的證據(jù)。在與美國(guó)知名作曲家鮑勃·迪倫的對(duì)話中，IBM沃森(Waston)僅僅花了幾秒鐘就判斷 出：“根據(jù)我的分析，你的歌曲主題大多是關(guān)于時(shí)光流逝和愛情枯萎的。”沃森能以每秒閱讀8億頁內(nèi)容的驚人速度從海量歌詞中提取關(guān)鍵信息，再通過推理判斷能 力揭示海量歌詞背后的“愛與痛”。推理是認(rèn)知計(jì)算最為關(guān)鍵的一環(huán)。
學(xué)習(xí)是認(rèn)知計(jì)算能夠不斷提升的保障。通過以證據(jù)為基礎(chǔ)的學(xué)習(xí)能力,從大數(shù)據(jù)中快速提取關(guān)鍵信息，像人類一樣進(jìn)行學(xué)習(xí)和認(rèn)知?？梢酝ㄟ^專家訓(xùn)練，并在交互中通過經(jīng)驗(yàn)學(xué)習(xí)來獲取反饋，優(yōu)化模型，不斷進(jìn)步。具備自我學(xué)習(xí)的能力，是認(rèn)知計(jì)算與大數(shù)據(jù)等傳統(tǒng)技術(shù)最為本質(zhì)的區(qū)別。
布局行業(yè)認(rèn)知平臺(tái)
目前人工智能可分為兩大陣營(yíng)，一類是以谷歌Deep Mind通用型的人工智能平臺(tái)為代表。該類平臺(tái)的策略是突出程序和算法，優(yōu)化運(yùn)算能力。希望只需通過改變訓(xùn)練數(shù)據(jù)的輸入，就可以在不同行業(yè)運(yùn)用。如谷歌希 望AlphaGo的平臺(tái)，將棋譜變?yōu)榘┌Y數(shù)據(jù)庫，就可以實(shí)現(xiàn)癌癥治療方法的研究。
另一類是以IBM為代表，將人工智能技術(shù)與行業(yè)相結(jié)合的應(yīng)用。在IBM看來如果說互聯(lián)網(wǎng)時(shí)代的關(guān)鍵詞是“顛覆”，那么人工智能的關(guān)鍵詞就是“變革”，與行業(yè)經(jīng)驗(yàn)的結(jié)合是未來商業(yè)的主流模式。
早在郭士納主導(dǎo)的轉(zhuǎn)型中，IBM就將咨詢作為核心業(yè)務(wù)發(fā)展，這令I(lǐng)BM能夠深入到各個(gè)行業(yè)內(nèi)部積累行業(yè)知識(shí)，對(duì)行業(yè)的深度理解，是IBM與其他IT企業(yè)相比最大的競(jìng)爭(zhēng)優(yōu)勢(shì)所在。
IBM深耕行業(yè)認(rèn)知依靠的是沃森平臺(tái)。沃森是一個(gè)具有強(qiáng)大認(rèn)知功能基于云和開放標(biāo)準(zhǔn)的平臺(tái)。沃森通過提供API使企業(yè)接入沃森平臺(tái)獲取認(rèn)知 計(jì)算服務(wù)。沃森的每個(gè)API可以實(shí)現(xiàn)一個(gè)特定的功能，通過不同API的組合，就可以實(shí)現(xiàn)多種認(rèn)知計(jì)算的需求。目前沃森的API接近50個(gè)，主要包括潛在語 義分析、情感分析、關(guān)系抽取、深度學(xué)習(xí)、知識(shí)提取注解、遞歸神經(jīng)網(wǎng)絡(luò)、問答驗(yàn)證等。在API的基礎(chǔ)上，通過整合行業(yè)知識(shí)庫，就可以針對(duì)每個(gè)行業(yè)，提供特定 的認(rèn)知計(jì)算服務(wù)，目前沃森平臺(tái)主要的行業(yè)包括金融、制造、醫(yī)藥、零售、媒體等。
對(duì)于傳統(tǒng)企業(yè)而言，也無需對(duì)人工智能的到來心懷恐懼，專注于自身行業(yè)經(jīng)驗(yàn)的積累，選擇合適的人工智能服務(wù)商合作，將人工智能用于行業(yè)價(jià)值的挖掘，將為企業(yè)帶來無限的想象空間。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。