IBM：不是人工智能，而是认知商业
2016年堪称人工智能元年。继谷歌AlphaGo高调亮相之后，IT巨头们纷纷亮出了人工智能领域的最新成果。微软推出了智能聊天机器人Tay，必应搜索引擎也多次在足球、选秀等重大比赛中准确地预测了比赛结果。Facebook公布了图像识别技术。这些技术看起来非常惊艳，但很多在商业领域难以直接发挥作用。辅助用户决策的“认知商业”，比要代替人的人工智能更具商业实用性。
2016年堪称人工智能元年。继谷歌AlphaGo高调亮相之后，IT巨头们纷纷亮出了人工智能领域的最新成果。微软推出了智能聊天机器人Tay，必应搜索引擎也多次在足球、选秀等重大比赛中准确地预测了比赛结果。Facebook公布了图像识别技术。这些技术看起来非常惊艳，但很多在商业领域难以直接发挥作用。
与开发通用型人工智能技术不同，IBM更关注人工智能在商业领域的应用。今年IBM提出了“认知商业”的战略，将认知计算技术与行业经验相结合，帮助企业快速实现商业模式的变革与迭代，让人工智能融入企业运营。
从智慧地球到认知商业
在认知商业战略提出之前，IBM的战略重点是智慧地球。彼时正值物联网、大数据和移动互联技术大规模应用的时期。IBM意识到，万物互联可以造就无限的商业机会。智慧地球的愿景就是希望世界上所有的设备都能够联网，通过大数据分析，实现智慧化的商业，甚至智慧化的城市和国家。
为实现智慧地球的战略，IBM提出了3I模型，即Instrmented(感知)、Interconnected(互联)和Intelligent(智能)。
设备位于模型的底层，使设备能够采集数据，这是智慧地球的基础。设备互联之后产生海量的数据，如何从数据中获取价值，就需要智能化的分析技术。过去的几年中，智慧地球战略在设备和互联两个层面得到有效的实施，但在数据的智能分析上遇到了挑战。如何实现对大数据的分析和认知?IBM提出了“认知商业”的战略。
“认知”而非“智能”
与当前人工智能强调的概念不同，IBM对人工智能在商业应用中的理解，是实现“认知”而非“智能”。做出这一判断的基础，是IBM数十年来在行业客户中积累的经验。
IBM认为，目前商业遇到的最大挑战是不能发掘数据的价值，数据如何在商业中运用，仍需要人来进行判断。商业不仅仅是追求利益最大化，还需要考虑法律、伦理、社会责任等多方面的因素。而这些有温度的判断，很难由计算机来完成。因此，IBM认为，当前人工智能要做的是“认知”数据的价值。
当前数据分析的两大挑战是数据量的井喷和数据类型的井喷。根据IBM的预测，到2020年，全球每人每天将产生约2.4GB的数据，形象地比喻，就是每人每月产生的数据可以填满一部64GB的iPhone手机。据统计2015年全球智能手机用户约20亿人，如此巨大的数据，对于计算能力是非常大的考验。
数据类型的井喷，对企业而言是更为严峻的挑战。数据类型可以简单分为结构化数据和非结构化数据。结构化数据是长度固定、以数值形式记录的数据。如GPS的定位坐标，电商产品的销售量等。非结构化数据是除结构化数据以外的数据的统称，它们难以被量化、没有固定的长度和格式。如医疗领域为病人拍摄的X光片，法律界法院判决的文书，媒体中的视频资料等。根据IBM的预测，到2017年，非结构化数据将占到数据总量的80%。
为应对数据井喷带来的挑战，IBM尝试从两个方面寻求方法。一是提升运算能力来应对结构化数据的分析。得益于摩尔定律，计算机的运算能力一直保持高速的提升状态，结合IBM在超级计算机领域的研发实力，结构化数据的挑战并不难克服。
但是在非结构化数据方面，IBM遇到了困难。最初IBM希望通过培养数据科学家来分析非结构化数据。数据科学家将非结构化数据解构，分解为结构化数据再交由计算机处理。但随着数据的井喷，数据科学家无法跟上数据增加的速度，迫切需要计算机来模拟他们的工作，分析非结构化的数据，以实现对数据价值的认知。
认知计算是模拟人的自然思维理解数据，归纳起来是三种能力的集合，即理解(Understanding)、推理(Reasoning)和学习(Learning)，简称为URL。
实现认知计算的第一步是理解数据，例如理解人的自然语言、图片的内容等等。以语音识别为例，在一个句子中，出现“苹果”一词，可能是指苹果公司或者它的产品，也可能是指一种水果。究竟是什么含义，这就需要准确判断出来。如果不能实现数据的理解，后面的分析也就无从谈起。这也是科技巨头都在花费大量精力研发语音识别和图像识别技术的原因。
推理是发现非结构化数据之间的逻辑联系。通过假设生成，能够透过数据揭示洞察、模式和关系。将散落在各处的知识片段连接起来，进行推理、分析、对比、归纳、总结和论证，获取深入的洞察以及决策的证据。在与美国知名作曲家鲍勃·迪伦的对话中，IBM沃森(Waston)仅仅花了几秒钟就判断出：“根据我的分析，你的歌曲主题大多是关于时光流逝和爱情枯萎的。”沃森能以每秒阅读8亿页内容的惊人速度从海量歌词中提取关键信息，再通过推理判断能力揭示海量歌词背后的“爱与痛”。推理是认知计算最为关键的一环。
学习是认知计算能够不断提升的保障。通过以证据为基础的学习能力,从大数据中快速提取关键信息，像人类一样进行学习和认知。可以通过专家训练，并在交互中通过经验学习来获取反馈，优化模型，不断进步。具备自我学习的能力，是认知计算与大数据等传统技术最为本质的区别。
布局行业认知平台
目前人工智能可分为两大阵营，一类是以谷歌DeepMind通用型的人工智能平台为代表。该类平台的策略是突出程序和算法，优化运算能力。希望只需通过改变训练数据的输入，就可以在不同行业运用。如谷歌希望AlphaGo的平台，将棋谱变为癌症数据库，就可以实现癌症治疗方法的研究。
另一类是以IBM为代表，将人工智能技术与行业相结合的应用。在IBM看来如果说互联网时代的关键词是“颠覆”，那么人工智能的关键词就是“变革”，与行业经验的结合是未来商业的主流模式。
早在郭士纳主导的转型中，IBM就将咨询作为核心业务发展，这令IBM能够深入到各个行业内部积累行业知识，对行业的深度理解，是IBM与其他IT企业相比最大的竞争优势所在。
IBM深耕行业认知依靠的是沃森平台。沃森是一个具有强大认知功能基于云和开放标准的平台。沃森通过提供API使企业接入沃森平台获取认知计算服务。沃森的每个API可以实现一个特定的功能，通过不同API的组合，就可以实现多种认知计算的需求。目前沃森的API接近50个，主要包括潜在语义分析、情感分析、关系抽取、深度学习、知识提取注解、递归神经网络、问答验证等。在API的基础上，通过整合行业知识库，就可以针对每个行业，提供特定的认知计算服务，目前沃森平台主要的行业包括金融、制造、医药、零售、媒体等。
对于传统企业而言，也无需对人工智能的到来心怀恐惧，专注于自身行业经验的积累，选择合适的人工智能服务商合作，将人工智能用于行业价值的挖掘，将为企业带来无限的想象空间。
更多大数据与分析相关行业资讯、解决方案、案例、教程等请点击查看>>>
详情请咨询在线客服！
客服热线：023-66090381
标签：大数据BI数据可视化数据分析本站文章除注明转载外，均为本站原创或翻译。欢迎任何形式的转载，但请务必注明出处、不得修改原文相关链接，如果存在内容上的异议请邮件反馈至chenjj@evget.com
上一篇：你值得拥有的10款最佳开源协作工具下一篇：大数据环境下的多维分析技术人工智能元年是哪一年（知识科普我国的人工智能元年）
编者按：
科技兴则民族兴，科技强则国家强。
2016年被称为人工智能元年
新中国成立七十年来，我国科技事业走过了辉煌的进程，中国科技实力伴随着经济发展同步壮大，实现了从跟跑，并跑到领跑的历史性跨越。科技创新成为新中国站起来、富起来、强起来的重要支撑和体现。
从今天开始，AI财经社推出七十年新兴科技专题报道，回首科技创新由弱到强写下的中国篇章，见证用科技创新成就的一个又一个梦想。
上班路上，张泽（化名）将一篇题为《任正非：5G只是小儿科，未来最大产业是人工智能》的文章转进家族群，亲人纷纷点赞。
而在两三年前，他还为如何解释自己的职业发愁：说人工智能，大家想到电影《终结者》，说训练模型，更让人一头雾水。
不过如今，从人机对战到人脸识别，再到“小度小度”、“Hi，Siri”，随着人工智能逐渐“出圈”，张泽的职业也从不被理解，变成“好多人以为我年入百万”。
观念变迁似乎只用了数年，但在观念变迁背后，则是学界、政府、创业者及投资人的长期投入探索。
数据人才难寻，BAT艰难探路
正如同晚清时期的铁路被视为“奇技淫巧”一般，人工智能在计算机尚未普及之时，也未被国内许多学者所理解，甚至一度被认为是“伪科学”，批判打压。
其实，这一概念看似新潮，诞生却早于互联网。1956年，美国召开长达两个月的讨论会，会上首次明确人工智能概念，相关研究也开始推进。
而在我国，早在20世纪80年代初期，钱学森就曾在文章中说，发展人工智能是涉及国家前途的大事，如果现在不下功夫，最近几年或许看不出影响，到下一个世纪，就要吃大亏。
不过，在那个一台计算机有一栋房子那么大的时代，人工智能不仅没能孵化出成熟的产品或应用，反而进入漫长的低谷。李彦宏就曾抱怨，在美国读计算机时，一讲人工智能，就非常兴奋，但学完也就完了，没有什么应用机会，也不能解决实际问题。
随着计算机、互联网的普及，人工智能开始“显灵”，并被我国视为赶超美国的契机之一。2016年5月，国家发改委、科技部、工信部等部门联合发出《互联网+人工智能三年计划实施方案》，2017年7月，《新一代人工智能发展规划》发布，人工智能发展获得更多政策及资金支持。
也正是在这个时候，人工智能开始为外人所熟知，更多人开始登上这一舞台。
2016年被称为人工智能元年。当年，谷歌旗下团队开发的人工智能机器人AlphaGo两次击败围棋冠军，引发轰动。
虽然吸引众多目光，但在当时，一个会下围棋的机器人似乎很难和市场前景、商业变现等词语挂钩。而纵观国内几大人工智能巨头的早期探索，过程也相当曲折。
曲折之一是缺人才。作为BAT里最早布局人工智能的公司，技术起家的百度在很多细分领域，步伐甚至快过西方，却难逃人才流失的魔咒。早在2013年，百度就已成立深度学习研究院，为表重视，李彦宏亲任院长。但现实是，或许学院派与大公司难以融合，科学家们来了又走，留给百度“AI黄埔军校”的苦涩名号。
曲折之二是缺数据，虽然在人工智能领域，我国一向以数据见长，但2017年10月，阿里巴巴成立达摩院时，有报道称，达摩院金融智能实验室负责人手中只有14天的数据，由于数据实在太少，计划只能推迟到半年后启动。
至于腾讯，三者中起步最晚。马化腾曾坦言，在人工智能方向上，虽然腾讯也有相关研究发展，但和百度相比，还是落后了。
企业超千家，陆奇称投AI不会后悔
不过如今，先行者似乎已初摸门道。
在创新工场CEO李开复口中，百度、阿里巴巴和腾讯，已与谷歌、Facebook、亚马逊、微软一起，并称为人工智能时代的七巨头。
其中，百度在算法研发方面占据优势，成为国内少数拥有针对算法的开放平台的企业。阿里巴巴则更侧重云服务。除各有专长外，BAT及华为都在探索提供人工智能综合解决方案，以及通过投资布局，渗透各个板块。
据《中国人工智能产业白皮书》统计，截至目前，阿里巴巴完成17项投资，重点在安防和基础原件，代表公司有商汤、旷视和寒武纪科技等；腾讯完成18项投资，重点在智能健康、教育、智能汽车等领域，代表公司包括未来汽车等；百度则完成19项投资，投资重点主要集中在汽车、零售和智能家居等领域。
BAT之外，如今提及人工智能，绕不过的公司还包括有“AI四小龙”之称的商汤、旷视、云从和依图，以及垂直领域的明星公司，如科大讯飞。从企业数量看，不可谓不多。
根据德勤数据，2018年，我国人工智能企业数量超过1000家，位列全球第二，市场规模有望超过300亿元人民币。
而在资本方面，人工智同样吸引不少投资者入场。原百度公司总裁陆奇就曾表示，今天的人工智能就像20年前的互联网，你投了绝对不会后悔。
和陆奇持有相同看法的投资者似乎不在少数。《中国人工智能产业白皮书》显示，2017年，我国的投融资总额达到277.1亿美元（约为1980亿元人民币），融资事件369笔，融资总额占全球融资总额70%，融资笔数达31%。
AI走出实验室，你的工作还好吗？
《中国企业家》的报道曾这样概括AI公司的发展脉络，2016年，AI公司们讲科研实力，2017年比拼融资，而在2018年之后，则是谈应用落地。
时至今日，人工智能已日渐走出实验室，走进大众生活的细枝末节，甚至和不少人做起了同事。
作为媒体记者，每年财报季，李彤（化名）和同事都要写大量财报，最多时一天要写8篇，压力很大。为了让部分财报自动化，解放记者生产力，公司派她和一家人工智能公司沟通，开发一款能自动撰写财报的工具。
沟通过程并不复杂。李彤首先向其还原平时写财报的过程，从哪找，分哪几部分写，依次说清，再提供几篇范文。“等AI来了以后，不断让它写，写完我来检查，看看有哪些地方不合格、为什么。再反馈给对方修改，周而复始。”
李彤说，训练AI枯燥麻烦，都是累活，但“真正带出来了，还是很有成就感的”。
如今，李彤的AI学生已从人工智障，变得略通人性。由于总是超前超额完成KPI，AI还曾被编辑部评为月度”勤奋之星”、“优秀作者”。大家也逐渐习惯了新同事的存在，程序出现bug时，大家会说AI请病假了。财报季AI疯狂写稿时，不少人也会略尽同事之谊，随手帮它检查一遍。
内容生产只是AI落地的众多领域之一。如今，在政务、金融、医疗、交通等行业，都能不时见到人工智能的身影，身份包括保安、司机、客服、收银员、甚至放射科医生。
在媒体报道中，一家生产手机系列连接器、屏蔽件及模具的工厂，员工人数已从650人，减少为60人。未来，工人数量可能进一步下降到20人。因此不少人担心，人工智能减负增效的代价，是否是”我们失去工作“。
不过一个更普遍的观点则是，人工智能将处于并且长期处于人工智障阶段，担心被其”抢走工作“，为时太早。李彦宏就曾讲过一个笑话，传言展会上有机器人伤人，一时议论纷纷，“其实只是掉下台砸到人而已，我们对人工智能不需要恐惧，也不需要顶礼膜拜”。