物聯(lián)傳媒 旗下網(wǎng)站
登錄 注冊

最先打敗人類棋手的IBM,能在AI領域后發(fā)制人嗎?

作者:本站收錄
來源:腦極體
日期:2017-09-11 16:11:19
摘要:IBM:我只是贏的太早
關鍵詞:AIIBM云計算

  凈利潤下降、股價下滑、巴菲特減持,IBM的轉(zhuǎn)型過程分外艱難。目前相當普遍的一種說法是,IBM錯過了移動時代后,又正在錯過AI時代。

  的確,硬件被英偉達的GPU和谷歌的TPU搶盡了風頭,算法上比不過DeepMind龐大的論文量,應用落地也比不過微軟、百度范圍更廣。IBM在這個人人高舉AI大旗的年代,多少顯得有些尷尬。

  可要說IBM在人工智能上毫無建樹,那可是太冤枉了?;蛟S你曾經(jīng)被百度大腦、搜狗機器人在綜藝節(jié)目的表現(xiàn)所驚艷,那么你應該知道,早在2011年,IBM的超級計算機“沃森”曾在問答節(jié)目《危險邊緣》中擊敗兩位人類選手,拿下歷史最高分。

  從那時起,或者更早,沃森就成了IBM沖擊AI大時代的生力軍。

  IBM Watson核心能力:解讀非結(jié)構(gòu)化數(shù)據(jù)

  沃森以此來自于IBM公司創(chuàng)始人托馬斯·J·Watson的名字,準確來說沃森是一種“平臺”或“系統(tǒng)”,擁有理解、推理、學習等等多種能力。從上個世紀開始,IBM就在人工智能領域不斷探尋,能和人類交流、提煉信息的沃森只是成果之一。

  別說比別人早一步登上問答節(jié)目,就連棋牌類人機大戰(zhàn)的戲碼,IBM也早就玩過。在1997年,IBM的計算機程序“深藍”就曾在國際象棋的戰(zhàn)場上戰(zhàn)勝了棋王卡斯帕羅夫。

  而從深藍到沃森的變化,正是IBM在AI方向上最關鍵的選擇。

  有人說深藍是沃森的前身,這話對也不對。深藍的應用范圍是象棋,很圍棋一樣,是一種數(shù)字游戲,深藍還擁有480顆專門為象棋打造的芯片——極有可能為了暴力窮舉。沃森的應用則在于人機對話問答,所處理的都是語言、聲音甚至是圖片。而相比深藍的硬件形態(tài),沃森已經(jīng)超脫了禁錮,進化成了技術(shù)平臺。

  最為關鍵的一點是,沃森專注的是理解非結(jié)構(gòu)數(shù)據(jù)。

  理解什么是非結(jié)構(gòu)化數(shù)據(jù),要先知道結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)存在于ERP系統(tǒng)與數(shù)據(jù)報表之中,是經(jīng)過標注的、存在于數(shù)據(jù)庫之中的數(shù)據(jù)。所以非結(jié)構(gòu)化數(shù)據(jù),自然就是那些只能用.txt、.MP3、.avi等格式儲存的數(shù)據(jù)。

  所以,沃森的理解、分析、提煉和推理,可以建立在自然語言和圖片之上。

  認知計算與人工智能,究竟是話術(shù)差異還是技術(shù)差異

  這樣看來,沃森更像是一個巨大且牛逼的數(shù)據(jù)處理平臺,可在這個一切建立在數(shù)據(jù)之上的時代,又有哪個人工智能產(chǎn)品不是這樣呢?

  在遙遠的2011年,IBM好像還沒準備好讓沃森站上人工智能這個風口,相反,IBM為沃森提出了一種非常新鮮的概念:Cognitive Computing——認知計算。

  公認認知計算的解釋是這樣的:“認知計算代表一種全新的計算模式,它包含信息分析,自然語言處理和機器學習領域的大量技術(shù)創(chuàng)新,能夠助力決策者從大量非結(jié)構(gòu)化數(shù)據(jù)中揭示非凡的洞察。認知系統(tǒng)能夠以對人類而言更加自然的方式與人類交互;認知系統(tǒng)專門獲取海量的不同類型的數(shù)據(jù),根據(jù)信息進行推論;從自身與數(shù)據(jù)、與人們的交互中學習。

  這么看來,的確很難分辨所謂認知計算和人工智能之間的關系,尤其是弱人工智能,兩者之間的定義非常相似。都是建立在數(shù)據(jù)之上,利用NLP、機器學習等等技術(shù)賦予機器自學習、自進化的能力,讓它們能夠更好的服務于人類。

  在Google搜索Cognitive Computing,結(jié)果也大多跟IBM有關,現(xiàn)在看來,有關認知計算的一切似乎都是IBM一場失敗的造詞計劃。

  難道就是因為話術(shù)選擇的不慎,就讓IBM在AI時代落后于人嗎?

  沃森的成績單,其實沒有想象中那么差

  拋開技術(shù)概念的相似,IBM的認知計算,還是和目前很多企業(yè)涉獵的人工智能有一些差別的,而這些差別存在于市場轄定之中。

  像亞馬遜、微軟等等企業(yè)對于人工智能研發(fā)到一定程度上之后,都會落地到一個具體的民用級產(chǎn)品中——Echo、小冰、特斯拉……雖然不能說清這些企業(yè)的目標市場究竟在哪,但都在C端市場中做足了姿態(tài)。

  和前一段大家都跟風人工智能音箱的原因一樣,你不這么做,就好像不在這個戰(zhàn)場。

  或許是來自咨詢管理的基因,IBM從一開始就把目標明確在了企業(yè)級市場。在2014年IBM中國論壇上,IBM提出把“借助數(shù)據(jù)協(xié)助行業(yè)轉(zhuǎn)型”作為轉(zhuǎn)型的主要方向之一。這其中的邏輯也很簡單:認知計算建立于數(shù)據(jù)之上→IBM擁有大量企業(yè)數(shù)據(jù),自然一拍即合的推出了適用于企業(yè)的服務。

  而且IBM一上來就選了幾塊難啃的硬骨頭:醫(yī)療、金融和營銷,不過沃森的表現(xiàn),并不像某些分析師說的那么不堪。

  在醫(yī)療領域,沃森的動作最多、聲量也最大。

  訓練沃森治療癌癥、和安德森癌癥中心等等醫(yī)療機構(gòu)合作,一時間引起了不少媒體的關注。在醫(yī)療領域,沃森最具優(yōu)勢的是對資料的查找、提煉速度,據(jù)稱沃森可以每秒閱讀八億頁的資料??焖偬幚頂?shù)據(jù)、輔助醫(yī)生進行診療,這一切只是看上去很美。實際上和安德森癌癥中心合作了五年,雙方?jīng)]能推出一款可以實際應用的工具,最終安德森中心支付賠款,終止了和IBM的合作。

  相比醫(yī)療,沃森在金融這條路上明顯走的更加順利。

  推出銀行網(wǎng)點服務機器人、發(fā)布金融云、輔助智能投顧等等,雖然大多還是一些細小的工作,但搭上Fintech這趟車一定不會出錯。而且IBM在收購金融企業(yè)時出手很大方,過去有Promontory和Algorithmics,未來恐怕還會有更多。AI+金融已成大勢,加上IBM和銀行一向親密的關系,或許將成為沃森的主場。

  在營銷方面,沃森能發(fā)揮的空間更廣。

  AI+營銷這個話題,多多少少有些老生常談了。據(jù)說沃森每天學習9節(jié)IBM思考營銷項目中的課程,初步目標是“懂得如何為每一位客戶量身定做創(chuàng)意內(nèi)容”。目標雖然遠大,可目前沃森所做的還是老一套——學習用戶歷史消費數(shù)據(jù),做出智能推薦。去年,沃森就和The Northface合作了一把,通過用戶瀏覽歷史、當?shù)靥鞖獾葦?shù)據(jù)推薦給消費者合適的外套,VentureBeat統(tǒng)計,這一廣告點擊量達到了90%。相比醫(yī)療和金融,AI營銷領域限制少、容錯率高,可以給沃森更廣闊的發(fā)展空間。

  生于創(chuàng)新,死于原罪?

  IBM今天的局面,其實來源于B端服務級企業(yè)的原罪。體量巨大、有穩(wěn)定營收,即使看中了AI市場,轉(zhuǎn)型起來也很困難。一直服務B端市場,掌握的數(shù)據(jù)有天然限制,購買數(shù)據(jù)打入C端市場/研發(fā)B端AI技術(shù)兩個選擇在天平上搖擺不定。IBM的選擇看似是一條容易的路:利用原有數(shù)據(jù)開發(fā)產(chǎn)品,然后讓長期合作的企業(yè)級用戶買單,可從實際操作看來,企業(yè)沒那么容易買賬。

  而長期投入B端市場、選擇了不討喜的“認知計算”話術(shù),為IBM帶來的后果就是錯過了搶占大眾心智的黃金時期。不過好在IBM的技術(shù)底子還在,就算沃森當前表現(xiàn)平平,未來也不難和谷歌、微軟、亞馬遜一戰(zhàn)。

  (曾經(jīng)在舞臺上打敗過人類的Watson)

  需要警惕的,反而是國內(nèi)很多B端服務企業(yè),轉(zhuǎn)型時沒有IBM的本事還得了IBM的病,以為企業(yè)級市場會永遠歡迎自己,連最基本的技術(shù)創(chuàng)新能力都已經(jīng)喪失卻還想著吃老本。要知道在這個人工智能技術(shù)飛快發(fā)展的時代,走錯任何一步都可能是死局。

人物訪談