關於IBM的Watson你必須要了解的幾點

孔鹿

代表IBM在認知計算領域最核心的技術Watson（沃森）的一戰成名，是在2011年2月的美國問答節目《Jeopardy！》上。在這次節目中，Watson戰勝了這一節目的兩位冠軍選手，這被和1996年同樣來自IBM的“深藍”戰勝國際象棋大師卡斯帕羅夫相提並論，被認為是人工智能歷史上的一個里程碑。

不過，在IBM董事長、總裁兼CEO羅睿蘭（GinniRometty）宣佈IBM已經轉型為一家認知解決方案和雲平台公司的當下，Watson已經不再是會答題那麼簡單。

認知時代的商機

從技術角度來看，2011年參加“Jeopardy！”電視問答挑戰賽時，Watson做了一件事——用自然語言進行深度問答。但問答只是Watson具備的多能力之一，截至2015年10月，Watson已經擁有包括問答在內的28項能力。

據IBM全球認知商業行業解決方案總經理NeilIsford透露，Watson的這些能力如今均已被轉變成數字服務或API，在IBM內部將其視為認知能力的積木。包括關係抽取、性格分析、情緒分析、概念擴展及權衡分析等在內的IBMWatsonAPI數量將在2016年達到50項。

而這背后，IBM並沒有打算讓以Watson為代表的人工智能系統遠離公生活，這家“百年老店”已經充分表露了對Watson商業化的信心。

不可忽略的市場大環境是，隨物聯網的普及，每個設備都在生數據。然而80%的數據無法被計算機辨識，這80%的數據中既包括使用人類語言編寫的書面材料，從教科書和公式到文學作品和對話；還包括系統從聽、和肢体動作中，捕獲到的各類數據。

有調查數據預測，這些“非結構化”的數據增長速度飛快，到2020年數據總量將超過44ZB（Zettabyte，十萬億億位元組），將占到全球數據總量中的一大部分。

如果從具體行業來看，在未來兩年，醫療數據將增長99%，其中88%的醫療數據都將是非結構化數據，包括電子病歷、化驗結果、醫學影像、視頻以及病患感測器（如可穿戴醫療設備）；政府和教育數據也將增長94%，其中84%是非結構化數據，這些數據來自各類感測器、建築物、道路、車隊等；傳媒業的數據將增長97%，其中82%是非結構化數據，這些數據包括書籍、期刊、報紙和其他出版物，以及視頻、電影、錄音及在游戲等。

而NeilIsford的觀點是，計算技術正在進入一個全新的時代，我們叫作認知的時代。數據呈現爆炸性增長的趨勢之下，這些數據所蘊含的尚未被挖掘價值，在認知時代這意味無限商機。“進入到認知的時代，這是第一次我們可以把這些無形的數據更好地運用起來，不管是我們的教科書，或一些信息，或一些檔案，來自於感測器的數據，在運動當中生的數據，我們都能夠把數據結合起來進行挖掘，以前是沒有發現它的價值，現在可以從中獲得一些商業洞察。”

IBM大中華區董事長陳黎明：“認知時代已經開啟。在不久的將來，我們將能看到整個商業模式由於認知技術的推動而發生巨大變化——小到每個人獲得的服務和品、創業者所能擁有的商業創新優勢，大到傳統企業行業的轉型、甚至經濟和整個社會治理效率的跨越式提升。我們堅信，認知商業是大勢所趨。”

認知計算與人工智能

IBM將認知系統的三項重要特質定義為理解、推理、學習。

所謂理解，就是通過感知和互動快速理解結構和非結構化數據，能夠依據文本資料和感知與用戶進行交互，並理解和回答用戶的問題。認知系統可以在理解的基礎上，通過假設，推理並揭示洞察、發現模式和關係，實現以多種方式認知和出多種結果而不僅僅是一種結果的傳統方式，以幫助人們做出更好的決策。

此外，通過以證據為基礎的學習能力，認知系統能夠從所有文檔中快速提取關鍵信息，使其能夠像人類一樣進行持續的學習。通過追蹤用戶對自身提出的解決方案和問題解答的范庫和評價，以及專家訓練，能夠不斷進步，提升解決方案和解答的能力。

盡管IBM提出Watson和認知計算多年，但在科技領域對於認知計算和人工智能兩者的關係依然很模糊。

這一次，IBM終於願意出面將認知計算與人工智能清楚。

來自IBM的觀點是，“火了”二十多年的人工智能概念從歷史和研究角度來講主要目的是為了讓機器表現得更像人，我們稱之為IntelligentBehavior。

對此，IBM也承認其認知計算從技術角度上來講和AI有很多共性的地方，比如機器學習（MachineLearning）、深度學習（DeepLearning）等方面都很類似。

但是IBM的認知計算目的並不是為了取代人，或者IntelligentBehavior只是認知計算的一個維度，在講認知計算的時候除了要能夠表現人和計算機的交互更加自然之外，還會更多強調推理的部分，自學習的部分以及怎樣把這樣的能力結合具體的商業應用，解決商業的問題。后兩個維度不是傳統做人工智能的人關心的維度，他們更關心的只是怎樣表現得更像人。

換句話，認知計算不是製造為人們思考的機器，而是與增加人類智慧有關——認知計算系統通過與人的自然語言交流及不斷學習幫助人們做到更多，使專家可以更好地從海量複雜的數據中獲得更多洞察，從而做出更為精準的決策。

認知計算廣義上講是通過獲取海量的不同類型的數據，根據信息進行推論，從自身與數據、與人們的交互中學習，並以對人類而言更加自然的方式與人類交互。它最重要的目的是如何整合這些能力，並結合具體的商業應用場景，來解決商業上的問題，幫助企業實現商業變革。現在，企業正面臨大數據帶來巨大的挑戰。傳統計算方式會錯過世界上80%的信息（非結構化數據），而認知技術能夠支持組織去發現數據中隱藏的模式，挖掘出令人驚喜的新的商機，也能夠加速發現新藥、發現新的登月方式，甚至發現未知領域。