專訪｜IBM提出商業人工智慧，看好中國機遇

機器之心原創

作者：高靜宜

4 月 11 日，在北京舉辦的「天工開物，人機同行」IBM 2017 中國論壇上，基於對人工智慧為各行業帶來巨大商業價值的看好，IBM 提出「商業人工智慧」，再次強調把握中國機遇的決心。

這距離 IBM 上一次宣布「認知商業」落地中國的戰略轉型決策，已經過去一年時間。IBM 大中華區董事長陳黎明在論壇上提到：「在短短一年中，IBM 的認知計算在行業應用全面落地，這源於計算力、數據以及商業驅動從量變到質變的迅猛發展，同時，這些飛躍性的技術革新也帶來了人工智慧的爆發。」在他看來，中國無論是在工業體系、數據資源、互聯網基礎設施建設上，還是人才儲備方面都是人工智慧成長的絕佳沃土。

事實上，IBM 在各行業應用上已經有所斬獲。截止到 2016 年，IBM 已經覆蓋了 10 億人類，超過 100 多萬個開法陣都在使用構建於 IBM 雲平台上的 Waston。「我們堅信 Watson 是為商業而生的 AI 平台」，IBM 全球副總裁 Bruno Di Leo 在《打造認知商業新時代》論壇主題演講中談到。

Waston 具備理解、推理、學習並通過自然語言與人類進行交互的能力，並且可以識別傳統計算機無法識別的世界上 80% 的非結構化數據。如果說，這樣的設計使得 Waston 成為 IBM 擁有實現人工智慧商業化的先天優勢，那麼，雲計算則是支持 IBM 人工智慧商業級應用的基石。「雲和認知能力就好比是硬幣的正反面。」Burno DiLeo 補充道。

IBM 雲計算針對數據和人工智慧，構建具備開放式設計保證選擇權與控制力以及領先的行業專業知識，並將 Waston 大腦作為一項服務內置在 IBM 雲中。根據去年財報，IBM 雲業務規模為 330 億美元，占 IBM 公司整個業務的 44%。雲已經成為 IBM 成長最快的業務之一，是 IBM 新興戰略業務最重要的驅動力。

同時，IBM 利用認知技術和雲計算能力，為垂直領域打造定製化服務平台，正推動人工智慧在醫療、製造業、金融等行業的商業化應用。

隨著大數據時代的來臨，醫療健康領域正在發生翻天覆地的變化，醫療行業轉型迫在眉睫。根據估算，人類的醫療健康的數據，在 1950 年需要 50 年可以翻一倍。到 1980 年翻倍的時間只需要七年，到 2015 年醫學知識的翻倍只需要三年的時間。也根據測算，到 2030 年醫療健康的數據每 73 年就會翻一倍。另一個趨勢是全球人口不斷老齡化，在 2030 年，中國將有 25% 的人口年齡會超過 60 歲。

數據量越來越大加上人口老齡化趨勢，人們面臨的疾病也會越來越多，像糖尿病、心臟衰竭、呼吸病等等慢性病，累計成本逐漸攀升。而智能化可以處理好海量的數據，幫助工作量本來就很繁重、負擔很重的醫護人員，使他們可以更高效地管理和治療慢性病。

IBM 全球 Waston 健康醫療事業部總經理 Deborah Disanzo 介紹，IBM 早在 2005 年就開始布局醫療領域，對醫學影像進行識別，在 2015 年建立了 Waston Health。目前，Waston Health 在全球有 7000 名員工，有 1 萬多個客戶和夥伴，擁有近 150 項認知的專利，每天都還在開發新的內容。其中，在癌症領域，Waston 幫助醫生對 12000 名病人提供了治療方面的幫助。

在製造業，IBM 幫助企業將數據納入到 Waston IoT 平台上，從而在平台上監控和管理數據，幫助企業優化運營效率。在論壇現場，默克公司首席信息官朱皓峰說道：「沒有人員干預，數據就可以自動上傳到雲端，IBM 大大幫助我們完成決策以及實現全球化的鋼瓶分配調度」，並現場展示了 IBM Waston IoT 取代人工作業以及傳統追蹤方式來幫助默克實現數據採集、鋼瓶跟蹤、監測管理的過程。默克公司是一家專註於醫療健康、生命科學、功能性材料的科技公司，在功能性材料業務方面與 IBM Waston IoT 進行了合作。IBM 的另一個合作夥伴神思電子是一家智能認知行業解決方案提供商，基於 Waston Explorer 開發了智能客服、實體服務機器人、自助設備智能化升級三個領域的解決方案，提升了服務效率和質量。

在金融行業，銀行是國民經濟的重要支柱。隨著經濟新常態以及科技快速的發展，銀行的客戶變得越來越自主化和數字化，傳統金融服務帶給銀行客戶的體驗已經非常難以趕上在數字時代不斷推高的客戶期望，銀行正在經歷前所未有的一場變革。興業銀行在 2016 年開始使用 IBM Waston 系統，使其能夠在數小時內完成十萬通的來電內容檢測，並提升服務質量。同時也開始嘗試對客戶中心的語音數據進行挖掘，開發出認知型的產品和服務系統，了解客戶需求，從而更好地針對客戶展開精準營銷。

「不僅如此，Watson 系統目前已經進入到 60 多個不同的職業領域，比如法律、教育、零售、服裝設計、烹飪等，系統展示了人機交互和感應的能力，以及強大的自我學習和提升的能力。這些事情能夠幫助我們的專業人士，非但沒有剝奪他們的工作機會，反倒讓我們的專業人士從非常複雜、繁雜、海量的時間消耗當中抽離出來，讓他們有更多的精力專註人類更擅長的事情。」IBM 副總裁、大中華區首席營銷官周憶介紹道。

會後，機器之心對 IBM 機器學習首席技術官 Jean-Francois Puget、IBM 私有雲平台和大型主機 z 數據分析的全球研發總裁 Steven Astorino 以及 IBM 中國研發中心大數據與信息管理軟體總經理朱輝進行了專訪。以下為採訪內容整理：

機器之心：Jean-Francois Puget 先生，可否介紹一下您的研究歷程？在加入 IBM 後您的研究路線有什麼轉變？

Jean-Francois Puget：我在法國獲得的機器學習博士學位，之後在 ILOG 做的則是業務優化產品方面的研究，並致力於高級分析以及數字優化領域的創新型軟體產品的研發。2008 年，ILOG 被 IBM 收購後，我也隨之加入 IBM 公司，事實上剛開始我加入 IBM 也在做演算法優化，後來轉向做解決方案機器學習的架構。那時，我意識到 IBM 推進的是認知計算而非機器學習，所以我開始抗議，不斷給大家說我們需要機器學習平台，甚至還去跟 CEO 說了這件事，結果得到的答覆是為什麼你自己不搭建一個呢？所以我們組建了現在的團隊，開始嘗試做機器學習、開始專註於雲，現在這成為了 IBM 的頂級項目。

IBM 機器學習首席技術官 Jean-Francois Puget

機器之心：您作為機器學習領域內的頂尖專家，對於認知計算、機器學習以及深度學習有著怎樣的理解？

Jean-Francois Puget：IBM 一直致力於推進認知計算，它具備對非結構化數據的理解、學習、推理能力，這裡的學習就是機器學習。深度學習作為機器學習的一種形式，剛開始並沒有人在意。斯坦福大學發布了 Imagenet 之後，深度學習有了可以訓練的數據集，之後圖像識別走入人們的生活，現在我們甚至有識別人臉或者實物的 APP，所以深度學習也成為人們熱議的話題。它可能不是最好的圖像或是聲音識別技術，但是它正在變成最好的自然語言處理方法。對於人類來說，這確實是一個很大的進步，因為現在機器可以理解人們的意圖，改變了人類與機器之間交流的方式。可是對於大部分企業，他們面臨的問題並不是識別人臉，而是更傾向於商業運作比如獲取數據。在這種情況下，深度學習就不是那麼有效了。其實我們也有在做深度學習這一塊，也有相應的應用，不過很多情況下僅用深度學習是不夠的。

機器之心：Steve Astorino 先生，您作為 IBM 私有雲平台和大型主機 z 數據分析的全球研發以及 IBM 最新的機器學習平台和數據科學體驗的研發領導者，能否為我們介紹一下 IBM 雲平台的戰略部署？

Steve Astroniro：對於公有雲平台, 我們有 Bluemix，上面部署了各種認知技術服務，現在發展迅速已成為全球最大的公有雲平台之一。同時，我們也努力為私有雲平台增加領先技術。今年三月份，IBM 發布的一款提取 IBM Waston 的核心機器學習技術並且可以基於 IBM z system 大型主機私有雲平台的 IBM 機器學習產品，就是非常好的一個例子。

IBM 私有雲平台和大型主機 z 數據分析的全球研發總裁 Steven Astorino

機器之心：業界將機器學習技術部署於雲平台舉措頻頻，今年阿里雲和騰訊雲就相繼推出了 PAI 2.0 機器學習平台以及 DI-X 深度學習平台。IBM 如何看待愈發激烈的行業競爭？

朱輝：IBM 的雲平台是專門為企業而設計的，多年來專註於服務企業級客戶，所以我們非常理解企業級用戶的需求、面臨的挑戰以及他們的商業目標。在企業級的客戶逐漸走向雲化的路上，我們的客戶以及我們都意識到私有雲和公有雲將來會成為並存的混合狀況。目前，我們的友商也具備很好的能力，但是他們的基因決定了他們更專註於公關雲上面的服務。而幫助客戶逐步邁向私有雲，進一步到公有雲，則是 IBM 獨有的。

機器之心：去年的 2016 IBM 論壇主題是「迎接認知時代,IBM 與您智勝未來」，與今年的主題存在部分相似相通之處，比如兩次論壇都指出「認知計算」的巨大價值并力求探索「認知商業」在各行業領域內的無限可能（如醫療、金融、教育、零售、製造等）。目前，IBM 重點在醫療、金融和製造領域內推行認知計算，您認為認知計算在哪些領域也同樣具備應用前景？

Jean-Francois Puget：我們有一個利用深度學習為銀行業提供解決方案的案例，幫助銀行分析文件規章，提取法律合同契約等職能。在法律行業，這樣的解決方案可以使律師不必閱讀所有的文件，他們只需要詢問系統，然後系統則會提供相應的解答。要知道在美國，很多事情都要涉及律師，人們需要花費大量的金錢付律師費。這樣的人工智慧應用可以改善律師的工作效率，節省資源。不過這裡也存在一個問題，就是訓練集也是機器學習非常重要的一個環節，訓練集的好壞決定著整個系統的質量。谷歌就曾把黑人錯誤識別成了大猩猩，這是因為他們的訓練數據存在不科學的地方。然而訓練數據是很花費時間的，在法律級的應用里同時也是非常昂貴的。不過我們可以從用戶那裡得到反饋從而得到好的數據從而進行訓練過程，比如讓律師判斷系統給出的解答是否正確，系統從律師所給出的反饋中可以繼續進行學習，這樣的方式可以實現系統性能的提升。

朱輝：前段時間我們在美國推出了在個人報稅上的認知解決方案。在美國每一個公民都有個人報稅的義務，而且由於各種各樣的法律法規，報稅過程是比較複雜的，並不是每一個公民都具備相應的專業知識。在這個事情上，很多人都依賴專業的會計師；更不用說有的人則是在網上進行個人報稅。但是美國稅法日新月異，非常冗長，這裡可能會出現一些問題。從實際的數據來看，IBM 的認知解決方案可以幫助每個人最高節省 10% 的稅。我認為這是很有革命性意義的一個應用。

機器之心：這次 IBM 論壇的主題是「天工開物，人機同行」。事實上，《天工開物》是一本系統講述中國古代農業、手工業等領域內各項技術的綜合性著作，強調的是人類與自然的協調關係。而「人機同行」則在此基礎上，探討未來世界人類與機器之間互相配合的發展大勢。您二位作為行業領域內的頂尖科學家，可否為我們對此次 IBM 論壇的主題進行進一步解析？對於人類與機器關係以及給人類生活帶來的改變這一熱議話題，您又是如何理解看待的？

Jean-Francois Puget：人工智慧的作用是增強而非取代，這是非常重要的一點。我知道一些公司說它們目標是讓機器取代人力，可是你知道嗎，30 年前我讀博士的時候就聽過類似的話，結果 80 年代迎來了人工智慧寒冬，那個預言並沒有實現。我認為現在人們關於深度學習所說的也將是一樣的情況，事實上，技術確實有很大的進展，但是不宜期待值過高。未來律師、醫生的工作內容形式可能會改變，但是不會被取代。不過未來程序員可能會減少，而數據科學家則可能會增多，因為存在系統開發的需求。

Steven Astorino：其實無論是機器學習工具還是認知解決方案，都是為了讓技術更好地去服務人類，讓人們從中獲益。舉個例子，醫生開處方、工作的時候，機器學習可以幫助他們更好地了解病人歷史數據、藥物數據，個性化地去進行醫學治療。我同意 JP 的觀點，增強智能是應該強調的一點。當初電腦剛出現的時候，人們也有過一樣的擔憂，不過結果如何呢？新的工作機會也會應運而生的。