IBM CEO：AI將融入萬物 所有人都可以成為顛覆者

（原標題：IBM CEO Rometty Proposes "Watson"s Law": AI In Everything）

網易科技訊 3月21日消息，據福布斯雜誌報道，顯然，IBM是一家大公司。對IBM來說，這種龐大的規模使它就像一艘巨大而難以操縱的船，在前行之路上需要受到太多的傳統和歷史束縛。但好消息是，這家公司的研發部門可以花大量時間開發改變世界的創新，在某些情況下還可以挽救生命，即使有些創新可能與計算根本沒有直接關係。

如果IBM的「範式轉換」創新和發明確實有助於人類供水、量子計算和區塊鏈等技術在全球的推廣，那麼這些新元素就可以用來反駁IBM的舊有觀念。但無論如何，這都不是IBM的官方市場策略，只是在公司高層內部，這種方案已經獲得潛在認可。

那麼這種情境化給我們帶來了什麼呢？或許就是所謂的「數字轉型」時代。

這是來自整個IT行業的推動力，它告訴我們需要雲計算、數據分析、移動優先技術和人工智慧（AI）。IBM很高興地告訴我們，它致力於向客戶銷售轉型技術，同時也專註於自身的數字化轉型。IBM將其沃森人工智慧（Watson AI）技術應用到我們的下一代計算結構中，讓它變得無處不在。

顛覆者時代

IBM董事長、總裁兼首席執行官羅睿蘭(Ginni Rometty)說：「我們重新改造了IBM，因為我們看到數據時代已經到來。我們相信，這是我們一生中僅會遇到一次機會的時代，讓我們所有人都可以成為顛覆者。學習如何將AI引擎應用到我們未來構建的多元平台中，這是我們現在就要開始考慮的問題。」

隨著AI的迅速崛起和擴張，羅睿蘭強調了計算機的三大法則：

1）摩爾定律（Moore"s Law）：當價格不變時，集成電路上可容納的元器件數目每隔18-24個月便會增加一倍，性能也將提升一倍。

2）梅特卡夫定律（Metcalfe』s Law）：網路的價值等於網路節點數的平方，網路的價值與聯網用戶數的平方成正比。

3）沃森定律(它實際上還不屬於定律，這是IBM在這個階段的假設)：AI在商業、智能城市、消費者應用以及生活中大量應用。

羅睿蘭指出：「如果我們看看今天實際正在分析的數據量，其中只有20%是可搜索的，並被有效利用。另外80%的數據被保存在公司內部，通常不會被使用。IBM現在正在為沃森構建IBM服務平台（IBM Services Platform），這樣IBM就可以開始為每個用例提供AI工具，它可以嵌入到任何服務(通常是基於web/雲端的軟體應用)中。」

當我們提出這個問題的時候，我們可能會發現，任何人都可以使用更豐富的技術。IBM稱這是個新的轉折點，不僅白領工人可以使用新的AI技術，藍領工人也可以使用，所以IBM稱之為「新領」新時代。這讓人感到歡欣鼓舞，但我們正進入這樣的時代，每個人的每個應用程序中都有AI支持。

這裡有很多技術術語很有趣。AI的大腦必須像人類大腦一樣接受「訓練」，以了解基本指令(如廁訓練、教訓孩子的基本社會行為)，接觸不同的數據集信息(在外面的世界體驗生活)，以及學習集中注意力以便將智能應用於特定任務(得到工作和學習提供價值)。在外面的世界裡，我們發現，雖然多樣性(在數據和生活中)很重要，但有時我們只有一小部分數據可供使用。但是，生活是困難的，AI也是如此。

蘋果與IBM合作

就新聞發展和IBM今年將給AI領域帶來的影響而言，蘋果的CoreML機器學習技術現在可以被蘋果手機軟體開發人員使用，在他們正在構建的應用程序中獲取IBM Watson AI大腦智能支持。CoreML是在蘋果iOS設備上運行機器學習模型的軟體框架，最初是在iPhone和iPad上，隨後擴展到Apple Watch和聯網電視上。

正如蘋果所指出的那樣：「經過訓練的模型是將機器學習演算法應用於訓練數據的結果，該模型基於新的輸入數據進行預測。舉例來說，一個模型基於某個地區的歷史房價數據進行訓練，在給定卧室和浴室的數量時，它就可以預測房子的價格。」

IBM沃森服務與CoreML相結合，實際上是將蘋果設備上的機器學習框架與IBM企業人工智慧結合起來，為各行各業的專業人士提供智能服務。這意味著，軟體開發人員現在可以構建以AI為動力的應用程序，並且可以安全地連接他們的企業數據，這些應用可以優化，既可以離線使用，也可以在雲端運行，並且通過每個與用戶交互的機會不斷學習、調整和改進。

AI機器學習大腦內部

最近，IBM負責處理與蘋果合作事宜的總經理馬哈茂德·納格什尼(Mahmoud Naghshineh)以及IBM的全球產品+戰略合作夥伴尼克·奧托（Nick Otto），解釋了機器學習驅動的AI大腦內部到底發生了什麼。

但是首先，我們需要弄清楚機器學習和AI的區別。我們通常認為，一個是另一個的結果，即機器學習過程發生在設備主板本身上，而AI則是這些機制更高水平催生的結果。實際上，它比那更微妙和複雜。

納格什尼將其描述如下：機器學習(ML)是一組為數據操作定義的「類」，並通過最新的可用數據不斷地重新編程；人工智慧(AI)是一套更廣泛的演算法和技術，它使用了ML的能力來更好、更快地做出決策。

納格什尼表示:「儘管IBM已經與蘋果公司合作了很長時間，但我們正就CoreML軟體框架展開新的合作，因為我們認識到，越來越多的價值是由使用移動設備的專業人員來消費的。」

納格什尼提供了一個AI工作實例。一個現場技術人員必須以檢查電路板作為他或她工作的中心部分，並能夠找出故障。該技術人員可以使用智能手機(在本例中是蘋果iPhone)掃描產品的圖像，不僅僅是直接在2D圖像上進行掃描，而是通過將智能手機的攝像頭移動到產品周圍進行檢查而形成圖像。

IBM沃森視覺識別模型可以通過「完美」產品的記錄圖像來交叉引用圖像，並尋找可能指向損壞或磨損的異常，並指導工程師解決問題。IBM的Watson Studio技術被用來訓練AI的功能，精確處理企業的數據信息，從而找出問題所在。完成這張照片後，CoreML的沃森服務會在「本地執行」，它可以在沒有網路連接的情況下在手機上運行，這樣工程師就可以在偏遠的地方或其他地方完成自己的工作。

加上這些解釋，IBM的奧托證實，該設備將定期登錄到在線服務上，以接收機器學習模型開發人員的更新，並在Watson studio中進行擴展。

奧托說：「CoreML的IBM沃森服務允許數據開發人員獲得他們構建在目標設備上的機器學習模型。蘋果公司將其硬體和軟體集成在一起，這使得核心企業級性能得以實現。它使用標準框架將這些機器學習服務引入蘋果iOS設備，同時允許用戶跟蹤機器學習模型，並在工人的工作職能變更或其他元素更新（比如立法影響）的情況下，對其進行升級。」

AI發展到何種程度?

那麼到現在為止，AI已經發展都何種程度？IBM認知解決方案和研究部門的高級副總裁約翰·凱利三世(John E. Kelly III)描述了AI在2018年的發展現狀。

凱利說：「在較低的水平上，我們可以使用AI來識別圖像，讓我們的電腦能夠區分貓、滑板或花盆等。在更高的層次(還未實現)，我們會有通用人工智慧，我們談論的是能夠做任何事情的計算機(就像人類一樣)。科技界(以及IBM內部)普遍認為，我們可能還需要30到40年才能建成真正有能力的高階機器。」

目前，我們使用圖形處理單元(GPU)作為處理器，現在也可以用AI工具在一分鐘內「學會」幾年前需要一小時才能掌握的知識。AI會成為IBM所希望的那樣，幫助驅動我們生活的方方面面嗎？答案是肯定的，也許最終會逐漸實現這個目標。

接下來，當AI變得無所不在的時候，我們會關注a）那些構建這些平台的工程師們會做什麼；b)更加關注那些用來訓練AI大腦的數據集，這樣我們就可以不受這些新的電子神經網路影響。

如果要為每個人工作，AI需要是多元文化的(並且沒有負面偏見)、多學科的(就其所適用的工作而言)、多性別的、多平台的以及多利益相關者。如果這一切都成為現實，那麼IBM的」沃森定律「就會實至名歸。（小小）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！