IBM是一家大公司，毫無疑問。IBM的龐大也有不利一面（有些人這樣認為）：IBM的傳統(tǒng)和歷史加上家大業(yè)大（難操縱），以后的路怎么走。家當(dāng)大的有利一面是，旗下的IBM研究部可以花大量時間開發(fā)潛在的改變世界（在某些情況下實際上是拯救生命）的創(chuàng)新，其中一些創(chuàng)新最初可能看起來不是與計算直接相關(guān)的。

如果IBM “范式轉(zhuǎn)換”的創(chuàng)造和發(fā)明確實有助于在人類供水、量子計算和區(qū)塊鏈等領(lǐng)域里創(chuàng)造新的全球性發(fā)展進程，那么新IBM的這些元素就可以用來抵消人們觀念里的老套IBM形象。IBM的官方營銷策略并不是如此，但公司上層內(nèi)部可能在潛意識里承認了這一點。

那這樣的情境對我們有什么影響呢？影響嘛，現(xiàn)在已經(jīng)是所謂的“數(shù)字轉(zhuǎn)型”時代了。

由于整個IT行業(yè)的推動，我們被告知我們需要云計算、數(shù)據(jù)分析、移動優(yōu)先技術(shù)和人工智能。一方面IBM很高興地告訴我們，向客戶銷售變革性技術(shù)是個行得通的辦法，而同時IBM也在專注于自身的數(shù)字化轉(zhuǎn)型——IBM Watson 人工智能技術(shù)的應(yīng)用正在全面進入我們的下一個計算結(jié)構(gòu)里。

在位顛覆者的時代

IBM董事長、總裁兼首席執(zhí)行官Ginni Rometty表示，“我們在新數(shù)據(jù)時代里再造了IBM。我們相信這是一生中絕無僅有的時代，我們每個人都是在位顛覆者。在這個時代里，我們現(xiàn)在開始考慮用學(xué)習(xí)來'教'人工智能引擎，并將其應(yīng)用到我們未來構(gòu)建的各種平臺里。”

IBM董事長、總裁兼首席執(zhí)行官Ginni Rometty

人工智能的應(yīng)用在普及和上升，Rometty提出三個計算定律：

· 摩爾定律（Moore’s Law）：微處理能力大約每兩年增加一倍。

· 梅特卡夫定律（Metcalfe’s Law）：電信網(wǎng)絡(luò)的價值與系統(tǒng)里連接用戶數(shù)量的平方成正比。

· Watson定律（Watson’s Law）（實際上尚未是定律，在現(xiàn)階段只是IBM的假設(shè)和建議）:人工智能在商業(yè)、智能城市、消費者應(yīng)用和生活里的普遍使用和應(yīng)用。

IBM首席執(zhí)行官Rometty表示，“如若我們來看一下時下實際的分析數(shù)據(jù)量，我們看到只有20％的數(shù)據(jù)可以被搜索和被有效地利用。另外的80％是放在公司內(nèi)部，通常不會被使用。IBM現(xiàn)在正在構(gòu)建適用于Watson的IBM服務(wù)平臺，以便IBM開始為每個使用案例提供嵌入到各種服務(wù)（通常是基于Web /云的軟件應(yīng)用程序）的 AI工具層 。“

發(fā)展到這一步時，我們就可能達到任何人都可以使用更深入、更豐富技術(shù)的程度。 IBM將其稱之為新的分水嶺，到達這個分水嶺時，技術(shù)不僅僅是白領(lǐng)階層可以用的東西，也不僅僅只是向藍領(lǐng)工人提供人工智能技術(shù).....因此IBM稱這個新時代為“新領(lǐng)（new collar）”。很可愛的名詞，不過我們可以明白是什么意思——意思就是每個地方里每個人的每個應(yīng)用程序里都有AI。

仔細聽聽這一塊用到的術(shù)語很有意思。AI大腦必須像人類一樣受“訓(xùn)練”。他們需要接受“訓(xùn)練”，還需要給一些基本的生活指導(dǎo)（孩童時的大小便訓(xùn)練和基本的社交行為課程），要接觸各種不同的信息數(shù)據(jù)集（體驗外部世界的生活）及學(xué)會專注，需要針對特定任務(wù)施展才智（找個工作并學(xué)會提供價值）。在外面的世界里，我們發(fā)現(xiàn)（數(shù)據(jù)里和生活里）多樣性雖然很重要，但有時候我們只擁有一小部分數(shù)據(jù)，我們只得用這一小部分數(shù)據(jù)干活。還有，生活艱難......人工智能也是如此。

蘋果與IBM合作伙伴關(guān)系

就新聞發(fā)展及IBM今年為AI格局提供的內(nèi)容而言，蘋果的移動軟件開發(fā)人員現(xiàn)在可以使用蘋果的CoreML機器學(xué)習(xí)技術(shù)從構(gòu)建應(yīng)用程序內(nèi)部訪問IBM Watson AI大腦功能。 CoreML是一個在蘋果 iOS設(shè)備上運行機器學(xué)習(xí)模型用到的軟件框架，最初用在iPhone和iPad上，后來擴展到蘋果手表和連接電視品牌上。

蘋果指出，“訓(xùn)練好的模型是將機器學(xué)習(xí)算法應(yīng)用到一組訓(xùn)練數(shù)據(jù)上的結(jié)果。該模型根據(jù)新的輸入數(shù)據(jù)再進行預(yù)測。例如，用某個地區(qū)的歷史房價訓(xùn)練過的模型在給定臥室和浴室的數(shù)量時或許能夠預(yù)測該房子的價格。“

CoreML版IBM Watson Services將蘋果設(shè)備上的機器學(xué)習(xí)框架與IBM企業(yè)級AI結(jié)合在一起，可為各個垂直行業(yè)的專業(yè)人員提供情報服務(wù)。這意味著軟件開發(fā)人員可以構(gòu)建用AI驅(qū)動的應(yīng)用程序，這些應(yīng)用程序可以與他們的企業(yè)數(shù)據(jù)（安全地）連接，并可針對離線運行、云計算進行優(yōu)化，還可以通過與各用戶的交互不斷學(xué)習(xí)、適應(yīng)和改進。

AI機器學(xué)習(xí)大腦的內(nèi)部

IBM的蘋果合作伙伴關(guān)系總經(jīng)理 Mahmoud Naghshineh和IBM全球產(chǎn)品及策略合伙人Nick Otto最近聯(lián)手，共同解釋了由機器學(xué)習(xí)驅(qū)動的人工智能大腦內(nèi)部發(fā)生的事情。

首先，機器學(xué)習(xí)與人工智能有什么區(qū)別呢？我們通常認為，一個是另一個的結(jié)果，即機器學(xué)習(xí)過程發(fā)生在設(shè)備主板本身上，AI是這些機制在更高層次上的最終結(jié)果。實際情形則稍微要微妙和復(fù)雜一些，Naghshineh的解釋如下：

· 機器學(xué)習(xí)（ML）是一組在數(shù)據(jù)操作中定義好的“類”， 機器學(xué)習(xí)會不斷地用最新可用數(shù)據(jù)將自己重新編程。

· 人工智能（AI）是一組更廣泛的算法和技術(shù)，這些算法和技術(shù)利用ML的威力，在做決策時比人類的表現(xiàn)更好及更快。

IBM的Naghshineh表示，“雖然IBM與蘋果已經(jīng)合作了一段時間，但我們是在CoreML軟件框架合作時才進入新的合作伙伴關(guān)系，因為我們認識到越來越多的價值是由專業(yè)人士用移動設(shè)備消費的。”

IBM的Naghshineh提供了一個運轉(zhuǎn)中的AI實例。

比如說現(xiàn)場技術(shù)人員需檢查電路板，這是他工作的核心部分，他要確定有沒有故障。技術(shù)人員可以使用智能手機（本例中為蘋果 iPhone）掃描產(chǎn)品圖像，不僅僅是張直白的二維圖像，而是將智能手機的相機在被檢查的產(chǎn)品周圍移動照下多張圖像。 IBM Watson視覺識別模型可以根據(jù)圖像交叉引用“完美”產(chǎn)品的記錄圖像，并查找可能出現(xiàn)的損壞或磨損異常情況，進而指導(dǎo)工程人員解決問題。IBM Watson Studio技術(shù)可以用精確的企業(yè)數(shù)據(jù)信息針對相關(guān)企業(yè)工作訓(xùn)練人工智能功能。CoreML版Watson Services是在“本地執(zhí)行”（可在沒有互聯(lián)網(wǎng)連接的情況下在手機上運行），因此，如果工程人員位于處于偏避或覆蓋范圍之外的地方，他們?nèi)钥梢哉９ぷ鳌?/p>

除了以上的解釋外，IBM的Nick Otto還提到，這些設(shè)備會定期登錄到在線服務(wù)，接收Watson Studio開發(fā)和擴充的機器學(xué)習(xí)模型更新。

Otto 表示，“CoreML版IBM Watson Services令數(shù)據(jù)開發(fā)人員可以將他們構(gòu)建的機器學(xué)習(xí)模型內(nèi)置到目標(biāo)設(shè)備上。蘋果已經(jīng)將自己的硬件和軟件自然地整合在一起，能達到核心企業(yè)級性能。CoreML版IBM Watson Services利用標(biāo)準(zhǔn)框架將這些機器學(xué)習(xí)服務(wù)放在蘋果 iOS設(shè)備上，并且允許用戶跟蹤該機器學(xué)習(xí)模型，在工作人員的工作職能發(fā)生變化時或由于法規(guī)等其他原因?qū)C器學(xué)習(xí)模型進行更新。”

目前的AI到了哪一步？

到現(xiàn)在為止我們在AI方面的進展如何呢？IBM認知解決方案和研究SVR John E. Kelly III博士描述了我們現(xiàn)時在2018年AI的發(fā)展現(xiàn)狀。

Kelly 表示，“在較低的層面上，我們可以用AI做圖像識別，我們的電腦能夠區(qū)分貓、滑板或一瓶鮮花等等。我們在更高層次上還未能找到一個更通用的AI，我們在講計算機可以像人類一樣做任何事情?？萍冀纾ㄒ约癐BM內(nèi)部）通常的看法覺得，我們可能需要30到40年的時間才能構(gòu)建出真正在更高層次上性能更好的機器。”

目前的方法是采用配備了圖形處理單元（GPU）的處理器，用這個方法我們現(xiàn)在可以讓AI工具在一分鐘內(nèi)“學(xué)習(xí)”幾年前需花費一小時才能完成學(xué)習(xí)的的東西。

人工智能能否像IBM所希望的那樣涵括一切的一切并且?guī)椭苿游覀兩畹拿恳粋€方面呢？答案是，肯定會，有可能最終會逐漸達到那一步。

人工智能越來越傾向于無處不在，接下來值得關(guān)注的重點是：

a）構(gòu)建這些平臺的工程師的下一步做什么；

b）用什么數(shù)據(jù)集去訓(xùn)練我們的AI大腦而不會令我們對新的電子神經(jīng)網(wǎng)絡(luò)產(chǎn)生偏見。

如果人工智能要用于每個人，就需要是多文化的（無負面偏見）、多學(xué)科的（就AI應(yīng)用需完成的工作而言）、多性別的、多平臺的及需將多利益相關(guān)者全部包括在內(nèi)。如果這一切都可以過關(guān)，那么IBM Watson定律就可能會成為現(xiàn)實。

來源：Forbes

作者：Adrian Bridgwater

編譯：科技行者