《這就是 Watson》系列之二

《這就是 Watson》系列博客的作者為IBM Data and AI 總經(jīng)理Rob Thomas，旨在解釋如何才能在 AI 領(lǐng)域取得制勝法寶，并展望 AI 無(wú)處不在的市場(chǎng)前景。

多年來(lái)，IBM 攜手眾多客戶，應(yīng)對(duì)數(shù)據(jù)需求并制定數(shù)據(jù)戰(zhàn)略。顯然，數(shù)據(jù)和 AI 就像同一枚硬幣的兩面；正是基于這種理解，催生出了人工智能階梯的概念。IBM 持續(xù)在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域開(kāi)展技能培訓(xùn)；與標(biāo)準(zhǔn)組織合作建立新的數(shù)據(jù)科學(xué)認(rèn)證體系；甚至出資組建了一支專家團(tuán)隊(duì) IBM Data Science Elite Team（IBM數(shù)據(jù)科學(xué)精英團(tuán)隊(duì)，簡(jiǎn)稱 DSE），幫助客戶將其首個(gè) AI 模型在 IBM 平臺(tái)上投入生產(chǎn)。

根據(jù)我們以往的經(jīng)驗(yàn)，如果企業(yè)期望在 AI 方面占據(jù)領(lǐng)先地位，需要關(guān)注三個(gè)至關(guān)重要的領(lǐng)域：差異化平臺(tái)、技能和研究。下面，我將逐一剖析每個(gè)領(lǐng)域。

差異化平臺(tái)

值得關(guān)注的是，超過(guò) 90％ 的 AI 技術(shù)都屬于“通用知識(shí)”。因此，AI技術(shù)之間的差異在于公司在強(qiáng)化技術(shù)和提升產(chǎn)品化方面，如何取舍。與 Google 和 Amazon 這些公司相反，IBM 出于一些必要的考慮（比如，不收集消費(fèi)者數(shù)據(jù)，對(duì)使用公共數(shù)據(jù)集極度謹(jǐn)慎，企業(yè)客戶對(duì)于定制化 AI 的需求 等等），Watson 專注于 AI 技術(shù)產(chǎn)品化，即能夠讓客戶用更少的數(shù)據(jù)和專業(yè)知識(shí)訓(xùn)練和定制模型的技術(shù)。IBM Watson 具有一些獨(dú)一無(wú)二的優(yōu)勢(shì)：

1． AI 定制便捷化。比如，意圖分類（Watson Assistant 的核心）功能可幫助企業(yè)從小型訓(xùn)練集中學(xué)習(xí)知識(shí)。這意味著，您不需要招聘大批人員進(jìn)行數(shù)據(jù)標(biāo)注。這項(xiàng)技術(shù)在市場(chǎng)上取得了巨大的成功，比如蘇格蘭皇家銀行（在第一篇博文中已提及）、巴西 Bradesco 銀行、法國(guó)國(guó)民信貸互助銀行、英國(guó)沃達(dá)豐移動(dòng)網(wǎng)絡(luò)公司等企業(yè)都采用了該技術(shù)。

2． AI 自動(dòng)化。比如，我們的 AutoAI 技術(shù)能夠賦予普通數(shù)據(jù)科學(xué)家超能力。我們可自動(dòng)執(zhí)行 80％ 的核心數(shù)據(jù)科學(xué)流程，比如數(shù)據(jù)準(zhǔn)備、算法選擇和特征工程等流程。這是 Watson Studio（模型構(gòu)建和訓(xùn)練平臺(tái)）提供的獨(dú)特功能。

3． AI 模型的可解釋性。在信任至上的時(shí)代，每家企業(yè)都想以輕松（且合規(guī)）的方式了解 AI 究竟如何做出決策。IBM Watson Openscale 能幫助用戶了解其模型的日常表現(xiàn)、出現(xiàn)的偏移、可能存在的偏見(jiàn)，以及如何解釋模型產(chǎn)生的。這項(xiàng)技術(shù)適用于任意 AI 工具，而非僅限于 Watson。

4． 嵌入式能力。任何企業(yè)都可以利用 Watson 技術(shù)，來(lái)讓自己的產(chǎn)品變得更好。

Watson 是否完美無(wú)缺？當(dāng)然不是。但 Watson 是不是一個(gè)偉大的軟件？絕對(duì)如此。如果您對(duì)此尚有疑問(wèn)，我建議您試用一下 Watson 系列工具，非常簡(jiǎn)單易用，結(jié)論不言自明。

技能

企業(yè)面臨的最大挑戰(zhàn)，是在應(yīng)用數(shù)據(jù)科學(xué)和 AI 領(lǐng)域所需技能的深度和廣度。AI 讓許多企業(yè)激動(dòng)不已，但是當(dāng)企業(yè)在擴(kuò)展 AI 應(yīng)用范圍時(shí)，往往極度缺乏數(shù)據(jù)科學(xué)家。企業(yè)可以用兩種方式來(lái)解決這種技能短缺：

1． 自動(dòng)化。只要出現(xiàn)供（技能型員工）需（對(duì)特定技能的需求）不匹配，自動(dòng)化技術(shù)就會(huì)變得非常重要。借助前面提到的 AutoAI 這類技術(shù)，我們能夠大大增強(qiáng)普通數(shù)據(jù)科學(xué)家的能力。此外，借助今年二月份推出的 AI Skills Academy （AI 技術(shù)學(xué)院）這類項(xiàng)目，我們還能從一開(kāi)始就幫助企業(yè)培訓(xùn)人才。

2． 專家經(jīng)驗(yàn)。去年，IBM 建立了一支名為“Data Science Elite”的團(tuán)隊(duì)。該團(tuán)隊(duì)由一些全球最優(yōu)秀的數(shù)據(jù)科學(xué)家組成，為客戶提供免費(fèi)現(xiàn)場(chǎng)支持。他們的使命是構(gòu)建、訓(xùn)練客戶的首個(gè) AI 模型，并將之投入生產(chǎn)。一個(gè)單點(diǎn)的成功就能激勵(lì)整個(gè)企業(yè)取得更多突破。

我們看到很多客戶都取得了成功，獲得了許多有力的客戶證言，比如：

“對(duì)我們來(lái)說(shuō)，與 Data Science Elite 團(tuán)隊(duì)的合作是一股重要的加速力量，”Wunderman Thompson 公司首席技術(shù)官 （CTO） Adam Woods 表示，“我們竭盡全力為機(jī)器學(xué)習(xí)構(gòu)建一個(gè)完全分布式的架構(gòu)，但是資源是我們面臨的最大挑戰(zhàn)。我們的團(tuán)隊(duì)能夠從日常工作中解放出來(lái)，有組織地學(xué)習(xí)和構(gòu)建概念驗(yàn)證（proof of concept）。在 Data Science Elite 團(tuán)隊(duì)的幫助下，我們能展開(kāi)更密切的合作。我們的數(shù)據(jù)科學(xué)家專注于明確迫在眉睫的業(yè)務(wù)需求，而 IBM 團(tuán)隊(duì) 則聚焦于技術(shù)實(shí)現(xiàn)。這種通力合作幫助我們通過(guò) Watson 建立了機(jī)器學(xué)習(xí)管道，進(jìn)而充分利用我們的所有數(shù)據(jù)信號(hào)生成模型，并使模型性能較之以往提升了 200％，甚至更多。目前，我們正積極將這些模型投入生產(chǎn)環(huán)境。”

研究

為了在 AI 領(lǐng)域與時(shí)俱進(jìn)，我們必須持續(xù)探尋并一直站在 AI 最前沿。IBM 發(fā)布的研究會(huì)議報(bào)告和論文每年增長(zhǎng) 93％。正如外界所評(píng)價(jià)的，我們投資的 MIT－IBM Watson AI Lab 產(chǎn)生的影響力與日俱增。在監(jiān)管式學(xué)習(xí)和非監(jiān)管式學(xué)習(xí)領(lǐng)域的專利領(lǐng)域，IBM 位居全球十大企業(yè)之列。我們還是少數(shù)幾家擁有專門研究 AI 創(chuàng)新主題的獨(dú)立研究機(jī)構(gòu)的企業(yè)之一，這讓我們感到無(wú)比自豪。

今年早些時(shí)候，我們?cè)?IBM 的 THINK 2019 大會(huì)上發(fā)布了 AI 辯手—— Project Debater。這個(gè)項(xiàng)目展示了 AI 系統(tǒng)如何在現(xiàn)場(chǎng)辯論賽中與專業(yè)的人類辯手進(jìn)行辯論。事實(shí)上，這是首個(gè)也是唯一一個(gè)由 AI 驅(qū)動(dòng)的計(jì)算型增強(qiáng)工具，它能夠接收信息，并針對(duì)性地提出有說(shuō)服力的論點(diǎn)。自然語(yǔ)言處理 （NLP） 技術(shù)是 Project Debater 的核心，這也是我將 NLP 稱為 AI 神經(jīng)系統(tǒng)的原因之一。