IBM：不是人工智能，而是認知商業(yè)

　　2016年堪稱(chēng)人工智能元年。繼谷歌Alpha Go高調亮相之后，IT巨頭們紛紛亮出了人工智能領(lǐng)域的最新成果。微軟推出了智能聊天機器人Tay，必應搜索引擎也多次在足球、選秀等重大比賽中準確地預測了比賽結果。Facebook公布了圖像識別技術(shù)。這些技術(shù)看起來(lái)非常驚艷，但很多在商業(yè)領(lǐng)域難以直接發(fā)揮作用。

　　與開(kāi)發(fā)通用型人工智能技術(shù)不同，IBM更關(guān)注人工智能在商業(yè)領(lǐng)域的應用。2016年IBM提出了“認知商業(yè)”的戰略，將認知計算技術(shù)與行業(yè)經(jīng)驗相結合，幫助企業(yè)快速實(shí)現商業(yè)模式的變革與迭代，讓人工智能融入企業(yè)運營(yíng)。

　　輔助用戶(hù)決策的“認知商業(yè)”，比要代替人的人工智能更具商業(yè)實(shí)用性

　　從智慧地球到認知商業(yè)

　　在認知商業(yè)戰略提出之前，IBM的戰略重點(diǎn)是智慧地球。彼時(shí)正值物聯(lián)網(wǎng)、大數據和移動(dòng)互聯(lián)技術(shù)大規模應用的時(shí)期。IBM意識到，萬(wàn)物互聯(lián)可以造就無(wú)限的商業(yè)機會(huì )。智慧地球的愿景就是希望世界上所有的設備都能夠聯(lián)網(wǎng)，通過(guò)大數據分析，實(shí)現智慧化的商業(yè)，甚至智慧化的城市和國家。

　　為實(shí)現智慧地球的戰略，IBM提出了3I模型，即Instrmented(感知)、Interconnected(互聯(lián))和Intelligent(智能)。

　　設備位于模型的底層，使設備能夠采集數據，這是智慧地球的基礎。設備互聯(lián)之后產(chǎn)生海量的數據，如何從數據中獲取價(jià)值，就需要智能化的分析技術(shù)。過(guò)去的幾年中，智慧地球戰略在設備和互聯(lián)兩個(gè)層面得到有效的實(shí)施，但在數據的智能分析上遇到了挑戰。如何實(shí)現對大數據的分析和認知?IBM提出了“認知商業(yè)”的戰略。

　　“認知”而非“智能”

　　與當前人工智能強調的概念不同，IBM對人工智能在商業(yè)應用中的理解，是實(shí)現“認知”而非“智能”。做出這一判斷的基礎，是IBM數十年來(lái)在行業(yè)客戶(hù)中積累的經(jīng)驗。

　　IBM認為，目前商業(yè)遇到的最大挑戰是不能發(fā)掘數據的價(jià)值，數據如何在商業(yè)中運用，仍需要人來(lái)進(jìn)行判斷。商業(yè)不僅僅是追求利益最大化，還需要考慮法律、倫理、社會(huì )責任等多方面的因素。而這些有溫度的判斷，很難由計算機來(lái)完成。因此，IBM認為，當前人工智能要做的是“認知”數據的價(jià)值。

　　當前數據分析的兩大挑戰是數據量的井噴和數據類(lèi)型的井噴。根據IBM的預測，到2020年，全球每人每天將產(chǎn)生約2.4GB的數據，形象地比喻，就是每人每月產(chǎn)生的數據可以填滿(mǎn)一部64GB的iPhone手機。據統計2015年全球智能手機用戶(hù)約20億人，如此巨大的數據，對于計算能力是非常大的考驗。

　　數據類(lèi)型的井噴，對企業(yè)而言是更為嚴峻的挑戰。數據類(lèi)型可以簡(jiǎn)單分為結構化數據和非結構化數據。結構化數據是長(cháng)度固定、以數值形式記錄的數據。如GPS的定位坐標，電商產(chǎn)品的銷(xiāo)售量等。非結構化數據是除結構化數據以外的數據的統稱(chēng)，它們難以被量化、沒(méi)有固定的長(cháng)度和格式。如醫療領(lǐng)域為病人拍攝的X光片，法律界法院判決的文書(shū)，媒體中的視頻資料等。根據IBM的預測，到2017年，非結構化數據將占到數據總量的80%。

　　為應對數據井噴帶來(lái)的挑戰，IBM嘗試從兩個(gè)方面尋求方法。一是提升運算能力來(lái)應對結構化數據的分析。得益于摩爾定律，計算機的運算能力一直保持高速的提升狀態(tài)，結合IBM在超級計算機領(lǐng)域的研發(fā)實(shí)力，結構化數據的挑戰并不難克服。

　　但是在非結構化數據方面，IBM遇到了困難。最初IBM希望通過(guò)培養數據科學(xué)家來(lái)分析非結構化數據。數據科學(xué)家將非結構化數據解構，分解為結構化數據再交由計算機處理。但隨著(zhù)數據的井噴，數據科學(xué)家無(wú)法跟上數據增加的速度，迫切需要計算機來(lái)模擬他們的工作，分析非結構化的數據，以實(shí)現對數據價(jià)值的認知。