IBM懟上谷歌 搞人工智能的方向錯了？

　　金融領(lǐng)域

　　· 2015年初，IBM公布了早期區塊鏈項目之一，此后該公司一直致力于整合沃森人工智能技術(shù)與分布式賬本技術(shù)。

　　· 2016年6月，IBM在新加坡濱海灣成立WatsonCentre，致力于以區塊鏈應用為核心，開(kāi)發(fā)人工智能技術(shù)。

　　· 2016年8月，IBM重組了內部區塊鏈團隊并正式升級為事業(yè)部，合并人工智能Watson與云計算開(kāi)發(fā)項目，搭建新的產(chǎn)業(yè)平臺。該事業(yè)部將推動(dòng)制定相關(guān)進(jìn)程的標準，實(shí)現區塊鏈+人工智能應用在行業(yè)市場(chǎng)的落地。

　　· 2016年9月，IBM將收購金融咨詢(xún)公司鵬睿金融集團，這家計算機制造商表示正成立一個(gè)名為Watson金融服務(wù)的新部門(mén)，該部門(mén)會(huì )試圖利用其人工智能計算機系統Watson的巨大威力，為客戶(hù)提供風(fēng)險與合規方面的咨詢(xún)意見(jiàn)。

　　· 2016年10月，IBM已達成協(xié)議收購金融公司PromontoryFinancial Group，IBM會(huì )將這家公司的服務(wù)整合進(jìn)人工智能平臺Waston，提供金融監管服務(wù)。

　　總的來(lái)說(shuō)，IBM所做這些就是希望實(shí)現用人工智能(AI)技術(shù)分析監管規定、并為金融機構提供咨詢(xún)意見(jiàn)的更大目標。

　　當然，從“醫療”到“稅務(wù)”，再到“金融”，雖然聽(tīng)上去著(zhù)這幾個(gè)領(lǐng)域有種天壤之別、互不相干的感覺(jué)，但它們有著(zhù)一個(gè)共同的特點(diǎn)，即都需要處理海量的數據。從上面的三個(gè)領(lǐng)域的合作、收購案例可以看出，IBM無(wú)論是收購的對象，還是收購的對象都是緊緊圍繞著(zhù)某個(gè)垂直領(lǐng)域，專(zhuān)注于這個(gè)的領(lǐng)域的企業(yè)。

　　同樣是發(fā)展人工智能，同樣是人工智能巨頭，谷歌的設計思路則與IBM截然不同!如果說(shuō)，IBM發(fā)展人工智能是一種基于垂直方向的設計思路，先扎根于某個(gè)垂直領(lǐng)域，再從在這個(gè)領(lǐng)域進(jìn)行暈開(kāi)。那么谷歌發(fā)展人工智能則有自己的一個(gè)很明顯的特點(diǎn)——基于自身的操作系統在水平方向上不斷進(jìn)取，然后輻射到各行各業(yè)。

　　谷歌

　　AI戰略：從基礎技術(shù)到產(chǎn)品的全產(chǎn)業(yè)鏈布局

　　谷歌在2011年成立人工智能部門(mén)，目前已經(jīng)有100多個(gè)團隊用上了機器學(xué)習技術(shù)，包括谷歌搜索、Google Now、 Gmail等， 并往其開(kāi)源 Android 手機系統中注入大量機器學(xué)習功能(如用卷積神經(jīng)網(wǎng)絡(luò )開(kāi)發(fā)Android手機語(yǔ)音識別系統) 。

　　谷歌目前產(chǎn)品和服務(wù)依靠主要人工智能技術(shù)驅動(dòng)，如谷歌使用深度學(xué)習技術(shù)改善搜索引擎、識別Android 手機指令、鑒別其Google+社交網(wǎng)絡(luò )的圖像。積累底層人工智能技術(shù)，研發(fā)更高級的深度學(xué)習算法，增強圖形識別和語(yǔ)音識別能力，對信息進(jìn)行更深層加工、處理。谷歌試圖將AI滲透到了旗下各產(chǎn)品，為用戶(hù)帶來(lái)更多使用場(chǎng)景及更智能化功能。

　　通過(guò)研發(fā)與并購坐擁兩套人工智能系統

　　Tensorflow

　　2015年11月，谷歌開(kāi)源第二代深度學(xué)習系統 Tensorflow。Tensorflow 可編寫(xiě)并編譯執行機器學(xué)習算法代碼，并將機器學(xué)習算法變成符號表達的各類(lèi)圖表，縮短重新寫(xiě)代碼時(shí)間。TensorFlow 可模仿人類(lèi)大腦工作的方式并識別出模式，被用于語(yǔ)音識別或照片識別等多領(lǐng)域。另外，使TensorFlow 編寫(xiě)的運算幾乎不用更改就能在多種異質(zhì)系統上運行。在開(kāi)放源代碼后，所有工 程師都將幫助谷歌修改和完善這項技術(shù)，谷歌收到反饋以后，可推出更好地服務(wù)和產(chǎn)品，進(jìn)而推動(dòng)整個(gè)人工智能產(chǎn)業(yè)發(fā)展。

　　Deepmind

　　2014年1 月，谷歌耗資 2.63 億美元收購 Deepmind，這家創(chuàng )立于創(chuàng )立于2010年的公司將機器學(xué)習和系統神經(jīng)科學(xué)最先進(jìn)技術(shù)結合，建立強大通用機器學(xué)習算法。同年12月，谷歌通過(guò)DeepMind與牛津大學(xué)的兩支AI研究隊伍建立了合作關(guān)系。 2015 年 2 月，Deepmind系統學(xué)會(huì )了 49 款雅達利經(jīng)典游戲。2016年3月，由 Deepmind 研發(fā)AlphaGo以 4：1 嘉績(jì)擊敗世界圍棋冠軍李世石，激發(fā)全世界對人 工智能的關(guān)注。當前 AlphaGo 專(zhuān)注于棋賽發(fā)展，但其未來(lái)還將應用于醫療診斷，或投入無(wú)人駕駛等領(lǐng)域，以加速人工智能商業(yè)化進(jìn)程。——摘自 長(cháng)城證券

　　比起的IBM更專(zhuān)注某個(gè)領(lǐng)域的做法，谷歌的人工智能發(fā)展的目標確實(shí)可以理解成在其人工智能操作系統之上深耕某項技術(shù)，然后將該技術(shù)應用于各行各業(yè)。

　　就拿人臉識別技術(shù)來(lái)說(shuō)，2015年，谷歌推出號稱(chēng)最精確的人臉識別技術(shù)，并將其命名為FaceNet。面對一個(gè)名為“人面數據庫”(Labeled Faces in theWild)的常用人臉識別數據庫時(shí)，FaceNet識別的準確率近乎百分之百。這個(gè)數據庫容納了網(wǎng)上搜集的一萬(wàn)三千多張人臉照片，而在面對一個(gè)含有2.6億張人臉照片的龐大數據庫時(shí)，這個(gè)系統的準確率也超86%。這套系統還能將人名和臉匹配，經(jīng)典的人臉識別技術(shù)，甚至能把看起來(lái)最像或最不像的臉歸集在一起。雖然并未完全實(shí)現，但這也預示著(zhù)，在不遠的將來(lái)，我們經(jīng)常在網(wǎng)上視頻或大片里看到的那種能懲治犯罪、加強監控的電腦將更加觸手可及。

　　在谷歌看來(lái)，智能家居領(lǐng)域將是未來(lái) AI 應用的 一個(gè)重要市場(chǎng)， 目前世界各國的智能家居滲透率均較低，為此谷歌正加速以Google Assistant等為基礎智能家居生態(tài)系統建設，將谷歌虛擬助力融合進(jìn)智能家居中，通過(guò)一系列并購、開(kāi)放平臺的建立、軟件硬件一體化來(lái)打造這個(gè)生態(tài)系統。

　　結語(yǔ)

　　人工智能決戰時(shí)代，無(wú)論是巨頭還是初創(chuàng )企業(yè)都在極盡所能的分搶“蛋糕”，想在這一片巨大的領(lǐng)域中占有一席之地。至于開(kāi)頭提到的文章題目“IBM：谷歌發(fā)展人工智能的方向錯了!AI 操作系統不是未來(lái)” ，iot101君的還是想持保守態(tài)度，都是基于自己的特長(cháng)所設計出來(lái)的最適合發(fā)展的思路而已，并沒(méi)有什么對錯之分，至少目前還沒(méi)有辦法證明出來(lái)。