显然,IBM 是一家大公司。对 IBM 来说,这种庞大的规模使它就像一艘巨大而难以操纵的船,在前行之路上需要受到太多的传统和历史束缚。但好消息是,这家公司的研发部门可以花大量时间开发改变世界的创新,在某些情况下还可以挽救生命,即使有些创新可能与计算根本没有直接关系。

 
IBM CEO:AI 将融入万物 所有人都可以成为颠覆者
如果 IBM 的“范式转换”创新和发明确实有助于人类供水、量子计算和区块链等技术在全球的推广,那么这些新元素就可以用来反驳 IBM 的旧有观念。但无论如何,这都不是 IBM 的官方市场策略,只是在公司高层内部,这种方案已经获得潜在认可。
 
那么这种情境化给我们带来了什么呢?或许就是所谓的“数字转型”时代。
 
这是来自整个 IT 行业的推动力,它告诉我们需要云计算、数据分析、移动优先技术和人工智能(AI)。IBM 很高兴地告诉我们,它致力于向客户销售转型技术,同时也专注于自身的数字化转型。IBM 将其沃森人工智能(Watson AI)技术应用到我们的下一代计算结构中,让它变得无处不在。
 
颠覆者时代
IBM 董事长、总裁兼首席执行官罗睿兰(Ginni Rometty)说:“我们重新改造了 IBM,因为我们看到数据时代已经到来。我们相信,这是我们一生中仅会遇到一次机会的时代,让我们所有人都可以成为颠覆者。学习如何将 AI 引擎应用到我们未来构建的多元平台中,这是我们现在就要开始考虑的问题。”
 
随着 AI 的迅速崛起和扩张,罗睿兰强调了计算机的三大法则:
 
1)摩尔定律(Moore's Law):当价格不变时,集成电路上可容纳的元器件数目每隔 18-24 个月便会增加一倍,性能也将提升一倍。
 
2)梅特卡夫定律(Metcalfe’s Law):网络的价值等于网络节点数的平方,网络的价值与联网用户数的平方成正比。
 
3)沃森定律(它实际上还不属于定律,这是 IBM 在这个阶段的假设):AI 在商业、智能城市、消费者应用以及生活中大量应用。
 
罗睿兰指出:“如果我们看看今天实际正在分析的数据量,其中只有 20%是可搜索的,并被有效利用。另外 80%的数据被保存在公司内部,通常不会被使用。IBM 现在正在为沃森构建 IBM 服务平台(IBM Services Platform),这样 IBM 就可以开始为每个用例提供 AI 工具,它可以嵌入到任何服务(通常是基于 web/ 云端的软件应用)中。”
 
当我们提出这个问题的时候,我们可能会发现,任何人都可以使用更丰富的技术。IBM 称这是个新的转折点,不仅白领工人可以使用新的 AI 技术,蓝领工人也可以使用,所以 IBM 称之为“新领”新时代。这让人感到欢欣鼓舞,但我们正进入这样的时代,每个人的每个应用程序中都有 AI 支持。
 
这里有很多技术术语很有趣。AI 的大脑必须像人类大脑一样接受“训练”,以了解基本指令(如厕训练、教训孩子的基本社会行为),接触不同的数据集信息(在外面的世界体验生活),以及学习集中注意力以便将智能应用于特定任务(得到工作和学习提供价值)。在外面的世界里,我们发现,虽然多样性(在数据和生活中)很重要,但有时我们只有一小部分数据可供使用。但是,生活是困难的,AI 也是如此。
 
苹果与 IBM 合作
就新闻发展和 IBM 今年将给 AI 领域带来的影响而言,苹果的 CoreML 机器学习技术现在可以被苹果手机软件开发人员使用,在他们正在构建的应用程序中获取 IBM Watson AI 大脑智能支持。CoreML 是在苹果 iOS 设备上运行机器学习模型的软件框架,最初是在 iPhone 和 iPad 上,随后扩展到 Apple Watch 和联网电视上。
 
正如苹果所指出的那样:“经过训练的模型是将机器学习算法应用于训练数据的结果,该模型基于新的输入数据进行预测。举例来说,一个模型基于某个地区的历史房价数据进行训练,在给定卧室和浴室的数量时,它就可以预测房子的价格。”
 
IBM 沃森服务与 CoreML 相结合,实际上是将苹果设备上的机器学习框架与 IBM 企业人工智能结合起来,为各行各业的专业人士提供智能服务。这意味着,软件开发人员现在可以构建以 AI 为动力的应用程序,并且可以安全地连接他们的企业数据,这些应用可以优化,既可以离线使用,也可以在云端运行,并且通过每个与用户交互的机会不断学习、调整和改进。
 
AI 机器学习大脑内部
最近,IBM 负责处理与苹果合作事宜的总经理马哈茂德·纳格什尼(Mahmoud Naghshineh)以及 IBM 的全球产品+战略合作伙伴尼克·奥托(Nick Otto),解释了机器学习驱动的 AI 大脑内部到底发生了什么。
 
但是首先,我们需要弄清楚机器学习和 AI 的区别。我们通常认为,一个是另一个的结果,即机器学习过程发生在设备主板本身上,而 AI 则是这些机制更高水平催生的结果。实际上,它比那更微妙和复杂。
 
纳格什尼将其描述如下:机器学习(ML)是一组为数据操作定义的“类”,并通过最新的可用数据不断地重新编程;人工智能(AI)是一套更广泛的算法和技术,它使用了 ML 的能力来更好、更快地做出决策。
 
纳格什尼表示:“尽管 IBM 已经与苹果公司合作了很长时间,但我们正就 CoreML 软件框架展开新的合作,因为我们认识到,越来越多的价值是由使用移动设备的专业人员来消费的。”
 
纳格什尼提供了一个 AI 工作实例。一个现场技术人员必须以检查电路板作为他或她工作的中心部分,并能够找出故障。该技术人员可以使用智能手机(在本例中是苹果 iPhone)扫描产品的图像,不仅仅是直接在 2D 图像上进行扫描,而是通过将智能手机的摄像头移动到产品周围进行检查而形成图像。
 
IBM 沃森视觉识别模型可以通过“完美”产品的记录图像来交叉引用图像,并寻找可能指向损坏或磨损的异常,并指导工程师解决问题。IBM 的 Watson Studio 技术被用来训练 AI 的功能,精确处理企业的数据信息,从而找出问题所在。完成这张照片后,CoreML 的沃森服务会在“本地执行”,它可以在没有网络连接的情况下在手机上运行,这样工程师就可以在偏远的地方或其他地方完成自己的工作。
 
加上这些解释,IBM 的奥托证实,该设备将定期登录到在线服务上,以接收机器学习模型开发人员的更新,并在 Watson studio 中进行扩展。
 
奥托说:“CoreML 的 IBM 沃森服务允许数据开发人员获得他们构建在目标设备上的机器学习模型。苹果公司将其硬件和软件集成在一起,这使得核心企业级性能得以实现。它使用标准框架将这些机器学习服务引入苹果 iOS 设备,同时允许用户跟踪机器学习模型,并在工人的工作职能变更或其他元素更新(比如立法影响)的情况下,对其进行升级。”
 
AI 发展到何种程度?
那么到现在为止,AI 已经发展都何种程度?IBM 认知解决方案和研究部门的高级副总裁约翰·凯利三世(John E. Kelly III)描述了 AI 在 2018 年的发展现状。
 
凯利说:“在较低的水平上,我们可以使用 AI 来识别图像,让我们的电脑能够区分猫、滑板或花盆等。在更高的层次(还未实现),我们会有通用人工智能,我们谈论的是能够做任何事情的计算机(就像人类一样)。科技界(以及 IBM 内部)普遍认为,我们可能还需要 30 到 40 年才能建成真正有能力的高阶机器。”
 
目前,我们使用图形处理单元(GPU)作为处理器,现在也可以用 AI 工具在一分钟内“学会”几年前需要一小时才能掌握的知识。AI 会成为 IBM 所希望的那样,帮助驱动我们生活的方方面面吗?答案是肯定的,也许最终会逐渐实现这个目标。
 
接下来,当 AI 变得无所不在的时候,我们会关注 a)那些构建这些平台的工程师们会做什么;b)更加关注那些用来训练 AI 大脑的数据集,这样我们就可以不受这些新的电子神经网络影响。
 
如果要为每个人工作,AI 需要是多元文化的(并且没有负面偏见)、多学科的(就其所适用的工作而言)、多性别的、多平台的以及多利益相关者。如果这一切都成为现实,那么 IBM 的”沃森定律“就会实至名归。