如何在AI领域占领制高点？

Rob Thomas

企业面临的最大挑战，是在应用数据科学和AI领域所需技能的深度和广度。如果企业期望在AI方面占据领先地位，需要关注三个至关重要的领域：差异化平台、技能和研究。

自 1959年IBM创造出“机器学习”一词以来，AI已经走过了多个周期。2011年IBM的Watson参加了电视智力竞赛节目《Jeopardy！》，与人类选手同场竞技，掀起了最新一轮的AI复兴浪潮。

在这个里程碑式的事件中，展现了我们拥有的一些独一无二的技术。之后我们将 Watson应用于客户的某些项目中，并取得了早期成功。这为我们带来了更大的效应，也带来了更多机会。在这个阶段，大型的企业、独立的专业研究机构和医疗组织都在采用IBM Watson 技术，并基于该技术构建产品和应用。

一、Watson 到底是什么？

要回答这个问题，我们先看看Watson不是什么。Watson不是Alexa、Siri或Google Assistant这样的个人助理，他的功能远远超越了消费者端AI设备的功能。但消费者可能每天都会与某种形式的Watson交互，虽然他们没有意识到这一点。

这是因为Watson的设计初衷是支持企业对企业（B2B）的交互。Watson技术从赋能企业虚拟助理，一直延展到将AI嵌入各行各业的业务流程中，涵盖企业的方方面面。

Watson没有声音、性别或个性。很多人将Watson与《Jeopardy！》节目中或一些旧时电视广告中所用的男性声音联系在一起。我们出于节目需要，给Watson安排了一个声音，但是Watson并非是一个对话盒子。它是在云端运行的一系列可组合式微服务（软件），可运行在任何云端，无论是公有云还是私有云。

简而言之，Watson是能够发挥数据集的价值、理解自然语言，进而提供建议、作出预测并自动完成工作的软件。我们已经调整了命名策略，“Watson”一词只会出现在显著采用IBM Watson技术的IBM软件和解决方案中。对于嵌入了AI技术以增强能力的产品和解决方案，我们只在这些产品名称中使用“with Watson”的字样。

Watson以三种形式存在：

·工具，面向的是想构建自有AI的企业

·应用，面向的是想购买预打包AI解决方案的企业

·嵌入式的机器学习和AI功能

Watson 工具

Watson工具包括可以免费使用的软件，或者在企业想要更广泛地使用时购买或订阅的软件。通过使用这些工具，企业可以收集数据，整理数据，构建AI模型，将AI模型应用于生产，并随时管理这些模型。下面是一些鲜为人知的事实：Watson工具内开展的85%的工作都是开源的（Python、R、TensorFlow等）。毕竟，开源是数据与AI领域的通用语言。

如果您想亲眼看看这些工具，那么您可以看看Watson Studio、Watson Machine Learning、Watson OpenScale、Watson Knowledge Catalog和一系列Watson API。我想您会喜欢这些工具的。如果您还需要更多其他能力，请随时告知我们。

Watson 应用

Watson应用是我们为解决特定的业务问题而构建的预打包软件。Watson Assistant 是一款全球领先的应用，用于增强客户服务水平。

苏格兰皇家银行（RBS）就采用了Watson Assistant。通过使用Watson Assistant，他们现在能够自动处理40%客户的呼入电话。借助这个自动化应用，他们的客户服务代表能够将精力放在最难解决的问题上，进而提高客户的满意度。

这还只是AI赋予人类超能力的其中一种方式。我们还推出了一系列其他的应用：Watson Discovery、Planning Analytics with Watson、RegTech with Watson和Maximo with Watson。此外，我们还在持续开发新应用，以赋能每位企业领导者。

Watson 嵌入式功能

Watson嵌入到了越来越多的第三方解决方案中，以便为产品和服务提供AI超级功能。LegalMation就是一个典型的例子。该公司将 Watson（确切地说是Watson Discovery）嵌入了自己的产品中，以帮助律师自动完成日常的法务工作，不再需要花费数千个小时去寻找法律数据资料。

归根结底，不论是Watson工具还是 Watson应用，每年都能帮助企业节省大量人力和成百上千万美元。在一些其他的案例中，它们还推动了企业营收的大幅增长。摩托车制造商哈雷戴维森是我最近很喜欢的一个案例。该公司采用Watson工具，构建了自己的AI来寻找新的摩托车潜在买家。

AI的用户们请注意：AI系统必须接受训练。如果您期待AI系统是一个魔法盒子，那么您会大失所望。即便如此，我们也推出了一些有趣的技术来加速并自动化AI的训练。

二、企业如何用好AI？有三点需要特别注意

多年来，IBM携手众多客户，应对数据需求并制定数据战略。显然，数据和AI就像同一枚硬币的两面，正是基于这种理解，催生出了人工智能阶梯的概念。

IBM持续在数据科学和机器学习领域开展技能培训，与标准组织合作建立新的数据科学认证体系，甚至出资组建了一支专家团队IBM Data Science Elite Team（IBM数据科学精英团队，简称DSE），帮助客户将其首个AI模型在IBM平台上投入生产。

根据我们以往的经验，如果企业期望在AI方面占据领先地位，需要关注三个至关重要的领域：差异化平台、技能和研究。下面，我将逐一剖析每个领域。

差異化平台

值得关注的是，超过90%的AI技术都属于“通用知识”。因此，AI技术之间的差异在于，公司在强化技术和提升产品化方面如何取舍。

与Google和Amazon这些公司相反，IBM出于一些必要的考虑（比如，不收集消费者数据，对使用公共数据集极度谨慎，企业客户对于定制化AI的需求等），Watson专注于AI技术产品化，即能够让客户用更少的数据和专业知识训练和定制模型的技术。IBM Watson具有一些独一无二的优势：

1.AI定制便捷化。比如，意图分类（Watson Assistant的核心）功能可帮助企业通过小型训练集中学习知识。这意味着，您不需要招聘大批人员进行数据标注。这项技术在市场上取得了巨大的成功，比如苏格兰皇家银行（在第一篇博文中已提及）、巴西Bradesco银行、法国国民信贷互助银行、英国沃达丰移动网络公司等企业都采用了该技术。

2.AI自动化。比如，我们的AutoAI技术能够赋予普通数据科学家超能力。我们可以自动执行80%的核心数据科学流程，比如数据准备、算法选择和特征工程等流程。这是Watson Studio（模型构建和训练平台）为客户提供的独特功能。

3.AI模型的可解释性。在信任至上的时代，每家企业都想以轻松（且合规）的方式了解AI究竟如何做出决策。IBM Watson Openscale 能帮助用户了解其模型的日常表现、出现的偏移、可能存在的偏见，以及如何解释模型产生的。这项技术适用于任意AI工具，而非仅限于 Watson。

4.嵌入式能力。任何企业都可以利用 Watson技术，来让自己的产品变得更好。

Watson是否完美无缺？当然不是。但 Watson是不是一个伟大的软件？绝对如此。如果您对此尚有疑问，我建议您试用一下Watson 系列工具，非常简单易用，结论不言自明。

技能

企业面临的最大挑战，是在应用数据科学和AI领域所需技能的深度和广度。AI让许多企业激动不已，但是当企业在扩展AI应用范围时，往往极度缺乏数据科学家。企业可以用两种方式来解决这种技能短缺：

1.自動化。只要出现供（技能型员工）需（对特定技能的需求）不匹配，自动化技术就会变得非常重要。借助前面提到的AutoAI这类技术，我们能够大大增强普通数据科学家的能力。此外，借助AI Skills Academy（AI技术学院）这类项目，我们还能从一开始就帮助企业培训人才。

2.专家经验。去年，IBM建立了一支名为“Data Science Elite”的团队。该团队由一些全球最优秀的数据科学家组成，为客户提供免费现场支持。他们的使命是构建、训练客户的首个AI模型，并将之投入生产。一个单点的成功就能激励整个企业取得更多突破。

我们看到很多客户都取得了成功，获得了许多有力的客户证言，比如Wunderman Thompson公司首席技术官（CTO）Adam Woods表示：“我们的数据科学家专注于明确迫在眉睫的业务需求，而IBM团队则聚焦于技术实现。这种通力合作帮助我们通过Watson建立了机器学习管道，进而充分利用我们的所有数据信号生成模型，并使模型性能较之以往提升了200%，甚至更多。目前，我们正积极将这些模型投入生产环境。”

研究

为了在AI领域与时俱进，我们必须持续探寻并一直站在AI最前沿。IBM发布的研究会议报告和论文每年增长93%。正如外界所评价的，我们投资的MIT-IBM Watson AI Lab产生的影响力与日俱增。在监管式学习和非监管式学习领域的专利领域，IBM位居全球十大企业之列。我们还是少数几家拥有专门研究AI创新主题的独立研究机构的企业之一，这让我们感到无比自豪。

早些时候，我们在IBM的THINK 2019大会上发布了AI辩手—Project Debater。这个项目展示了AI系统如何在现场辩论赛中与专业的人类辩手进行辩论。

事实上，这是少有的由AI驱动的计算型增强工具，它能够接收信息，并针对性地提出有说服力的论点。自然语言处理（NLP）技术是Project Debater的核心，这也是我将NLP称为AI神经系统的原因之一。

三、Watson Anywhere：未来将来？还是现实已在？

尽管AI为我们带来了巨大的商机（预计到2030年AI将为GDP贡献16万亿美元），但是 2018年企业对AI的采用率不到4%。一项近期Gartner调查显示，企业对AI的采用率将从2018年的4%增长到了2019年的14%。但是这还远远不够。采用率如此低的原因有很多：缺乏技能、缺乏工具、缺乏信心等，但是最大的问题是“文化”。

假如企业想要加入这个AI驱动的创新阶段，参与这场科技推动的财富盛宴，那么对他们来说最重要的是要抱有初学者的心态—愿意尝试，且能接受失败。企业应该寻求并尝试在1年内做上百次AI实验，并且认识到50%以上的实验会以失败告终。很多企业的文化并不适合这种方式。

而另一种更普遍的方式是集中力量实施一个大型AI项目，投入大量人力、财力和时间。我并不推荐这种方法。AI需要大量实验，而非实施一个大型项目就能解决问题。AI不是ERP。

财富眷顾勇者

我坚信，我们已经历并且未来还将继续进行的试错，最终都将为我们带来积极的成果。这不仅仅是因为它能为我们带来巨大的商机，还因为它有巨大潜力来帮助企业、消费者乃至我们所生活的这个世界。未来，我们必将开展更多实验，面临更多失败，迎来更多成功。当然，这会极大地改变我们的生活方式和工作方式。我们所有人都应该确保这些改变是积极的。

信任是一个促使 AI 成功的重要因素

“我相信，地球上的每个人都将以某种方式与Watson进行交互，无论是加速他们得到的客户服务，增强他们所做的工作，改进他们的零售体验，为医护人员提供医疗洞察力，帮助人们避免粮食短缺，还是未来采用我们目前尚未意识到的诸多方式。我们并没有松懈，没有放弃我们的抱负。IBM将一如既往地站在AI领域的最前沿。”

为什么我坚信这一点呢？因为信任是一个促使AI成功的重要因素。企业必须坚信一点，尽管试错会出现各种问题，但他们最终都可以信任AI，能够基于数据建立有意义的联系，提供有意义的建议。因此，在AI领域，信任是决定企业成败的重要因素。您可能对IBM有不同看法，但是我觉得对于IBM值得信任这一点应该无人质疑。作为企业，我们的过往业绩和表现有目共睹。

您可以看看应用IBM AI产品的客户案例，我们的公开案例比任何企业都要多。请注意：这些客户案例并非是通过大量的定制开发服务而实现的。这里我说的客户使用的都是我在前两篇博文中所提到的产品，比如Watson OpenScale、Watson Assistant和AutoAI，等等。在某些情况下，客户是否会需要IBM服务（或者其他系统集成商的服务）？当然。但是，Watson 已经突破了定制开发服务的范畴。

随着越来越多的客户现身说法，讲述他們的AI故事，他们也将激励其他客户考虑、参与和试验AI项目。AI的应用范围，尤其是在各行各业的深入应用，一直让我兴奋不已。

迄今为止，我发现最常见的案例出现在以下行业：

一项重要发布：Watson Anywhere

我们已有众多客户成功在企业内跨越多云环境部署Watson。我们称其为“Watson Anywhere”。这种方法能够将AI部署在企业数据所在的任意云环境中，从而帮助企业挖掘隐藏的洞察力，自动执行流程，最终推动业绩的增长。

您可以重点关注毕马威、法国航空和 Humana乳业等企业的创新工作。这些企业采用了“Watson Anywhere”战略来打破数据孤岛，从而有效运用数据实现AI。

“Watson Anywhere”不只是一种部署AI的有效方式。它基于真实的创新，其核心是 IBM Cloud Pak for Data，后者是一个基于微服务架构的数据和分析平台、构建于Red Hat OpenShift之上。基于这个平台，企业几乎能够在任何他们期望的云环境上使用Watson工具和应用，不论数据位于何处。这些云环境包括 IBM Cloud、AWS、Azure、Google，或者其他公有云，也包括企业的私有云。

IBM将继续利用Watson对世界产生积极的影响，提高Watson采用率，让用户和企业能够参与这场价值16万亿美元的财富盛宴。我们也知道，我们将以您期望的方式推进这项工作：

1. 深思熟虑

2. 言而有信

3. 慎始如终

通过正确有效地使用AI，我们将实现共赢。

您为什么不尝试一下呢？