IBM首席执行官提出“Watson定律”：万物皆可智能

IBM是一家大公司，毫无疑问。IBM的庞大也有不利一面（有些人这样认为）：IBM的传统和历史加上家大业大（难操纵），以后的路怎么走。家当大的有利一面是，旗下的IBM研究部可以花大量时间开发潜在的改变世界（在某些情况下实际上是拯救生命）的创新，其中一些创新最初可能看起来不是与计算直接相关的。

如果IBM “范式转换”的创造和发明确实有助于在人类供水、量子计算和区块链等领域里创造新的全球性发展进程，那么新IBM的这些元素就可以用来抵消人们观念里的老套IBM形象。IBM的官方营销策略并不是如此，但公司上层内部可能在潜意识里承认了这一点。

那这样的情境对我们有什么影响呢？影响嘛，现在已经是所谓的“数字转型”时代了。

由于整个IT行业的推动，我们被告知我们需要云计算、数据分析、移动优先技术和人工智能。一方面IBM很高兴地告诉我们，向客户销售变革性技术是个行得通的办法，而同时IBM也在专注于自身的数字化转型——IBM Watson 人工智能技术的应用正在全面进入我们的下一个计算结构里。

在位颠覆者的时代

IBM董事长、总裁兼首席执行官Ginni Rometty表示，“我们在新数据时代里再造了IBM。我们相信这是一生中绝无仅有的时代，我们每个人都是在位颠覆者。在这个时代里，我们现在开始考虑用学习来'教'人工智能引擎，并将其应用到我们未来构建的各种平台里。”

IBM董事长、总裁兼首席执行官Ginni Rometty

人工智能的应用在普及和上升，Rometty提出三个计算定律：

· 摩尔定律（Moore’s Law）：微处理能力大约每两年增加一倍。

· 梅特卡夫定律（Metcalfe’s Law）：电信网络的价值与系统里连接用户数量的平方成正比。

· Watson定律（Watson’s Law）（实际上尚未是定律，在现阶段只是IBM的假设和建议）:人工智能在商业、智能城市、消费者应用和生活里的普遍使用和应用。

IBM首席执行官Rometty表示，“如若我们来看一下时下实际的分析数据量，我们看到只有20％的数据可以被搜索和被有效地利用。另外的80％是放在公司内部，通常不会被使用。IBM现在正在构建适用于Watson的IBM服务平台，以便IBM开始为每个使用案例提供嵌入到各种服务（通常是基于Web /云的软件应用程序）的 AI工具层 。“

发展到这一步时，我们就可能达到任何人都可以使用更深入、更丰富技术的程度。 IBM将其称之为新的分水岭，到达这个分水岭时，技术不仅仅是白领阶层可以用的东西，也不仅仅只是向蓝领工人提供人工智能技术.....因此IBM称这个新时代为“新领（new collar）”。很可爱的名词，不过我们可以明白是什么意思——意思就是每个地方里每个人的每个应用程序里都有AI。

仔细听听这一块用到的术语很有意思。AI大脑必须像人类一样受“训练”。他们需要接受“训练”，还需要给一些基本的生活指导（孩童时的大小便训练和基本的社交行为课程），要接触各种不同的信息数据集（体验外部世界的生活）及学会专注，需要针对特定任务施展才智（找个工作并学会提供价值）。在外面的世界里，我们发现（数据里和生活里）多样性虽然很重要，但有时候我们只拥有一小部分数据，我们只得用这一小部分数据干活。还有，生活艰难......人工智能也是如此。

苹果与IBM合作伙伴关系

就新闻发展及IBM今年为AI格局提供的内容而言，苹果的移动软件开发人员现在可以使用苹果的CoreML机器学习技术从构建应用程序内部访问IBM Watson AI大脑功能。 CoreML是一个在苹果 iOS设备上运行机器学习模型用到的软件框架，最初用在iPhone和iPad上，后来扩展到苹果手表和连接电视品牌上。

苹果指出，“训练好的模型是将机器学习算法应用到一组训练数据上的结果。该模型根据新的输入数据再进行预测。例如，用某个地区的历史房价训练过的模型在给定卧室和浴室的数量时或许能够预测该房子的价格。“

CoreML版IBM Watson Services将苹果设备上的机器学习框架与IBM企业级AI结合在一起，可为各个垂直行业的专业人员提供情报服务。这意味着软件开发人员可以构建用AI驱动的应用程序，这些应用程序可以与他们的企业数据（安全地）连接，并可针对离线运行、云计算进行优化，还可以通过与各用户的交互不断学习、适应和改进。

AI机器学习大脑的内部

IBM的苹果合作伙伴关系总经理 Mahmoud Naghshineh和IBM全球产品及策略合伙人Nick Otto最近联手，共同解释了由机器学习驱动的人工智能大脑内部发生的事情。

首先，机器学习与人工智能有什么区别呢？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，AI是这些机制在更高层次上的最终结果。实际情形则稍微要微妙和复杂一些，Naghshineh的解释如下：

· 机器学习（ML）是一组在数据操作中定义好的“类”， 机器学习会不断地用最新可用数据将自己重新编程。

· 人工智能（AI）是一组更广泛的算法和技术，这些算法和技术利用ML的威力，在做决策时比人类的表现更好及更快。

IBM的Naghshineh表示，“虽然IBM与苹果已经合作了一段时间，但我们是在CoreML软件框架合作时才进入新的合作伙伴关系，因为我们认识到越来越多的价值是由专业人士用移动设备消费的。”

IBM的Naghshineh提供了一个运转中的AI实例。

比如说现场技术人员需检查电路板，这是他工作的核心部分，他要确定有没有故障。技术人员可以使用智能手机（本例中为苹果 iPhone）扫描产品图像，不仅仅是张直白的二维图像，而是将智能手机的相机在被检查的产品周围移动照下多张图像。 IBM Watson视觉识别模型可以根据图像交叉引用“完美”产品的记录图像，并查找可能出现的损坏或磨损异常情况，进而指导工程人员解决问题。IBM Watson Studio技术可以用精确的企业数据信息针对相关企业工作训练人工智能功能。CoreML版Watson Services是在“本地执行”（可在没有互联网连接的情况下在手机上运行），因此，如果工程人员位于处于偏避或覆盖范围之外的地方，他们仍可以正常工作。

除了以上的解释外，IBM的Nick Otto还提到，这些设备会定期登录到在线服务，接收Watson Studio开发和扩充的机器学习模型更新。

Otto 表示，“CoreML版IBM Watson Services令数据开发人员可以将他们构建的机器学习模型内置到目标设备上。苹果已经将自己的硬件和软件自然地整合在一起，能达到核心企业级性能。CoreML版IBM Watson Services利用标准框架将这些机器学习服务放在苹果 iOS设备上，并且允许用户跟踪该机器学习模型，在工作人员的工作职能发生变化时或由于法规等其他原因对机器学习模型进行更新。”

目前的AI到了哪一步？

到现在为止我们在AI方面的进展如何呢？IBM认知解决方案和研究SVR John E. Kelly III博士描述了我们现时在2018年AI的发展现状。

Kelly 表示，“在较低的层面上，我们可以用AI做图像识别，我们的电脑能够区分猫、滑板或一瓶鲜花等等。我们在更高层次上还未能找到一个更通用的AI，我们在讲计算机可以像人类一样做任何事情。科技界（以及IBM内部）通常的看法觉得，我们可能需要30到40年的时间才能构建出真正在更高层次上性能更好的机器。”

目前的方法是采用配备了图形处理单元（GPU）的处理器，用这个方法我们现在可以让AI工具在一分钟内“学习”几年前需花费一小时才能完成学习的的东西。

人工智能能否像IBM所希望的那样涵括一切的一切并且帮助推动我们生活的每一个方面呢？答案是，肯定会，有可能最终会逐渐达到那一步。

人工智能越来越倾向于无处不在，接下来值得关注的重点是：

a）构建这些平台的工程师的下一步做什么；

b）用什么数据集去训练我们的AI大脑而不会令我们对新的电子神经网络产生偏见。

如果人工智能要用于每个人，就需要是多文化的（无负面偏见）、多学科的（就AI应用需完成的工作而言）、多性别的、多平台的及需将多利益相关者全部包括在内。如果这一切都可以过关，那么IBM Watson定律就可能会成为现实。