<b><font color=ff0000>本文刊载于《财富韩国》2017年1月号。</b></font>
在智力竞赛节目《危险边缘 Jeopardy》夺冠后的5年间,IBM的认知计算系统参与了多场“比赛”。这台超级计算机如今在至少20多个产业领域为数千家企业充当“承包商”角色。我们见到了沃森的掌舵人。
戴维·肯尼自去年2月起负责IBM的沃森事业群。起因是他担任CEO的Weather Co.被“蓝色巨人”Big Blue(*译注:IBM的别称)收购。此后数月,沃森业务迅速增长。目前全球有超过10万名开发者在使用36种以上的沃森应用程序接口(API)。《财富》副主编克利夫顿·利夫 Clifton Leaf 于去年10月中旬采访了戴维·肯尼。
作为IBM沃森的总负责人,他当时正访问旧金山,为AI系统的新事业基地沃森西部 Watson West 的开幕以及10月24日在拉斯维加斯举行的第二届沃森世界大会 World of Watson conference 做准备(该大会是刚刚萌芽的合作伙伴与用户生态系统的聚会)。以下是访谈的部分摘录。完整访谈可在《财富》主页的戴维·肯尼专栏查看。
<br><b>财富:</b>如今在AI领域能听到许多专业术语,比如“人工智能”“机器学习”“深度学习”“自主学习”等,而IBM用来描述沃森的术语是“认知计算”。区别是什么?
<b>肯尼:</b>深度学习是机器学习的一部分,更准确地说是一组算法。深度学习使用更高维的系统,比如“复杂的卷积神经网络”。基本上意味着可以把步骤细分,从而进行深层次的观察。
例如,机器学习用于阅读文本,深度学习则在判读X光片时需要。所有这些都包含在人工智能的概念之内。当然,IBM在很多情况下并不称之为人工(artificial)智能,而是增强(augmented)智能。也就是说,这套系统处于机器处理与人类解读之间,我们把机器与人之间的这种交互称为认知系统。它就是这样不断累积起来的。
我们所说的自主学习,是指不另行指定训练过程,而由系统自行开始学习。这可以说是在逐步接近一些人心目中真正的人工智能,甚至是通用人工智能(artificial general intelligence)。我们已经进入了它的初期阶段。沃森在部分领域正在这样做。
<br><b>财富:</b>要做成这件事,似乎需要相当强的处理能力。
<b>肯尼:</b>确实需要极其惊人的处理能力。因为就像人脑一样,沃森也必须保持24小时运转。这也正是我们相信让这一切成为可能的关键要素是云计算的原因。云计算出现之后,同时访问多台机器成为可能。在此之前,最多只能访问主机。当然,IBM把主机本身做到了最大,正因如此,沃森才能在5年前的《危险边缘!》中取胜。但我们现在看到的AI加速发展,一定程度上要归功于云。
<br><b>财富:</b>但似乎并不只是因为云,对吗?沃森正通过物联网(IoT)越来越多地“嵌入”现实生活。仅沃森的IoT业务就有4000多家客户和1400多家合作伙伴,不是吗?
<b>肯尼:</b>是的。我从Weather Co.来到IBM的原因也与此有关。如今传感器在日常生活中已经普及。不仅是汽车,通过物流系统移动的东西,也就是被运送的箱子里也装有传感器。工厂和交通系统也一样。
如今我们穿的、戴的东西大多也装有传感器。通过这些传感器——以及移动设备——处理的信息,会在恰当的时间和场合为我们提供知识与洞察。而且这些传感器通过蓝牙或其他通信设备在云端相互交互。在这个过程中发生运算处理,我们就得到想要的答案。就好像这些东西在替我们思考。但事实上,它们是在访问相当于其大脑的最近的数据中心。因此这种同类型的交互会被“嵌入(get embedded)”到无处不在的应用之中。
以癌症治疗为例。把沃森用于肿瘤学,肿瘤专科医生可以实时获得患者病历。随后沃森会在正在进行或即将进行的临床试验中,找出最适合每位患者的试验。[迄今为止,沃森已完整掌握约2600万篇医学和科学论文。此外还重点学习了在临床研究网站(clinicaltrials.gov)——联邦政府的公共数据库——上登记的约3000项临床试验。沃森曾通过媒体宣布,正与实验室企业奎斯特诊断 Quest Diagnostics、纪念斯隆-凯特琳癌症中心 Memorial Sloan Kettering Cancer Center、博德研究所 Broad Institute 合作,以便美国各地的癌症患者和专科医生利用沃森的基因组分析。]
<br><b>财富:</b>让沃森学会掌握像医学论文这样高密度文本的诀窍是什么?
<b>肯尼:</b>这项工作是在我转到IBM之前完成的。它始于“知识抽取”:阅读文档,找出共同的语句,并把握它们之间的关联关系。通过同样的工作也找出了共同的段落。
此后进行了校正工作。人的纠正工作在这一环节变得极为重要。刚开始就让机器自主学习、自行找出模式的可能性微乎其微。字面意义上说,必须告诉沃森:“对,这句话是这个意思。对。把那两个合成一个。对,那是对的。不,那是错的。”而每当说“错了”,系统就会调整算法,如此反复,最终得出正确答案。随着时间推移会不断改善。
<br><b>财富:</b>听起来像是把人的专业知识加上海量数据来训练系统。
<b>肯尼:</b>是的。再补充一点,现在并不是只存在一种沃森。有肿瘤学专用的沃森,也有放射学专用的沃森。内分泌学、法学、税务规定、消费者服务等各有专门的沃森。因为只有这样,才能输入适合各系统的数据,进行精准训练。而且我们在与各领域专家合作:肿瘤学与纪念斯隆-凯特琳合作,心脏病学与美国心脏协会(American Heart Association)合作。
这类系统因为能够更专注于各自的专业领域,所以表现也更好。这与人并无不同。就像我们通常不会向记者寻求癌症方面的建议,也不会向肿瘤专科医生索要房地产信息。正如人们追求专业领域后会更了解自己的领域,AI也是一样。
<br>Seoul Economic Daily 《财富韩国》编辑部/By Clifton leaf






