净利润下降、股价下滑、巴菲特减持,IBM 的转型过程分外艰难。目前相当普遍的一种说法是,IBM 错过了移动时代后,又正在错过 AI 时代。
的确,硬件被英伟达的 GPU 和谷歌的 TPU 抢尽了风头,算法上比不过 DeepMind 庞大的论文量,应用落地也比不过微软、百度范围更广。IBM 在这个人人高举 AI 大旗的年代,多少显得有些尴尬。
可要说 IBM 在人工智能上毫无建树,那可是太冤枉了。或许你曾经被百度大脑、搜狗机器人在综艺节目的表现所惊艳,那么你应该知道,早在 2011 年,IBM 的超级计算机“沃森”曾在问答节目《危险边缘》中击败两位人类选手,拿下历史最高分。
从那时起,或者更早,沃森就成了 IBM 冲击 AI 大时代的生力军。
沃森以此来自于 IBM 公司创始人托马斯·J·Watson 的名字,准确来说沃森是一种“平台”或“系统”,拥有理解、推理、学习等等多种能力。从上个世纪开始,IBM 就在人工智能领域不断探寻,能和人类交流、提炼信息的沃森只是成果之一。
别说比别人早一步登上问答节目,就连棋牌类人机大战的戏码,IBM 也早就玩过。在 1997 年,IBM 的计算机程序“深蓝”就曾在国际象棋的战场上战胜了棋王卡斯帕罗夫。
而从深蓝到沃森的变化,正是 IBM 在 AI 方向上最关键的选择。
有人说深蓝是沃森的前身,这话对也不对。深蓝的应用范围是象棋,很围棋一样,是一种数字游戏,深蓝还拥有 480 颗专门为象棋打造的芯片——极有可能为了暴力穷举。沃森的应用则在于人机对话问答,所处理的都是语言、声音甚至是图片。而相比深蓝的硬件形态,沃森已经超脱了禁锢,进化成了技术平台。
最为关键的一点是,沃森专注的是理解非结构数据。
理解什么是非结构化数据,要先知道结构化数据。结构化数据存在于 ERP 系统与数据报表之中,是经过标注的、存在于数据库之中的数据。所以非结构化数据,自然就是那些只能用.txt、.MP3、.avi 等格式储存的数据。
所以,沃森的理解、分析、提炼和推理,可以建立在自然语言和图片之上。
这样看来,沃森更像是一个巨大且牛逼的数据处理平台,可在这个一切建立在数据之上的时代,又有哪个人工智能产品不是这样呢?
在遥远的 2011 年,IBM 好像还没准备好让沃森站上人工智能这个风口,相反,IBM 为沃森提出了一种非常新鲜的概念:Cognitive Computing——认知计算。
公认认知计算的解释是这样的:“认知计算代表一种全新的计算模式,它包含信息分析,自然语言处理和机器学习领域的大量技术创新,能够助力决策者从大量非结构化数据中揭示非凡的洞察。认知系统能够以对人类而言更加自然的方式与人类交互;认知系统专门获取海量的不同类型的数据,根据信息进行推论;从自身与数据、与人们的交互中学习。
这么看来,的确很难分辨所谓认知计算和人工智能之间的关系,尤其是弱人工智能,两者之间的定义非常相似。都是建立在数据之上,利用 NLP、机器学习等等技术赋予机器自学习、自进化的能力,让它们能够更好的服务于人类。
在 Google 搜索 Cognitive Computing,结果也大多跟 IBM 有关,现在看来,有关认知计算的一切似乎都是 IBM 一场失败的造词计划。
难道就是因为话术选择的不慎,就让 IBM 在 AI 时代落后于人吗?
抛开技术概念的相似,IBM 的认知计算,还是和目前很多企业涉猎的人工智能有一些差别的,而这些差别存在于市场辖定之中。
像亚马逊、微软等等企业对于人工智能研发到一定程度上之后,都会落地到一个具体的民用级产品中——Echo、小冰、特斯拉……虽然不能说清这些企业的目标市场究竟在哪,但都在 C 端市场中做足了姿态。
和前一段大家都跟风人工智能音箱的原因一样,你不这么做,就好像不在这个战场。
或许是来自咨询管理的基因,IBM 从一开始就把目标明确在了企业级市场。在 2014 年 IBM 中国论坛上,IBM 提出把“借助数据协助行业转型”作为转型的主要方向之一。这其中的逻辑也很简单:认知计算建立于数据之上→IBM 拥有大量企业数据,自然一拍即合的推出了适用于企业的服务。
而且 IBM 一上来就选了几块难啃的硬骨头:医疗、金融和营销,不过沃森的表现,并不像某些分析师说的那么不堪。
在医疗领域,沃森的动作最多、声量也最大。
训练沃森治疗癌症、和安德森癌症中心等等医疗机构合作,一时间引起了不少媒体的关注。在医疗领域,沃森最具优势的是对资料的查找、提炼速度,据称沃森可以每秒阅读八亿页的资料。快速处理数据、辅助医生进行诊疗,这一切只是看上去很美。实际上和安德森癌症中心合作了五年,双方没能推出一款可以实际应用的工具,最终安德森中心支付赔款,终止了和 IBM 的合作。
(IBM 礼宾机器人)
相比医疗,沃森在金融这条路上明显走的更加顺利。
推出银行网点服务机器人、发布金融云、辅助智能投顾等等,虽然大多还是一些细小的工作,但搭上 Fintech 这趟车一定不会出错。而且 IBM 在收购金融企业时出手很大方,过去有 Promontory 和 Algorithmics,未来恐怕还会有更多。AI+金融已成大势,加上 IBM 和银行一向亲密的关系,或许将成为沃森的主场。
在营销方面,沃森能发挥的空间更广。
AI+营销这个话题,多多少少有些老生常谈了。据说沃森每天学习 9 节 IBM 思考营销项目中的课程,初步目标是“懂得如何为每一位客户量身定做创意内容”。目标虽然远大,可目前沃森所做的还是老一套——学习用户历史消费数据,做出智能推荐。去年,沃森就和 The Northface 合作了一把,通过用户浏览历史、当地天气等数据推荐给消费者合适的外套,VentureBeat 统计,这一广告点击量达到了 90%。相比医疗和金融,AI 营销领域限制少、容错率高,可以给沃森更广阔的发展空间。
IBM 今天的局面,其实来源于 B 端服务级企业的原罪。体量巨大、有稳定营收,即使看中了 AI 市场,转型起来也很困难。一直服务 B 端市场,掌握的数据有天然限制,购买数据打入 C 端市场/研发 B 端 AI 技术两个选择在天平上摇摆不定。IBM 的选择看似是一条容易的路:利用原有数据开发产品,然后让长期合作的企业级用户买单,可从实际操作看来,企业没那么容易买账。
而长期投入 B 端市场、选择了不讨喜的“认知计算”话术,为 IBM 带来的后果就是错过了抢占大众心智的黄金时期。不过好在 IBM 的技术底子还在,就算沃森当前表现平平,未来也不难和谷歌、微软、亚马逊一战。
(曾经在舞台上打败过人类的 Watson)
需要警惕的,反而是国内很多 B 端服务企业,转型时没有 IBM 的本事还得了 IBM 的病,以为企业级市场会永远欢迎自己,连最基本的技术创新能力都已经丧失却还想着吃老本。要知道在这个人工智能技术飞快发展的时代,走错任何一部都可能是死局。
来源: http://www.tuicool.com/articles/ruU7juq