O2OEXPO專訪丨IBM全球傑出工程師、IBM中國創新工程院院長田忠博士:依靠認知計算引領產業智能

  由世界O2O組織(WOO)、全球移動遊戲聯盟(GMGC)及光合資本共同主辦的世界O2O博覽會暨IN 2016創新大會於2016年6月22日在北京國傢會議中心盛大舉行。來自全球O2O領域的眾多企業代表及行業精英齊聚一堂,共話年度O2O領域的熱點議題。IBM公司IBM全球傑出工程師、IBM中國創新工程院院長田忠博士接受瞭媒體采訪。

  記者:大傢好!今天世界O2O組織暨IN 2016創新大會新聞中心請到瞭IBM全球傑出工程師、IBM中國創新工程院院長田忠博士。

  您剛才在主會場發表題為“認知計算引領產業智能化的精彩演講”,您能給我們解釋一下“認知計算”的概念嗎?

  田忠:當年計算是一個高大上的東西,在實驗室裡穿白大褂進去,後來有瞭個人電腦,可以跟機器有交流,打入專門的命令,有專門的程序,或者專門的瞭解,今天認知計算使得人類能夠真正瞭解“你”,不是簡單的人情交互,是人情交流,是真正能夠回答你的問題。第三是它能夠自己學習,不再是固化的程序,而是通過程序編程有這樣的瞭解,能夠根據所獲得的知識,根據跟您過往的交流,能夠更深入學習瞭解你的習慣,它更多有一種夥伴關系和交流關系,有自我提升和自我提高的能力,更像一種靈活的活動的能力。

  記者:您覺得IBM在這個領域當中做出瞭什麼樣的貢獻和突破?

  田忠:在表面上看起來這個應用是更親切,更可愛,能夠更深入回答您的問題,而在這之下有很多科學工作要做。首先第一個問題是結構化數據和非結構化數據的統一,今天所說的數據庫,大傢瞭解過瞭,每天都在使用,到銀行取款、存款都依靠這樣的數據庫,結構化數據。計算機和信息技術長久以來都非常擅長處理結構化數據,非結構化數據是噩夢,如何能在這裡回答你的問題是非常復雜的問題。

  非結構化數據就是微博、微信、社交網站上各種各樣的推送,今天的錄音、錄像都是非結構化數據,同時又很多來自其它設備的非結構化數據,總量是遠遠超過所謂的結構化數據,能夠把海量的非結構化數據,都能夠應用起來這是一個非常大的突破。所以這是在數據處理層面上。

  在人機處理,情感交流上面能夠在通過自然語言的交流獲得和問題的輸入,並且給出輸出。同時,還能夠不僅文字上,一個人很聰明的時候,是叫做能夠讀懂言外之意,瞭解您真的在問什麼,真的想瞭解什麼。所以這些方方面面,包括更多硬件領域裡更強的計算能力,通過雲平臺更廣泛的計算能力,這都是一些方方面面的突破。

  記者:現在很多企業,不同的創新企業,成熟企業,都在產業智能化作為企業信息化的建設,您是如何理解產業智能化的,如何界定這個范圍?

  田忠:可能沒有一個嚴格界定的過程,因為這不是一個評審會,這是一個自然的應用。當IT技術、信息技術應用到生產領域當中去的時候,從最初的數字化開始,到數字化之後就開始瞭很多的可能性,這些可能性通過信息化,使得我們能夠就這些獲得信息。獲得的數字輸入能夠做及時的處理,能夠做更深入的處理,能夠處理歷史的數據,能夠高效的方法運作。這部分其實就是一個開始,越來越多把更多認知能力帶進來。包括早年的決策支持系統,包括早年的認知系統,人工智能系統加入進來,包括97年的時候IBM有一個深藍系統,通過更高速的CPU系統,通過更大存儲量,更嚴密的存儲量快速處理各種各樣海量數據。那時候算法比較簡單,還是機械性的輸入,包括無論是國際象棋,圍棋也好,輸入是直截瞭當的,看著棋盤幾乘幾,對計算機輸入是A、F等等的。更多企業有更直觀的感受,客戶群體能夠看到可以交流的部分,比如:IBM在幫助日本軟銀公司建立傢政服務員體系,在中國來講很多企業有市場在裡找不到員工,我們註意到很多留守兒童沒有人照顧。而對此更多機器人的引入會幫助我們解決後顧之憂,我們企業能夠把認知的能力加入到創新當中去,就能夠很大程度上解決很多的社會問題和現實問題,以及產業升級的問題。

  記者:對於企業的產業智能化方面,IBM在未來會有哪些佈局和舉動,IBM方面更關註於哪個行業?

  田忠:認知計算我剛才演講裡舉瞭很多醫療領域例子,醫療領域是關乎升計的部分,同時也是循證醫學很好的突破口。同樣延伸醫療、衛生、健康等等領域,包括保健領域,都是與人民生活息息相關的,這些都是開始看到一些領域。同時我們也拓展影像、氣象服務等等跟國計民生有關的能力,這表現我們首先會從關乎基礎設施,關乎人民生計的基本領域開始,使得我們在有瞭體驗之後,更多引入更多的領域,包括金融、保險、工程制造業開始有瞭有關的嘗試。

  記者:您剛才提到人工智能或大數據,包括人工智能也好,大數據也好也是倍受關註,對於現在而言,談到瞭認知計算、大數據、人工智能,它們之間是否存在一些關聯呢?

  田忠:非常好的問題。雲計算、大數據、人工智能,這些都是一個單獨的領域,這些領域裡這幾年都取得瞭長足的進步,也有很多應用,基礎領域裡都有很多的發展,應用狀況也更加深入。但是僅僅有大數據是不夠的,它隻是解決瞭理解數據,瞭解數據,如何應用到實際場景當中去,就需要雲計算平臺達成計算能力,有物聯網跟現實生活有直接相關,就需要人工智能掌握數據條件下做出合適的歸納,從而得到更新的理解。他們之間是相互促進的過程。IBM是要把這些人工智能、大數據、硬件的創新,雲平臺的發展,綜合在一起才形成瞭認知計算的堅實的基礎。

  記者:現場媒體朋友有什麼問題?

  提問:我有兩個問題,第一關於IBM首先提出瞭智慧城市,也算是首先提出瞭認知計算,這兩者有什麼樣內在聯系?

  第二個問題,認知計算整合大量知識,如何保證知識的正確性以及開放性,消除知識的壟斷,IBM怎麼看,您什麼觀點?

  田忠:第一智慧地球和認知計算的關系,第二知識的正確的問題。

  第一個問題智慧地球提出來關電視:智慧地球說三個“I”,智慧地球是IBM在認知計算裡實踐的環節,基於當時的理解,當時應用場景以地球做背景,所發展出來的這樣一個理念和實踐。無論是哪個做法使得我們能夠獲得大量數據,如何使得我們對現實世界有深入的瞭解,人和系統要有更智慧的,更有情感的交流,這都需要基礎。不同的設備之間,不同的系統之間需要互聯互通互操作,中間件的基礎能力,雲平臺,打通所有數據和處理的通道。最後無論是人工智能能力,還是關於結構化數據,和非結構化數據等等方面的處理能力極大提升,綜合在一起更多還算是一個新事情,更多是認知計算的能力,不僅僅是處理物理世界的能力。

  第二個問題關於知識的問題,這就很有趣瞭,25年前我的論文就試著解決這個問題,在過去計算機系統往往是單調系統,就是我知道A是正確,B是正確,因此C就是正確的,過去的系統處理這樣事情。忽然證明B是不正確,過去系統裡會導致整個系統崩潰,但是人是沒有這個問題的,我們成長的過程就是不斷摔倒和學習的過程,我們過去認為一件事情要麼正確,要麼不正確,教育自己的孩子這樣做對,那樣做不對,但是隨著成長發現可能還有中間的很多的環節,在某個場景下是正確,某個場景不正確,我可能認識到這樣做法是合適不合適,很大程度上起源於瞭解和場景,更多瞭解推翻過去掌握的知識,所以人的能力是非常瞭不起的,我們把人叫做多目標,非單調的一個推理系統,這是我們早年就認為人是這樣的系統。今天認知系統也同樣需要達到這樣的能力,能夠處理矛盾的知識輸入,能夠尋求綜合的答案,在11年對危險地帶比賽當中情況又是這樣子,包括循證醫學裡得到答案也是這樣,得到結論不是一個。根據種種結果得到一組答案,每一組答案都有一個置信度,根據答案推薦幾個,需要針對當時的情況才有所選擇。

  人類的知識是非單調,多目標的系統,認知計算也要解決這樣的問題。謝謝!

  提問:IBM主要優勢有哪些,比行業內其它傢優勢有哪些,認知計算方面。

  田忠:比較優勢是相對來說比較難比較的。我這樣理解一下,第一是說IBM是有歷史傳承的公司,技術積累和做事方式都非常適合大數據的年代,從大數據的處理能力角度來講,我們綜合瞭各種各樣的能力,包括數據庫到流體數據庫也都有很多年研究,同時對於各類開源系統IBM也有很多工程師在第一線,我們是第一批全力擁抱大數據開放的公司,和業界一起以開源開放方式擁抱大數據新世界。

  同時,IBM也做瞭大量收購,我們雖然嘲笑封建社會農民靠天吃飯,但是事實我們還真得靠天吃飯。今天早上上班的時候發現天氣不好,因為大傢心情不好,可能有點堵,晚上回傢買菜要早一點,所以很多時候包括公共政策,包括交通安全,包括各個方面,包括警察的部署可能都會要有數據支持,還有能力。類似IBM跟美國最大的醫療數據庫系統公司也收購瞭,IBM第一時間掌握過去歷史病例,訓練和處理第一時間更大服務循證醫學能力。綜合起來IBM兩手出來,一個技術的研發和技術儲備,一個是技術整理,掌握瞭第一手的數據,這是我所看到IBM在目前跟業界的一些從業公司差別。

  提問:網上熱門的一個話題,歐盟在裁定微軟是否有數據壟斷嫌疑,您怎麼看?

  田忠:“壟斷”這個詞是比較恐怖的字眼,它有好的部分,也有濫用的部分,壟斷的市場地位可能會對社會經濟和技術發展產生障礙,是不是成為壟斷是需要法律界定的問題,我可能沒有能力回答你的問題是不是構成壟斷。我想我可以評論說無論地位如何關鍵在應用,關鍵在使用這個數據目的是什麼,會不會造成壟斷性應用,更多是在應用層面上,至少同IBM角度來講無論市場地位是什麼,本著說互聯互通互相操作的心態,本著如何幫助客戶解決問題的角度來處理我們的能力,服務客戶,服務社會。

  記者:非常感謝田博士。

Comments are closed.