0
| 本文作者： 張馳 | 2017-05-18 17:01 |
關于人工智能，有一個流傳甚廣的段子：
人工智能就像是青少年談性：每個人都在說，不知道誰真的做了，每個人都認為其他人做了，所以每個人都聲稱自己在做。
這句話也被惡稿出過“大數據”、“深度學習”等版本，基本上每一次新的技術浪潮都可以用這句話來形容，其中反映出的卻是技術應用于實際中的困境。
IBM給雷鋒網提供了這樣一個例子。某金融業客戶希望開發一個期貨指數預測模型，主要功能是搜集前1000分鐘的交易數據，以此預測后10分鐘的指數漲跌。為此，這家公司做了半年的研發，結果是預測準確率在50%左右，基本與猜測無異。后來他們找到IBM，后者通過BlueMind深度學習云平臺和PowerAI深度學習框架優化現有算法，兩周內即將正確率提升到了75%以上。
這樣的例子還有很多。
隨著各行各業信息化水平的提高，大數據平臺的搭建，許多行業和公司都積累了大量數據。這些尚未被充分挖掘的“數據資源”由于其龐雜和非結構化的特征，往往很難用傳統的數據分析方式進行處理，這就需要機器學習等技術來實現數據增值，支撐企業的業務發展。
但人工智能技術對從業者的要求頗高，也還沒有出現普適性的解決方案。機器學習就涉及到微積分、概率論、最優化、線性代數、編程、計算機工程等方面。雖然開源的算法與機器學習框架不斷涌現，但基本上每個開源工具都有各自擅長處理的問題，實際工作中還需要多個開源工具的配合使用，更不論還會面臨開發環境的搭建，算法調試，以及行業經驗限制等障礙。也正是這樣，才出現了上面那個指數預測的例子。
作為一家百年企業，藍色巨人IBM也推出了自己的認知系統解決方案，它告訴雷鋒網，公司可以提供一個現成的優化平臺，幫助客戶優化參數，縮短機器學習周期，幫助實現以機器學習為目的的解決方案。
具體來說，IBM提供的是一個整體的關于深度學習的認知技術解決方案，不但有最底層的硬件（如服務器、存儲和網絡連接），之上還有集成優化的PowerAI深度學習開發框架，以及幫助縮短開發周期優化參數的BlueMind深度學習平臺。最上層是IBM的服務與支持，包括研發部門提供的定制化、滿足需求的研發服務。
IBM的服務與支持，通過專門的服務團隊，為用戶提供基于自身需求的人工智能服務；
IBM BlueMind深度學習云平臺，可以縮短客戶的開發時間，幫助訓練和優化算法；
PowerAI深度學習框架，基于社區開源技術為客戶提供打包和優化過的框架服務；
底層硬件深度學習平臺，包括基于NVLink技術的GPU加速服務器，數據存儲平臺，以及高速網絡鏈接。
IBM稱，客戶只需要提供行業場景與數據，就能幫助完成想基于深度機器學習所實現的場景。
不過技術是一方面，具體的應用又是另一方面，技術的應用最忌諱拿著錘子找釘子的故事。對此，IBM還表示可以提供最成熟的行業應用場景。所謂最成熟的應用場景，是指當各行業客戶都在探索如何使用機器學習與深度學習時，IBM已經有了很多成熟的應用場景，相應的服務可以直接提供給客戶。
期貨指數預測
金融一直是最早利用新技術且數據最多的領域，而IBM在這里已經有所進展。比如，利用預定義的神經網絡在BlueMind平臺上進行優化，對指數的預測準確率達到80%以上。
ATM機人臉遮擋檢測
在銀行領域，IBM的智能影像識別系統已經可以實時檢測出各種類型的遮擋并進行預警。這在ATM機防詐騙上十分有用，因為當有人故意遮擋臉部時，很可能需要特別關注。
病理切片中的癌細胞檢測
醫療一直被認為是人工智能技術會最先落地的行業。病理醫生需要從大量切片樣本中識別微小的癌細胞，費時且容易出錯。IBM的認知技術可以幫助醫生分析醫學影像找出病變，提高效率避免遺漏，預測和分析腫瘤病例的識別正確率可達80%以上。
零部件和材料缺陷檢測
在工業領域，深度學習技術可以輔助零部件與材料缺陷檢測，幫助工作人員及時發現和糾正，提高良品率。
可以說，如果沒有任何在現實中應用的例子，技術并沒有任何意義。也正因如此，Google與微軟等公司都希望能簡化人工智能應用開發過程，將這一新興技術賦能給開發者。
在今年3月的Google云服務大會上，去年底加盟Google的知名華人學者李飛飛表示要從計算、算法、數據和人才四個方面實現AI的民主化。在微軟的Build 2017大會上，其AI與研究部門的負責人沈向洋更是提出要為開發者提供定制化的人工智能服務。
而做了一百多年企業服務的IBM，最大的優勢也在于對行業的理解和技術的商業應用。IBM告訴雷鋒網，以往自己對外的印象可能只是賣盒子（也就是硬件），但現在對于認知計算以及機器學習來說，要從客戶的業務、應用場景和需求出發，去提供相應的服務。
2016年，IBM正式在中國發布了認知商業；今年4月的IBM中國論壇上，這家公司進一步明確了商業人工智能的戰略，要助力行業轉型，并展示了在醫療、能源、教育、電子等行業的合作成果。在人工智能上，這家公司似乎也找到了最適合自己的路徑。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
