IBM：不是人工智能，而是認知商業

　　2016年堪稱人工智能元年。繼谷歌Alpha Go高調亮相之后，IT巨頭們紛紛亮出了人工智能領域的最新成果。微軟推出了智能聊天機器人Tay，必應搜索引擎也多次在足球、選秀等重大比賽中準確地預測了比賽結果。Facebook公布了圖像識別技術。這些技術看起來非常驚艷，但很多在商業領域難以直接發揮作用。

　　與開發通用型人工智能技術不同，IBM更關注人工智能在商業領域的應用。2016年IBM提出了“認知商業”的戰略，將認知計算技術與行業經驗相結合，幫助企業快速實現商業模式的變革與迭代，讓人工智能融入企業運營。

　　輔助用戶決策的“認知商業”，比要代替人的人工智能更具商業實用性

　　從智慧地球到認知商業

　　在認知商業戰略提出之前，IBM的戰略重點是智慧地球。彼時正值物聯網、大數據和移動互聯技術大規模應用的時期。IBM意識到，萬物互聯可以造就無限的商業機會。智慧地球的愿景就是希望世界上所有的設備都能夠聯網，通過大數據分析，實現智慧化的商業，甚至智慧化的城市和國家。

　　為實現智慧地球的戰略，IBM提出了3I模型，即Instrmented(感知)、Interconnected(互聯)和Intelligent(智能)。

　　設備位于模型的底層，使設備能夠采集數據，這是智慧地球的基礎。設備互聯之后產生海量的數據，如何從數據中獲取價值，就需要智能化的分析技術。過去的幾年中，智慧地球戰略在設備和互聯兩個層面得到有效的實施，但在數據的智能分析上遇到了挑戰。如何實現對大數據的分析和認知?IBM提出了“認知商業”的戰略。

　　“認知”而非“智能”

　　與當前人工智能強調的概念不同，IBM對人工智能在商業應用中的理解，是實現“認知”而非“智能”。做出這一判斷的基礎，是IBM數十年來在行業客戶中積累的經驗。

　　IBM認為，目前商業遇到的最大挑戰是不能發掘數據的價值，數據如何在商業中運用，仍需要人來進行判斷。商業不僅僅是追求利益最大化，還需要考慮法律、倫理、社會責任等多方面的因素。而這些有溫度的判斷，很難由計算機來完成。因此，IBM認為，當前人工智能要做的是“認知”數據的價值。

　　當前數據分析的兩大挑戰是數據量的井噴和數據類型的井噴。根據IBM的預測，到2020年，全球每人每天將產生約2.4GB的數據，形象地比喻，就是每人每月產生的數據可以填滿一部64GB的iPhone手機。據統計2015年全球智能手機用戶約20億人，如此巨大的數據，對于計算能力是非常大的考驗。

　　數據類型的井噴，對企業而言是更為嚴峻的挑戰。數據類型可以簡單分為結構化數據和非結構化數據。結構化數據是長度固定、以數值形式記錄的數據。如GPS的定位坐標，電商產品的銷售量等。非結構化數據是除結構化數據以外的數據的統稱，它們難以被量化、沒有固定的長度和格式。如醫療領域為病人拍攝的X光片，法律界法院判決的文書，媒體中的視頻資料等。根據IBM的預測，到2017年，非結構化數據將占到數據總量的80%。

　　為應對數據井噴帶來的挑戰，IBM嘗試從兩個方面尋求方法。一是提升運算能力來應對結構化數據的分析。得益于摩爾定律，計算機的運算能力一直保持高速的提升狀態，結合IBM在超級計算機領域的研發實力，結構化數據的挑戰并不難克服。

　　但是在非結構化數據方面，IBM遇到了困難。最初IBM希望通過培養數據科學家來分析非結構化數據。數據科學家將非結構化數據解構，分解為結構化數據再交由計算機處理。但隨著數據的井噴，數據科學家無法跟上數據增加的速度，迫切需要計算機來模擬他們的工作，分析非結構化的數據，以實現對數據價值的認知。