4 月 11 日，在北京举办的「天工开物，人机同行」IBM 2017 中国论坛上，基于对人工智能为各行业带来巨大商业价值的看好，IBM 提出「商业人工智能」，再次强调把握中国机遇的决心。
这距离 IBM 上一次宣布「认知商业」落地中国的战略转型决策，已经过去一年时间。IBM 大中华区董事长陈黎明在论坛上提到：「在短短一年中，IBM 的认知计算在行业应用全面落地，这源于计算力、数据以及商业驱动从量变到质变的迅猛发展，同时，这些飞跃性的技术革新也带来了人工智能的爆发。」在他看来，中国无论是在工业体系、数据资源、互联网基础设施建设上，还是人才储备方面都是人工智能成长的绝佳沃土。
事实上，IBM 在各行业应用上已经有所斩获。截止到 2016 年，IBM 已经覆盖了 10 亿人类，超过 100 多万个开法阵都在使用构建于 IBM 云平台上的 Waston。「我们坚信 Watson 是为商业而生的 AI 平台」，IBM 全球副总裁 Bruno Di Leo 在《打造认知商业新时代》论坛主题演讲中谈到。
Waston 具备理解、推理、学习并通过自然语言与人类进行交互的能力，并且可以识别传统计算机无法识别的世界上 80% 的非结构化数据。如果说，这样的设计使得 Waston 成为 IBM 拥有实现人工智能商业化的先天优势，那么，云计算则是支持 IBM 人工智能商业级应用的基石。「云和认知能力就好比是硬币的正反面。」Burno DiLeo 补充道。
IBM 云计算针对数据和人工智能，构建具备开放式设计保证选择权与控制力以及领先的行业专业知识，并将 Waston 大脑作为一项服务内置在 IBM 云中。根据去年财报，IBM 云业务规模为 330 亿美元，占 IBM 公司整个业务的 44%。云已经成为 IBM 成长最快的业务之一，是 IBM 新兴战略业务最重要的驱动力。
同时，IBM 利用认知技术和云计算能力，为垂直领域打造定制化服务平台，正推动人工智能在医疗、制造业、金融等行业的商业化应用。
随着大数据时代的来临，医疗健康领域正在发生翻天覆地的变化，医疗行业转型迫在眉睫。根据估算，人类的医疗健康的数据，在 1950 年需要 50 年可以翻一倍。到 1980 年翻倍的时间只需要七年，到 2015 年医学知识的翻倍只需要三年的时间。也根据测算，到 2030 年医疗健康的数据每 73 年就会翻一倍。另一个趋势是全球人口不断老龄化，在 2030 年，中国将有 25% 的人口年龄会超过 60 岁。
数据量越来越大加上人口老龄化趋势，人们面临的疾病也会越来越多，像糖尿病、心脏衰竭、呼吸病等等慢性病，累计成本逐渐攀升。而智能化可以处理好海量的数据，帮助工作量本来就很繁重、负担很重的医护人员，使他们可以更高效地管理和治疗慢性病。
IBM 全球 Waston 健康医疗事业部总经理 Deborah Disanzo 介绍，IBM 早在 2005 年就开始布局医疗领域，对医学影像进行识别，在 2015 年建立了 Waston Health。目前，Waston Health 在全球有 7000 名员工，有 1 万多个客户和伙伴，拥有近 150 项认知的专利，每天都还在开发新的内容。其中，在癌症领域，Waston 帮助医生对 12000 名病人提供了治疗方面的帮助。
在制造业，IBM 帮助企业将数据纳入到 Waston IoT 平台上，从而在平台上监控和管理数据，帮助企业优化运营效率。在论坛现场，默克公司首席信息官朱皓峰说道：「没有人员干预，数据就可以自动上传到云端，IBM 大大帮助我们完成决策以及实现全球化的钢瓶分配调度」，并现场展示了 IBM Waston IoT 取代人工作业以及传统追踪方式来帮助默克实现数据采集、钢瓶跟踪、监测管理的过程。默克公司是一家专注于医疗健康、生命科学、功能性材料的科技公司，在功能性材料业务方面与 IBM Waston IoT 进行了合作。IBM 的另一个合作伙伴神思电子是一家智能认知行业解决方案提供商，基于 Waston Explorer 开发了智能客服、实体服务机器人、自助设备智能化升级三个领域的解决方案，提升了服务效率和质量。
在金融行业，银行是国民经济的重要支柱。随着经济新常态以及科技快速的发展，银行的客户变得越来越自主化和数字化，传统金融服务带给银行客户的体验已经非常难以赶上在数字时代不断推高的客户期望，银行正在经历前所未有的一场变革。兴业银行在 2016 年开始使用 IBM Waston 系统，使其能够在数小时内完成十万通的来电内容检测，并提升服务质量。同时也开始尝试对客户中心的语音数据进行挖掘，开发出认知型的产品和服务系统，了解客户需求，从而更好地针对客户展开精准营销。
「不仅如此，Watson 系统目前已经进入到 60 多个不同的职业领域，比如法律、教育、零售、服装设计、烹饪等，系统展示了人机交互和感应的能力，以及强大的自我学习和提升的能力。这些事情能够帮助我们的专业人士，非但没有剥夺他们的工作机会，反倒让我们的专业人士从非常复杂、繁杂、海量的时间消耗当中抽离出来，让他们有更多的精力专注人类更擅长的事情。」IBM 副总裁、大中华区首席营销官周忆介绍道。
会后，机器之心对 IBM 机器学习首席技术官 Jean-Francois Puget、IBM 私有云平台和大型主机 z 数据分析的全球研发总裁 Steven Astorino 以及 IBM 中国研发中心大数据与信息管理软件总经理朱辉进行了专访。以下为采访内容整理：
机器之心：Jean-Francois Puget 先生，可否介绍一下您的研究历程？在加入 IBM 后您的研究路线有什么转变？
Jean-Francois Puget：我在法国获得的机器学习博士学位，之后在 ILOG 做的则是业务优化产品方面的研究，并致力于高级分析以及数字优化领域的创新型软件产品的研发。2008 年，ILOG 被 IBM 收购后，我也随之加入 IBM 公司，事实上刚开始我加入 IBM 也在做算法优化，后来转向做解决方案机器学习的架构。那时，我意识到 IBM 推进的是认知计算而非机器学习，所以我开始抗议，不断给大家说我们需要机器学习平台，甚至还去跟 CEO 说了这件事，结果得到的答复是为什么你自己不搭建一个呢？所以我们组建了现在的团队，开始尝试做机器学习、开始专注于云，现在这成为了 IBM 的顶级项目。
IBM 机器学习首席技术官 Jean-Francois Puget
机器之心：您作为机器学习领域内的顶尖专家，对于认知计算、机器学习以及深度学习有着怎样的理解？
Jean-Francois Puget：IBM 一直致力于推进认知计算，它具备对非结构化数据的理解、学习、推理能力，这里的学习就是机器学习。深度学习作为机器学习的一种形式，刚开始并没有人在意。斯坦福大学发布了 Imagenet 之后，深度学习有了可以训练的数据集，之后图像识别走入人们的生活，现在我们甚至有识别人脸或者实物的 APP，所以深度学习也成为人们热议的话题。它可能不是最好的图像或是声音识别技术，但是它正在变成最好的自然语言处理方法。对于人类来说，这确实是一个很大的进步，因为现在机器可以理解人们的意图，改变了人类与机器之间交流的方式。可是对于大部分企业，他们面临的问题并不是识别人脸，而是更倾向于商业运作比如获取数据。在这种情况下，深度学习就不是那么有效了。其实我们也有在做深度学习这一块，也有相应的应用，不过很多情况下仅用深度学习是不够的。
机器之心：Steve Astorino 先生，您作为 IBM 私有云平台和大型主机 z 数据分析的全球研发以及 IBM 最新的机器学习平台和数据科学体验的研发领导者，能否为我们介绍一下 IBM 云平台的战略部署？
Steve Astroniro：对于公有云平台, 我们有 Bluemix，上面部署了各种认知技术服务，现在发展迅速已成为全球最大的公有云平台之一。同时，我们也努力为私有云平台增加领先技术。今年三月份，IBM 发布的一款提取 IBM Waston 的核心机器学习技术并且可以基于 IBM z system 大型主机私有云平台的 IBM 机器学习产品，就是非常好的一个例子。
IBM 私有云平台和大型主机 z 数据分析的全球研发总裁 Steven Astorino
机器之心：业界将机器学习技术部署于云平台举措频频，今年阿里云和腾讯云就相继推出了 PAI 2.0 机器学习平台以及 DI-X 深度学习平台。IBM 如何看待愈发激烈的行业竞争？
朱辉：IBM 的云平台是专门为企业而设计的，多年来专注于服务企业级客户，所以我们非常理解企业级用户的需求、面临的挑战以及他们的商业目标。在企业级的客户逐渐走向云化的路上，我们的客户以及我们都意识到私有云和公有云将来会成为并存的混合状况。目前，我们的友商也具备很好的能力，但是他们的基因决定了他们更专注于公关云上面的服务。而帮助客户逐步迈向私有云，进一步到公有云，则是 IBM 独有的。
机器之心：去年的 2016 IBM 论坛主题是「迎接认知时代,IBM 与您智胜未来」，与今年的主题存在部分相似相通之处，比如两次论坛都指出「认知计算」的巨大价值并力求探索「认知商业」在各行业领域内的无限可能（如医疗、金融、教育、零售、制造等）。目前，IBM 重点在医疗、金融和制造领域内推行认知计算，您认为认知计算在哪些领域也同样具备应用前景？
Jean-Francois Puget：我们有一个利用深度学习为银行业提供解决方案的案例，帮助银行分析文件规章，提取法律合同契约等职能。在法律行业，这样的解决方案可以使律师不必阅读所有的文件，他们只需要询问系统，然后系统则会提供相应的解答。要知道在美国，很多事情都要涉及律师，人们需要花费大量的金钱付律师费。这样的人工智能应用可以改善律师的工作效率，节省资源。不过这里也存在一个问题，就是训练集也是机器学习非常重要的一个环节，训练集的好坏决定着整个系统的质量。谷歌就曾把黑人错误识别成了大猩猩，这是因为他们的训练数据存在不科学的地方。然而训练数据是很花费时间的，在法律级的应用里同时也是非常昂贵的。不过我们可以从用户那里得到反馈从而得到好的数据从而进行训练过程，比如让律师判断系统给出的解答是否正确，系统从律师所给出的反馈中可以继续进行学习，这样的方式可以实现系统性能的提升。
朱辉：前段时间我们在美国推出了在个人报税上的认知解决方案。在美国每一个公民都有个人报税的义务，而且由于各种各样的法律法规，报税过程是比较复杂的，并不是每一个公民都具备相应的专业知识。在这个事情上，很多人都依赖专业的会计师；更不用说有的人则是在网上进行个人报税。但是美国税法日新月异，非常冗长，这里可能会出现一些问题。从实际的数据来看，IBM 的认知解决方案可以帮助每个人最高节省 10% 的税。我认为这是很有革命性意义的一个应用。
机器之心：这次 IBM 论坛的主题是「天工开物，人机同行」。事实上，《天工开物》是一本系统讲述中国古代农业、手工业等领域内各项技术的综合性著作，强调的是人类与自然的协调关系。而「人机同行」则在此基础上，探讨未来世界人类与机器之间互相配合的发展大势。您二位作为行业领域内的顶尖科学家，可否为我们对此次 IBM 论坛的主题进行进一步解析？对于人类与机器关系以及给人类生活带来的改变这一热议话题，您又是如何理解看待的？
Jean-Francois Puget：人工智能的作用是增强而非取代，这是非常重要的一点。我知道一些公司说它们目标是让机器取代人力，可是你知道吗，30 年前我读博士的时候就听过类似的话，结果 80 年代迎来了人工智能寒冬，那个预言并没有实现。我认为现在人们关于深度学习所说的也将是一样的情况，事实上，技术确实有很大的进展，但是不宜期待值过高。未来律师、医生的工作内容形式可能会改变，但是不会被取代。不过未来程序员可能会减少，而数据科学家则可能会增多，因为存在系统开发的需求。
Steven Astorino：其实无论是机器学习工具还是认知解决方案，都是为了让技术更好地去服务人类，让人们从中获益。举个例子，医生开处方、工作的时候，机器学习可以帮助他们更好地了解病人历史数据、药物数据，个性化地去进行医学治疗。我同意 JFP 的观点，增强智能是应该强调的一点。当初电脑刚出现的时候，人们也有过一样的担忧，不过结果如何呢？新的工作机会也会应运而生的。
