【IBM 人工智能文章】企業如何用好AI？這三點需要特別注意

　　《這就是 Watson》系列之二

　　《這就是 Watson》系列博客的作者為IBM Data and AI 總經理Rob Thomas，旨在解釋如何才能在 AI 領域取得制勝法寶，并展望 AI 無處不在的市場前景。

　　多年來，IBM 攜手眾多客戶，應對數據需求并制定數據戰略。顯然，數據和 AI 就像同一枚硬幣的兩面;正是基于這種理解，催生出了人工智能階梯的概念。IBM 持續在數據科學和機器學習領域開展技能培訓;與標準組織合作建立新的數據科學認證體系;甚至出資組建了一支專家團隊 IBM Data Science Elite Team(IBM數據科學精英團隊，簡稱 DSE)，幫助客戶將其首個 AI 模型在 IBM 平臺上投入生產。

　　根據我們以往的經驗，如果企業期望在 AI 方面占據領先地位，需要關注三個至關重要的領域：差異化平臺、技能和研究。下面，我將逐一剖析每個領域。

　　差異化平臺

　　值得關注的是，超過 90% 的 AI 技術都屬于“通用知識”。因此，AI技術之間的差異在于公司在強化技術和提升產品化方面，如何取舍。與 Google 和 Amazon 這些公司相反，IBM 出于一些必要的考慮(比如，不收集消費者數據，對使用公共數據集極度謹慎，企業客戶對于定制化 AI 的需求 等等)，Watson 專注于 AI 技術產品化，即能夠讓客戶用更少的數據和專業知識訓練和定制模型的技術。IBM Watson 具有一些獨一無二的優勢：

　　1. AI 定制便捷化。比如，意圖分類(Watson Assistant 的核心)功能可幫助企業從小型訓練集中學習知識。這意味著，您不需要招聘大批人員進行數據標注。這項技術在市場上取得了巨大的成功，比如蘇格蘭皇家銀行(在第一篇博文中已提及)、巴西 Bradesco 銀行、法國國民信貸互助銀行、英國沃達豐移動網絡公司等企業都采用了該技術。

　　2. AI 自動化。比如，我們的 AutoAI 技術能夠賦予普通數據科學家超能力。我們可自動執行 80% 的核心數據科學流程，比如數據準備、算法選擇和特征工程等流程。這是 Watson Studio(模型構建和訓練平臺)提供的獨特功能。

　　3. AI 模型的可解釋性。在信任至上的時代，每家企業都想以輕松(且合規)的方式了解 AI 究竟如何做出決策。IBM Watson Openscale 能幫助用戶了解其模型的日常表現、出現的偏移、可能存在的偏見，以及如何解釋模型產生的。這項技術適用于任意 AI 工具，而非僅限于 Watson。

　　4. 嵌入式能力。任何企業都可以利用 Watson 技術，來讓自己的產品變得更好。

　　Watson 是否完美無缺?當然不是。但 Watson 是不是一個偉大的軟件?絕對如此。如果您對此尚有疑問，我建議您試用一下 Watson 系列工具，非常簡單易用，結論不言自明。

　　技能

　　企業面臨的最大挑戰，是在應用數據科學和 AI 領域所需技能的深度和廣度。AI 讓許多企業激動不已，但是當企業在擴展 AI 應用范圍時，往往極度缺乏數據科學家。企業可以用兩種方式來解決這種技能短缺：

　　1. 自動化。只要出現供(技能型員工)需(對特定技能的需求)不匹配，自動化技術就會變得非常重要。借助前面提到的 AutoAI 這類技術，我們能夠大大增強普通數據科學家的能力。此外，借助今年二月份推出的 AI Skills Academy (AI 技術學院)這類項目，我們還能從一開始就幫助企業培訓人才。

　　2. 專家經驗。去年，IBM 建立了一支名為“Data Science Elite”的團隊。該團隊由一些全球最優秀的數據科學家組成，為客戶提供免費現場支持。他們的使命是構建、訓練客戶的首個 AI 模型，并將之投入生產。一個單點的成功就能激勵整個企業取得更多突破。

　　我們看到很多客戶都取得了成功，獲得了許多有力的客戶證言，比如：

　　“對我們來說，與 Data Science Elite 團隊的合作是一股重要的加速力量，”Wunderman Thompson 公司首席技術官 (CTO) Adam Woods 表示，“我們竭盡全力為機器學習構建一個完全分布式的架構，但是資源是我們面臨的最大挑戰。我們的團隊能夠從日常工作中解放出來，有組織地學習和構建概念驗證(proof of concept)。在 Data Science Elite 團隊的幫助下，我們能展開更密切的合作。我們的數據科學家專注于明確迫在眉睫的業務需求，而 IBM 團隊 則聚焦于技術實現。這種通力合作幫助我們通過 Watson 建立了機器學習管道，進而充分利用我們的所有數據信號生成模型，并使模型性能較之以往提升了 200%，甚至更多。目前，我們正積極將這些模型投入生產環境。”

　　研究

　　為了在 AI 領域與時俱進，我們必須持續探尋并一直站在 AI 最前沿。IBM 發布的研究會議報告和論文每年增長 93%。正如外界所評價的，我們投資的 MIT-IBM Watson AI Lab 產生的影響力與日俱增。在監管式學習和非監管式學習領域的專利領域，IBM 位居全球十大企業之列。我們還是少數幾家擁有專門研究 AI 創新主題的獨立研究機構的企業之一，這讓我們感到無比自豪。

　　今年早些時候，我們在 IBM 的 THINK 2019 大會上發布了 AI 辯手—— Project Debater。這個項目展示了 AI 系統如何在現場辯論賽中與專業的人類辯手進行辯論。事實上，這是首個也是唯一一個由 AI 驅動的計算型增強工具，它能夠接收信息，并針對性地提出有說服力的論點。自然語言處理 (NLP) 技術是 Project Debater 的核心，這也是我將 NLP 稱為 AI 神經系統的原因之一。