演講實錄丨沈曉衛 引領認知時代的創新

引領認知時代的創新

沈曉衛

IBM中國研究院院長、IBM大中華區首席技術官

沈曉衛：大家好，今天很高興有這個機會跟大家分享IBM關於認知時代創新的一些看法。

    無論我們每個人意識到還是沒有意識到，今天我們已經走進到這個認知的時代，在這個背景下，我們看到很多行業，無論是醫療業、環境產業、金融業等等，都在深刻受到這個認知和認知技術的一些影響。

    從IBM角度來看，在人工智能或在整個IT行業發展的曆史長河中，過去幾十年，從上個世紀40年代電子計算機的出現，尤其是上個世紀60年代IBM360的出現，標誌著電子計算機真正進入到商用時代，整個這樣一個發展都是處在一個編程的時代，但是現在我們進入到認知時代，需要構建一個新的具有認知能力的、自我學習能力的計算機係統，能夠更好地麵對大數據挑戰，更好把整個IT行業引領到下一個階段。

    一兩個禮拜前，美國哥倫比亞廣播公司做的一個60分鍾專訪，特別請到IBM的同事談到認知係統。

    在一個大數據背景下我們談的認知是什麼樣的認知？大數據帶來了非常多的新的機遇和挑戰，傳統的IT技術在認知技術真正被應用在這些領域之前已經沒有辦法來處理今天我們所麵臨的大量的數據。與此同時，我們如果看一看人工智能本身發展的曆史，人工智能是我們今天談到認知非常重要的基礎性的技術，在過去的幾十年，我們經曆過很多起伏，包括人工智能的很多先賢也有很多浪漫想象，有些已經實現，有些沒有及時實現，包括上個世紀五代計算機之後，人工智能所麵臨的一個嚴冬。

    今天我們回過頭來看的認知和那個時代有什麼不同？非常重要的一點是大數據提供了新的機遇和挑戰，能夠提供對今天人工智能算法有更好的培訓的機會。

    從IBM角度來看，我們看AI，與其叫做人工智能，更願意叫做增強型的智能。在我們探討人工智能所有可能性之前或同時，今天更多是把它看作一個工具，這個工具不是取代人類，就像幾百年前蒸汽機的發明，來幫助我們做更好的體力勞動，幾十年前計算機的發明，使得數字運算，包括符號運算能夠更好地被工具所取代一樣，今天談到增強型的智能提供這樣一種新的工具，使得我們能夠更好解決我們行業中的問題，我們碰到的實際問題。

    談到大數據帶來的機遇，有一個很簡單的示意圖，當年通過訓練智慧在逐漸增長的過程，大數據一方麵提供了非常多的機遇，同時這種機遇也使得今天的人工智能學習算法隨著數據逐漸提升或增多，這個係統會變得逐漸更加智慧。

    從技術創新角度來看，今天談到認知時代的創新主要指哪些方麵？從IBM角度來看，我們認為整個創新是全方位創新，不僅僅是人工智能算法的創新，就是一些非常關鍵性能力的創新，也包括我們需要構建全新的人工智能的係統或全新認知係統，更好地支撐、更好地運營我們上麵需要支持的新的具有認知能力的這些算法，同時也包括非常非常重要的一點，我們更願意把今天的認知看作一個增強型的智能，我們需要把這樣的技術應用到行業中，來解決我們行業中的問題，無論是金融業、保險業、環境、能源、醫療、教育等等。

    與此同時，我們今天也在構建一個基於雲技術的平台，雲技術和大數據是一個天然結合，使我們可以把認知能力以API形式在雲平台中向大家開放，向我們用戶、向我們合作夥伴開放。這一點特別特別重要，因為不僅僅是雲平台成本考量，更主要是考慮一個全新創新平台，可以更好利用已經構建的這些認知的能力來更進一步開發下一代新的認知的應用。

    認知的核心技術。這裏是不完全的列表，告訴大家的是今天IBM研究院在重點探討的一些領域，包括信息的理解，有自然語言理解、文本理解、多媒體數據理解。與此同時，在一些領域中的推理。人機交互，及其如何構建新一代的認知係統，包括硬件、軟件方麵新的改良或新的革命性的進展等等。

    以自然語言理解為例，今天有一個研究課題，就是做合規管理。如何構建一個基於自然語言理解、文本理解技術的解決方案，使得我們可以對法律的文檔進行自動理解。

    在半年多前我參加一個VC的沙龍，中間有一個律師聽我們講完就非常擔心，說是不是律師行業很大一部分會受到新的認知技術的衝擊？是不是衝擊我們今天不能講，但應該會受到非常大的影響，比如我們可以構建一個係統，可以對一個文本進行理解，對不同文本之間的相似性做一個非常精準的分析，應該說這個研究項目今天取得了非常重要的階段性成果。

    談到認知，我們一定會談到認知係統，就是支撐認知係統的計算機的硬件係統，包括直接的操作係統。人工智能或認知在過去幾十年的發展，很大程度上除了算法本身的發展，也是因為計算能力本身的提高，摩爾定律告訴我們每18個月，計算機的性能會提高一倍，十年會提高一百倍，三十年就是一百萬倍。

    今天的人工智能非常多的這些算法需要新的計算能力的支撐，以訓練機器人為例，十年前可能需要一個月的時間，今天同樣的算法可以做到一天就能解決。從這個角度來看，可以看到幾個大的方向，傳統計算機，今天傳統的體係結構的計算機直接的增強與改進，包括利用FPGA和GPU的加速，也包括雲計算和邊緣計算的結合。今天全球手機的計算能力的總和已經超過了全球服務器計算能力的總和，全球手機存儲量也超過全球服務器總和的存儲量，所以如何利用這樣一些終端設備進行計算，與此同時把這樣具有認知能力的智能推進到這樣的係統中，這是一個方麵。

    另一方麵我們如何構建向未來的、全新的計算機係統，傳統計算機係統更多是在模擬人的左腦，我們如何構建一個能夠更好模擬人的右腦的係統，而這樣的係統又如何與傳統計算機係統做一個深度、無縫的結合，這都是我們接下來需要研究的課題。

    今天談到的認知更多的是關注在增強型的智能，IBM在談認知計算技術本身同時，特別注重談到認知商業，如果人工智能要接著往前走，非常重要的一點是需要有不斷地商業的成功，這是我們非常重要的在推動的一個方向。

    舉醫療方麵的例子。我們把非常多精力放在如何利用認知計算來解決醫療中的一些問題，比如我們構建一個IBM Watson係統，在這樣一個平台上可以做各種各樣的處理，做醫療影像的處理，今天我們有研究的項目，構建一個認知係統，可以自動對醫療影像、CT掃描影響等做自動解讀，準確度超過人能夠提供的準確度。我們希望達到的目標就是在不久的將來能夠通過美國專業的放射科醫生考試的標準。

    中流和基因科學。我們構建IBM Watson係統，自動能夠理解、閱讀大量的在這個領域發表的醫療文獻，為醫生診斷給予及時的建議。

    我們與中國最負盛名的醫院合作，構建針對房顫病人中風風險的預測模型，基於大量的醫院第一手EMI電子病曆數據，構建一個全新數據。今天可以做到比今天醫院中現在正在用的模型提高60%的準確度。

    我們與國內合作夥伴和醫院做的針對II型糖尿病個性決策支持。有兩類信息，一是基於醫療數據，包括電子病曆、醫療影像，通過機器學習方式學到了知識。二是從所謂醫療知識庫，因為有很多臨床指南，也有從中學到的知識，這兩類知識如何做一個很好的整合，一類是從20萬電子病曆中學到的信息，今天這樣一個係統已經投入到了實際試驗中。人工智能非常重要的方向就是如何把符號主義和連接主義做一個整合，來構建新一代的認知係統。

    總結一下今天的討論，我們今天談到的認知是一個全新的時代，並不是某一個技術或某一個解決方案，我們認為是代表IT技術全新的時代，對IT的影響，同時也會對整個受IT影響的所有行業都會有這樣的影響，這裏非常重要的是如何構建一個具有增強型智能特性的新的工具，來幫助我們解決行業的問題，因為最終認知技術必須要走向認知商業，來解決我們實際中的問題。謝謝大家！

本文來源於"中國人工智能學會",原文發表時間" 2016-10-22"