IBMWaston机器学习来了,它有什么与众不同？.docxVIP

IBM Waston 机器学习来了，它有什么与众不同？ 认知计算 Watson 毫无疑问成为 IBM 全新商业价值新的 触点，而云平台则是 IBM 全新商业价值新的基石。 在 AI（人 工智能）充斥各大新闻头条，塞满各大创业公司的投资赛道 时， IBM 作为一家百年科技企业也在往泛 AI 道路上转型， 不得不引起业界的兴趣。从当年的“深蓝”击败国际象棋大 师，到几年前 Watson 通过自然语音语义方式在智力竞赛中 击败全美冠军，甚至在 AI 还没有再次被大众娱乐化消费时， IBM 就已经向全球抛出以 Watson 为代表的认知计算概念了。 而现在，它通过与癌症中心合作，通过收购天气预报公司， 通过和商业银行合作， IBM 的 Watson 正在率先向商业价值演进。此时， IBM 给了现阶段 AI 一个更清晰的认识： AI 不是人工智能（ Artificial Intelligence ），而是增强智能 Augmented Intelligence ）。这一观点虽然与众不同，但显然 更为务实。 AI 从 1956 正式提出到今天已经过去了 60 年，期 间经历过几起几浮，最近得以受到广泛关注的主要原因有二：一，硬件计算能力在过去几年中有了质的飞跃；二，互联网的发展让计算机接触到的数据量有了质的飞跃。但在算法本身上，距离“质的飞跃”尚存较大差距。机器学习无疑 是现在最热门的 AI 算法。一个月前， IBM 也在全球正式推出了 IBM Watson 数据平台，并首次在该平台上提供了机器 学习服务。 IBM 的机器学习来了，会有什么与众不同？ 1 从机器学习到学习的机器几天前， IBM 大数据与分析事业部 全球研发副总裁 Dinesh Nirmal 现身北京举办的 2016 机器 学习和行业应用国际峰会，特意向中国用户介绍了最新的 IBM 机器学习。不可否认，几乎所有 AI 企业都在谈机器学 习，但是哪种算法更优，哪种算法更适合适当的场景，却难以评估，就如你不能武断两个智力正常的人谁更聪明是一个 道理。那么，IBM 的机器学习从商业角度看如何取胜？ Dinesh 认为 IBM 的机器学习在于大众化， 即所有人都能够使用。 他举了一个例子：比如一个房地产商，手中掌握着过去五年的房地产大数据，如果想预测未来五年的趋势，首先想到的找 一个专业的数据分析师开发程序和建模。 但是，现在 IBM 机器学习服务就可以帮用户直接建模预测，而且它还是一个可 以不断学习的模型。 无疑，这种机器学习能力在商业落地上更进了一步，它在商业上的递进需要三个支撑：一是简单易用。即便后台开发卧虎藏龙，他设计出的平台必须简单易用。这种设计理念无疑像极了当年的傻瓜相机。二是协同。 让数据科学家、 数据工程师以及 APP 的开发者， 甚至业务分析师之间能够在这个平台上进行协同。这一点有多重要呢？ 据《哈佛商业评论》近期开展的调查显示， 80%的企业认为各自工作团队无法使用通用数据开展协作，是导致他们无法 及时实现业务目标的主要障碍。 三是融合。 Watson 机器学习 包括业界最全面的算法集，允许用户使用自己熟悉的任一一 种算法语言。 据悉，IBM 已将 SQL、Python、R、Java 和 Scala 以及生态系统合作伙伴提供的 20 多款应用整合到 Watson 数 据平台之中。此外，它还能够通过对机器学习的运算法则打 分，以推荐最能满足需求搭配的算法，即能够在认知技术的 辅助下创建机器学习模型。 “ Watson 机器学习的使命就是将 机器学习变为会学习的机器。 ” Dinesh Nirmal 认为。据悉， 这一产品服务可以提供公有云、本地和混合云部署等各种使 用环境版本。 2 开源和商业的并行投入据悉， Watson 机器学习解决方案基于 开源的 Apache Spark。机器学习路线图如图：不仅如此，自 2015 年以来， IBM 在 Apache 的 Toree、Quarks、Mesos 等开 源项目上大力投入，仅 Spark 就投入 3 亿美元。另一方面， IBM10 年来也在大数据和分析领域投入 250 亿美元，并收购 Cogons、SPSS、ILOG 、Algo 等 30 多家商业软件公司，涉及 预测分析、商业智能、移动分析、金融分析、医疗分析等过 个领域和维度。开源软件与商业软件如何结合？ Dinesh Nirmal 认为 ,IBM 的思路是将 Spark 视为数据分析的操作系统，与 IBM Watson 、商业分析、云等超过 45 种核心产品进 行组合。另一个值得关注的是，众所周知，大数据和 AI 在 分布式计算中如火如荼， IBM 也宣布在 z 系列主机这种集中式最为极致的服务器上支持 Watson 数据平台和机器学习功能。由此可见，