发表时间:2018-04-04 投稿人:余瑛   部门:行政        编辑:    点击量:8289  
全球百位CEO关注的三个话题:企业专长、数据、平台
不久前,IBM与全球的一百位CEO举行了一次对话,这些CEO来自不同的行业,他们企业的业务涵盖了全球超过两百个国家和地区。每一位CEO都被问了三个问题:第一,作为CEO,你最想赌赢的是什么?第二,你对于未来世界的看法是什么?第三,你的赌注是什么?
我们总结出CEO们一些共同关心的话题。
首先是关于企业的专长。CEO们意识到,公司的专长可能比我们想象的更有价值。CEO们希望理解自己公司的专长是什么,面对未来如何定位企业。
你可能是一家保险公司,但与此同时,你可能具有风险管理的专长;你可能是一家出版商,但也许你拥有创作和提供内容的专长;你可能是一家零售商,但与此同时,你可能具有时尚或者服装设计的专长;你可能是一家汽车制造商,与此同时,你的专长可能还包括了车队管理与交通管理方面的能力。理解公司的专长,对于一家企业面对未来和重新定位非常有价值。
第二,关于数据。对于企业来讲,最核心的资产或者最有价值的资产是数据,但是今天我们从数据中挖掘到的价值可能还不到2%。谈到数据,包括企业的商业数据、物联网的数据,也包括社交媒体的数据。特别重要的一点是,今天的数据80%是在防火墙之后的企业数据,靠搜索是搜索不到的。面对未来我们如何利用新的技术,来挖掘出数据中的核心价值,是非常重要的课题。
第三,关于平台。今天,商业世界正在建立可能从根本上改变游戏规则的平台,也许我们没有完全意识到这一点,也许我们还不完全清楚会是什么样的平台。通过平台,我们利用算法更好地了解我们的用户,随着新的节点与新的用户的加入,产生规模效应。
我们看到有一些企业本身就在成为一个平台的提供商,或者本身就是平台,无论它是移动支付的平台,还是基于区块链的交易的平台。我们也看到一些企业在保证数据安全的情况下,用到第三方提供的平台,而产生更好的竞争力。还有一种的情况,我们把它称之为重新的平台化,我们需要重新平台化来对我们的数据,对我们的资源进行新的整合,使得我们在新的情况下能够更快速地对市场做出反应,更快速地设计出新的产品或者服务,或者降低成本提高效率。
IBM预测未来五年五大技术突破;企业人工智能要求创新领军人物具备AI、行业和商业能力
在这样一个背景下,我们看一看,未来关注的是哪些技术。
首先看到的是无所不在的人工智能。人工智能正在从云端逐渐向边缘端扩散,当我们把云计算和边缘计算结合的时候,我们在某种意义上就是把人工智能与物联网做了一个结合,这使得我们能够更好地对物理世界进行分析和管理。
接下来,我们需要更深入的洞察力,这一点很多时候需要强大的计算能力。比如我们用很多并行使用的加速器,来实现分布式深度学习。人工智能的发展也使得大规模的个性化变成可能,无论是个性化的教育还是个性化的医疗。
IBM每年会做一个发布,预测未来五年可能改变世界的五项技术,我们称之为"5 in 5"。不久前IBM发布的未来五年的五项科技预测,包括:
1、密码锚定和区块链联手让冒牌货无处遁形。
2、全新格加密技术瓦解黑客攻击。
3、人工智能机器人显微镜让海洋重现蔚蓝。
4、新手段将消除AI偏见。
5、量子计算将成为主流。
从某一个维度来讲,人工智能迄今为止还是比较专用的或者比较狭窄的。图像处理、语音处理,这些问题本身非常具有挑战性,但这些问题还是在解决单一领域的单一问题。大家希望得到的所谓通用人工智能,从今天技术的角度来看,还是有非常遥远的距离。我们今天正在迈入一个比较宽泛的人工智能(Broad AI)时代,这个时代重要的标志就是人工智能技术开始解决一个领域或者跨领域的多个问题。
在这样的背景下,谈企业人工智能(Enterprise AI)显得很有必要。今天的人工智能大多数情况下还是消费者人工智能(Consumer AI)。我们接下来会看到人工智能在越来越多的垂直领域创新。这里最大的挑战,除了数据、算法、计算,还有应用场景。行业专家并不完全理解人工智能技术,包括未来的发展。IT技术人员并不完全理解行业。如何选择应用场景,使得今天的技术或者我们预计未来三年五年可能出现的技术能够对这个场景提供合适的解决方案,是一个很大挑战。这种情况就对人工智能领域的领军人物可能有着与过去不一样的要求,不仅需要是人工智能专家,还需要对行业有一定的理解,并对商业创新有一定的感觉。
算法对小数据学习与可解释结果提出要求;构建可重复使用的基础人工智能模型
人工智能的算法层面,应该说,在未来几年尤其是人工智能应用在行业中,还是有一些问题需要得到很好的应对。一是如何从小样本、弱标识的数据中进行学习。相对每一个要解决的行业问题,数据往往不是那么多,或者标识好的数据往往不是那么多。那么在这种情况下,我们如何能够很好地从小数据中来进行学习就变得非常重要。另外一点,人工智能的模型或者人工智能的解决方案需要能够对结果进行解释。比如我们把人工智能应用在医疗中,不但要给医生提供建议,还要能够给医生解释为什么给出这样的建议。人工智能模型的开发者也需要理解这样的模型是如何工作的。
并且,我们需要构建更多的可以重复使用的基础人工智能模型。这是经过数据训练的,能够独立完成一些基本功能的模型。用这样的模型来构建更复杂的人工智能模型,再往上一步步构建行业的应用。我们可以设想一个人工智能模型的交易市场(Marketplace),人工智能模型的开发者和使用者,能够在这样的平台上对模型进行交易。
我们也想特别谈一下人工智能时代的安全和伦理。人工智能技术本身的发展可能会给我们带来全新的挑战。一方面,人工智能技术可能被用来对我们计算机系统进行攻击;另一方面,数据可能被污染,如果我们使用了被污染的数据,可能使构建的人工智能解决方案产生偏差。比如说,如果我们用被恶意改变了的数据来训练交通标志识别解决方案,它可能会对一些重要的交通信号产生错误的解读。再比如说,我们构建一个信用卡申请审核解决方案,如果数据是有偏见的,无论是有意还是无意,可能对某一类申请人给出不合适的判断。如何一方面保护我们的数据,另一方面保护人工智能的模型免于受到攻击就变成一个非常重要的技术问题。与此同时,我们也需要新的行业标准,可以对人工智能模型进行安全和伦理的测试与鉴定。
刚才谈到人工智能与行业结合,应该说人工智能的成功是需要商业的成功,而人工智能商业的成功必然需要与行业结合。在互联网时代很多新兴企业是颠覆者,而传统的企业往往受到很大的冲击。在人工智能时代,在企业人工智能的时代,今天的很多传统企业有可能成为全新的创新者和颠覆者。今天的数据80%是企业数据,人工智能与传统产业的结合,给传统企业提供了全新的机会,使得他们能够成为这个时代新的颠覆者。
以人工智能在医疗行业的应用为例。医疗本身是人工智能应用非常重要的领域,IBM也花费了大量的努力在这个领域。人工智能在医疗行业有着非常广泛的应用场景,我们的用户可能是医院,可能是医生,可能是政府监管部门,可能是制药公司,也可能是医疗保险公司。就医院为来说,我们可能为医生提供肿瘤诊断的建议,也可能为社区医生提供帮助慢性病诊疗和管理的解决方案。以慢性病管理为例,如果没有技术的支撑,就难以实现我们希望达到的分级诊疗的目标。从技术的角度来看,我们需要构建基于医疗指南知识的人工智能系统。在这个基础之上我们分析大量的医疗电子病历,通过数据驱动得到新的洞察力,并把知识驱动和数据驱动做一个很好的整合。
量子计算将成为主流并产生商业应用前景
我们接下来谈新的计算力,而计算力包括在终端的,也包括在云端的。IBM最近发布了一个最小计算机,大小1平方毫米,但是它有几十万个晶体管,包含了静态存储器。这个芯片的成本不到10美分。这样的计算机可以和区块链技术结合,来跟踪产品从生产到最终消费的全过程。
IBM研发的世界最小计算机
我们再看几个可以帮助我们提升计算力的技术。今天的计算机计算和存储是分开进行的,数据要在存储器和计算单元之间传递,耗费能量,也耗费时间。模拟计算技术运用器件的物理特性,使得它在做存储的时候能够做一些合适的逻辑运算。虽然模拟运算不像数字运算那样准确,但是它对于很多的人工智能算法,比如图像识别,还是提供了足够的精度,而效率有了极大的提高。
谈到未来的计算力,我们需要谈一下类脑计算。几年前IBM宣布的TrueNorth芯片,是这个领域非常重要的探索。这个芯片可以模拟100万个神经元,2亿5千个神经突触,仅需70毫瓦的能量。我们远期的目标是希望构建能够模拟100亿个神经元,而功耗不超过1千瓦的类脑计算芯片。
量子计算在过去的10年取得了非常重要的进展,在座的如果没有经历过计算机科学或者传统计算机发展的整个阶段,将有幸看到量子计算从诞生到实用的过程。IBM在这个领域做了很多的探索,2016年5月,我们发布了5个量子比特的量子计算机。2017年又发布了20位的量子计算机,及50位的量子计算原型机。与此同时,我们提供了基于云的量子计算访问平台,也在构建一个软件环境,帮助程序开发者方便地构建在量子计算机上运行的程序。
谈到量子计算,我想谈一个概念,姑且把它翻译为量子容量(Quantum Volume)。我们如何来界定量子计算机的能力?传统计算机有很多参数与性能指标,无论是计算机的位数,还是计算机的主频,还是每秒执行的指令数或者每秒执行的浮点运算数。量子计算机的能力或者速度不仅仅取决于量子比特位的数量,还跟其它一些因素比如错误率是相关的。
我们今天处在量子准备时代,已经可以构建相对来说还是比较小的量子计算机,在不久的将来,我们可以构建更强能力的量子计算机,它能够解决一些传统计算机所不能解决的问题。我们的目标是构建具有容错能力的通用的量子计算机。量子计算机不是单独运行的,而是要和传统计算机做一个结合,一起解决我们今天需要解决的问题。
人工智能时代技术创新的战略,我们看到四个大的方向:人工智能的核心技术;人工智能和区块链技术的融合;构建全新的计算能力;人工智能与行业的结合。可以这样讲,人工智能改变世界,还是要从改变每个行业开始。