您的位置:焦点中国网>新闻>国内>正文

【IBM人工智能文章】Watson Anywhere:未来将来?还是现实已在?

2019/11/14 16:29:59 来源:焦点中国网

《这就是 Watson》系列之

《这就是 Watson》系列博客的作者为IBM Data and AI 总经理 Rob Thomas,旨在解释如何才能在 AI 领域取得制胜法宝,并展望 AI 无处不在的市场前景。

尽管 AI 为我们带来了巨大的商机(预计到 2030年 AI 将为 GDP 贡献 16万亿美元),但是 2018年企业对 AI 的 采用率不到 4%。一项近期Gartner 调查显示,企业对 AI 的采用率将从 2018年的 4% 增长到了 2019年的 14%。但是这还远远不够。采用率如此低的原因有很多:缺乏技能、缺乏工具、缺乏信心等等,但是最大的问题是“文化”。

假如企业想要加入这个 AI 驱动的创新阶段,参与这场科技推动的财富盛宴,那么对他们来说最重要的是要抱有初学者的心态——愿意尝试,且能接受失败。企业应该寻求并尝试在 1年内做上百次 AI 实验,并且认识到 50% 以上的实验会以失败告终。很多企业的文化并不适合这种方式。

而另一种更普遍的方式是集中力量实施一个大型 AI 项目,投入大量人力、财力和时间。我并不推荐这种方法。AI 需要大量实验,而非实施一个大型项目就能解决问题。AI 不是 ERP。

财富眷顾勇者

我坚信,我们已经历、并且未来还将继续进行的试错,最终都将为我们带来积极的成果。这不仅仅是因为它能为我们带来巨大的商机,还因为它有巨大潜力来帮助企业、消费者乃至我们所生活的这个世界。未来,我们必将开展更多实验,面临更多失败,迎来更多成功。当然,这会极大地改变我们的生活方式和工作方式。我们所有人都应该确保这些改变是积极的。

信任是一个促使 AI 成功的重要因素

“我相信,地球上的每个人都将以某种方式与 Watson 交互,无论是加速他们得到的客户服务,增强他们所做的工作,改进他们的零售体验,为医护人员提供医疗洞察力,帮助人们避免粮食短缺,甚至是我们目前尚未意识到的诸多方式。我们并没有松懈,没有放弃我们的抱负。IBM 将一如既往地站在 AI 领域的最前沿。”

为什么我坚信这一点呢?因为信任是一个促使 AI 成功的重要因素。企业必须坚信一点,尽管试错会出现各种问题,但他们最终都可以信任 AI ,能够基于数据建立有意义的联系,提供有意义的建议。因此,在 AI 领域,信任是决定企业成败的重要因素。您可能对 IBM 有不同看法,但是我觉得对于 IBM 值得信任这一点应该无人质疑。作为企业,我们的过往业绩和表现有目共睹。

您可以看看应用 IBM AI 产品的客户案例,我们的公开案例比任何企业都要多。请注意:这些客户案例并非是通过大量的定制开发服务而实现的。这里我说的客户使用的都是我在前两篇博文中所提到的产品,比如 Watson OpenScale、Watson Assistant 和 AutoAI 等等。在某些情况下,客户是否会需要IBM 服务(或者其他系统集成商的服务)?当然。但是,Watson 已经突破了定制开发服务的范畴。

随着越来越多的客户现身说法,讲述他们的 AI 故事,他们也将激励其他客户考虑、参与和试验 AI 项目。AI 的应用范围,尤其是在各行各业的深入应用,一直让我兴奋不已。

迄今为止我发现最常见的案例出现在以下行业:

一项重要发布:Watson Anywhere

我们已有众多客户成功在企业内跨越多云环境部署 Watson。我们称其为“Watson Anywhere”。这种方法能够将 AI 部署在企业数据所在的任意云环境中,从而帮助企业挖掘隐藏的洞察力,自动执行流程,最终推动业绩的增长。

您可以重点关注毕马威、法国航空和 Humana 乳业等企业的创新工作。这些企业采用了“Watson Anywhere”战略来打破数据孤岛,从而有效运用数据实现 AI。

“Watson Anywhere”不只是一种部署 AI 的有效方式。它基于真实的创新, 其核心是 IBM Cloud Pak for Data,后者是一个基于微服务架构的数据和分析平台、构建于 Red Hat OpenShift 之上。基于这个平台,企业几乎能够在任何他们期望的云环境上使用 Watson 工具和应用,不论数据位于何处。这些云环境包括 IBM Cloud、AWS、Azure、Google,或者其他公有云,也可以是企业的私有云。

IBM 将继续利用 Watson 对世界产生积极的影响,提高 Watson 采用率,让用户和企业能够参与这场价值 16万亿美元的财富盛宴。我们也知道,我们将以您期望的方式推进这项工作:

1. 深思熟虑

2. 言而有信

3. 慎始如终

通过正确有效地使用 AI,我们将实现共赢。您为什么不尝试一下呢?