IBM：不是人工智能，而是认知商业

　　2016年堪称人工智能元年。继谷歌Alpha Go高调亮相之后，IT巨头们纷纷亮出了人工智能领域的最新成果。微软推出了智能聊天机器人Tay，必应搜索引擎也多次在足球、选秀等重大比赛中准确地预测了比赛结果。Facebook公布了图像识别技术。这些技术看起来非常惊艳，但很多在商业领域难以直接发挥作用。

　　与开发通用型人工智能技术不同，IBM更关注人工智能在商业领域的应用。2016年IBM提出了“认知商业”的战略，将认知计算技术与行业经验相结合，帮助企业快速实现商业模式的变革与迭代，让人工智能融入企业运营。

　　辅助用户决策的“认知商业”，比要代替人的人工智能更具商业实用性

　　从智慧地球到认知商业

　　在认知商业战略提出之前，IBM的战略重点是智慧地球。彼时正值物联网、大数据和移动互联技术大规模应用的时期。IBM意识到，万物互联可以造就无限的商业机会。智慧地球的愿景就是希望世界上所有的设备都能够联网，通过大数据分析，实现智慧化的商业，甚至智慧化的城市和国家。

　　为实现智慧地球的战略，IBM提出了3I模型，即Instrmented(感知)、Interconnected(互联)和Intelligent(智能)。

　　设备位于模型的底层，使设备能够采集数据，这是智慧地球的基础。设备互联之后产生海量的数据，如何从数据中获取价值，就需要智能化的分析技术。过去的几年中，智慧地球战略在设备和互联两个层面得到有效的实施，但在数据的智能分析上遇到了挑战。如何实现对大数据的分析和认知?IBM提出了“认知商业”的战略。

　　“认知”而非“智能”

　　与当前人工智能强调的概念不同，IBM对人工智能在商业应用中的理解，是实现“认知”而非“智能”。做出这一判断的基础，是IBM数十年来在行业客户中积累的经验。

　　IBM认为，目前商业遇到的最大挑战是不能发掘数据的价值，数据如何在商业中运用，仍需要人来进行判断。商业不仅仅是追求利益最大化，还需要考虑法律、伦理、社会责任等多方面的因素。而这些有温度的判断，很难由计算机来完成。因此，IBM认为，当前人工智能要做的是“认知”数据的价值。

　　当前数据分析的两大挑战是数据量的井喷和数据类型的井喷。根据IBM的预测，到2020年，全球每人每天将产生约2.4GB的数据，形象地比喻，就是每人每月产生的数据可以填满一部64GB的iPhone手机。据统计2015年全球智能手机用户约20亿人，如此巨大的数据，对于计算能力是非常大的考验。

　　数据类型的井喷，对企业而言是更为严峻的挑战。数据类型可以简单分为结构化数据和非结构化数据。结构化数据是长度固定、以数值形式记录的数据。如GPS的定位坐标，电商产品的销售量等。非结构化数据是除结构化数据以外的数据的统称，它们难以被量化、没有固定的长度和格式。如医疗领域为病人拍摄的X光片，法律界法院判决的文书，媒体中的视频资料等。根据IBM的预测，到2017年，非结构化数据将占到数据总量的80%。

　　为应对数据井喷带来的挑战，IBM尝试从两个方面寻求方法。一是提升运算能力来应对结构化数据的分析。得益于摩尔定律，计算机的运算能力一直保持高速的提升状态，结合IBM在超级计算机领域的研发实力，结构化数据的挑战并不难克服。

　　但是在非结构化数据方面，IBM遇到了困难。最初IBM希望通过培养数据科学家来分析非结构化数据。数据科学家将非结构化数据解构，分解为结构化数据再交由计算机处理。但随着数据的井喷，数据科学家无法跟上数据增加的速度，迫切需要计算机来模拟他们的工作，分析非结构化的数据，以实现对数据价值的认知。