IBM的Watson如何改变您的业务

沃森集团首席执行官迈克·罗丁(Mike Rhodin)谈到IBM的认知计算技术是如何向企业、开发人员和最终用户推广的。

今年年初,IBM成立了Watson集团,投资10亿美元将Watson认知计算技术商业化,这项技术在2011年吸引了公众的想象力打败两个前危险人物!冠军在他们自己的游戏中。沃森已经在解决医疗保健金融和其他行业,以及沃森集团正迅速采取行动,为每一个行业的开发人员提供构建沃森驱动的应用程序所需的工具。

那么,沃森准备好迎接你的世界了吗?它能帮助你更快、更明智地决定你现在业务中最重要的方面吗?华生将如何融入庞大的IBM企业IT产品线的其他部分?你今天怎么能开始用沃森做实验呢?

[相关:是什么让IBM的沃森如此聪明?]

迈克·罗丁1

Mike Rhodin,沃森集团高级副总裁

沃森集团高级副总裁迈克·罗丁在与IDG美国媒体首席内容官约翰·格兰特的谈话中回答了这些问题纽约市硅巷新总部. 罗丹解释了他的团队是如何与沃森早期的客户合作的,以及他为加速这项技术的推出而采取的步骤。

[科技巨头对话:IDG企业访谈系列]

CIO:我们先来谈谈IBM为什么在2014年早些时候成立了一个独立的沃森业务部门。目标是什么?

罗丁:我认为退一步比这更重要。当我们在《危险边缘》(Jeopardy)上做了沃森(Watson)的演示并成功地播放了游戏节目时,市场上的一片喧嚣开始了,但实际上并没有平息下来,这在科技行业是不寻常的。科技产业往往是由许多保质期很短的产品构成的。但沃森的概念和沃森的品牌确实具有持久力。

当我在校园里和学生聊天或做讲座时,我会被各种各样的问题所困扰,从危险的环境开始。不是华生玩了危险游戏。正是观看这场演示的人们看到了他们认为对新一代有意义的未来技术的一瞥。这就是这个品牌的动力所在,也是为什么它仍然受到很多媒体的关注。“危险匹配”标志着一个新时代的开始——一个将基于知识的系统与基于应用程序的系统的新时代。

我们并不经常宣布计算机时代。我们认为这只是IT行业百年历史上的第三次。第一个时代是制表机计数的东西。第二个时代,始于40年代末50年代初,是可编程系统,运行程序的电子计算机。我们已经非常擅长于使这些计算机更小、更快和更好地连接。

这就是我们过去五六十年所做的。但基本模式是一样的。在你的iPhone上运行的应用程序运行在相同的编程模式上,这种模式已经存在了很多年了。我们发明了新的语言,在这段时间里,这项工程非常壮观。它改变了商业和商业模式,改变了整个行业,这很好。

但在人类生活和商业的某些领域,这类系统并没有触及。我们认为其中一部分是因为这些是人类生活和职业中与判断相关的领域。你需要有能力通过问题进行推理,而不仅仅是编写一个程序来给你一个数据的答案。

[相关:IBM Watson Analytics现已开业]

CIO:还有上下文。

罗丁:正确的。上下文、澄清、对话和不断变化的信息源以及大多数信息都不是程序擅长处理的——标准关系行和列。信息本身是完全非结构化的。我们并没有真正的系统,除了存储和分类非结构化数据之外,还知道如何做其他事情。我们可以搜索它,我们可以找到文档列表,但是我们没有能够理解文档内容的系统。

从这场危险的比赛中出来,我们必须做任何一家科技公司在他们拥有一项令人惊叹的研究技术时所做的事情——在那时,我们拥有一项伟大的技术,它知道如何在3秒内为一个用户回答一个问题。要实现商业化,你必须同时为数万用户回答数万个问题,拥有各种健壮性和工具,你不能要求人们购买超级计算机。它需要是一个基于云的系统,它的api使人们能够接触和使用这些服务。

我们花了两年的时间来做我称之为经典的市场和技术验证。我们改进了这项技术,使之更加强大,但与此同时,我们正与医疗和金融服务领域的六家客户合作——这些勇敢的公司希望与真正原始的新兴技术合作。他们的观点是,随着技术的进步,他们可以从学习中得到很多东西。我们的观点是,我们需要帮助弄清楚用例将是什么。

去年夏天,我们得出了这样的结论:这项技术已经有了足够的发展,IBM的研究开始产生第二波技术,这是对它的补充。这(告诉我们)是时候开始下一阶段了,我们真的需要围绕这个开始一个商业化项目。我们在秋季就制定了这个计划,然后在一月份成立了沃森集团。

当我们将计划付诸实施时,我们得出的结论是,这项新业务需要有不同于组织内另一个新业务部门的行动自由。它需要像一家新兴的初创企业那样真正地行动和运作,这家初创企业有自由做出快速决策,在市场不断发展的过程中扭转乾坤,并真正以快速的步伐前进。我们已经不是第一次这样做了。最著名的例子可能是个人电脑公司,我们在1981年把它分开放在博卡。这成为整个行业的基础。

现在很多人仍然称他们为IBM兼容的pc,即使我们10年前就退出了业务。但是我们创造的体系结构和机器催生了一个完整的机器产业,然后很明显地让位给了微软和英特尔成为PC产业中的霸主。我们在91年也做过类似的事。我们创建了一家全资子公司,名为ISSC。ISSC是IBM全球服务的种子。在过去的十年里,它的业务增长到500多亿美元。

我们认识到,在任何一家大公司的历史上,都有过这样的时刻:一个新的想法需要被搁置一边,以便它能够以其所需的速度成长。我们觉得这是其中一个时刻。我们决定把它作为一个单独的小组。IBM中的组结构是一个[特定的]名称。IBM全球服务是一个集团。公司里只有六个人。它是一个独立的损益表,独立的结构,是自主的。

我们调动了150名研究人员,带来了一系列新产品。这是IBM历史上最大的一次研究人员调动。我们引入了市场验证团队,这个团队一直致力于技术的进步,我们也引入了一些相关的大数据技术从我们的软件业务中形成新的团队。

我们从我们的咨询业务中请来了顾问,从我们的云业务中派遣人员,这样我们就有能力为客户创建战略、设计、构建和运行基于Watson的系统,而无需将不同的组织拼凑在一起就可以做到这一点——这是我们必须做的事情的一个非常清晰的视线。这就是为什么我们把它创建为一个单独的组。结果很好。我们很快就行动起来了。

CIO:我们读到的很多关于沃森的报道都涉及到与大品牌客户的大型合作,一些你正在做的非常了不起的事情。我想这会引起一些顾客的疑问。沃森只为大公司服务吗?每个项目都涉及到IBM的深度咨询和参与吗?

罗丁:不。我们在建立商业化项目时意识到的一件事是我们将有三个平行的市场轨道。这就是你刚才描述的,我称之为大变革的解决方案,因为这些基于信息的平台,这些行业将经历非常强劲的变革。

我们还认识到,将有一类非常可重复的应用程序将不断发展,非常类似于我们几周前在IBM会议上推出的应用程序,Insight,如IBM财富管理沃森,甚至我们的Chef Watson应用程序。我们的目标是广泛采用,不需要大量的咨询服务,更现成的产品销售。

第三个层次是我们认识到,在我们的核心,我们是一个企业B2B公司。但是对于消费者来说,认知计算将是一项伟大的技术,我们需要一种方法来接触他们。实现这一目标的方法是将其作为一个生态系统平台开放,允许初创企业和企业家在平台之上构建应用程序和业务。这些应用程序和业务可以针对其他业务,或者免费针对消费者,我们以一种非常现代的方式建立了这个系统,也就是说你可以免费使用这个平台。如果你在上面做生意,我们就能从收入中分一杯羹。

CIO:我想深入研究一下。既然你提到了它,那么它既是一个开发沙箱,也是一个平台即服务(Platform-as-a-Service,PaaS),人们可以在这里购买和运行这些应用程序吗?

罗丁:确切地。我们的想法是从沙箱开始,将其提升到生产环境,然后我们为您运行生产系统。我们为我们的收入份额所做的工作是,我们实际上为客户提供技术和运行系统。

[相关:10款IBM Watson驱动的应用程序正在改变我们的世界]

CIO:今天的IBM有这样的模式吗?

罗丁:我们的Bluemix平台就是这个模型。Amazon Web服务是PaaS的另一个模型。Azure是另一个PaaS模型。有很多PaaS模型。Watson现在只能在Bluemix平台上使用。

首席信息官:你最终是否认为它会应用到其他平台上?

罗丁:我现在很忙,不用担心。

首席信息官:我想回到大变革的时代。谈谈头脑风暴的过程。这些想法是如何形成的?

罗丁:我们在过去一年中发现的一件事是,这与行业和职业无关。所以我们开始思考,在生产的信息量压倒了专业人士消费信息的能力的情况下,存在着什么样的职业?所以这是第一个目标。

另一件看起来很普遍的事情是真正的大的,变革的解决方案是通过古老的学徒传统教授的职业,最好的实践从一代传到下一代。这适用于沃森,因为它是一个贪婪的读者。它可以一直读下去,并把它读到的点连接起来。然后它在专家的指导下学习。这些专家实际上是在教授it最佳实践。这些最佳实践决定了它如何学习,如何成为某一特定领域的专家,这就是你构建应用的时候。

这个新模型,这个基于知识的系统模型,有趣的是,大部分工作都是用于创建知识库,而不是应用程序。在前一个领域,情况正好相反。这需要一段时间才能让人们清醒过来。你将花六个月的时间处理你的信息,你将花两周的时间编写你的应用程序。真是太戏剧化了。

找出这些信息需要一段时间的原因是,管理这些信息通常很困难。你必须从很多,很多来源收集信息,综合成你可以用它来创作一篇具体的文章。沃森必须经历同样的过程。我们有一个过程和一个名为Watson Curator的产品,它可以爬行和搜索您的所有企业数据,并帮助您构建已管理的数据集,以便摄取到Watson这样的系统中。

最好的练习是用我们孩子学习的方法来完成的。如果我们的孩子读了一本书,我们知道他们理解这本书的方式就是问他们问题。所以在沃森读了很多书之后,我们问它一些问题,然后我们就知道它在获得答案方面有多好。

如果它不好,那么我们试图找出为什么底层知识库中存在冲突信息。通常这与我们在下面构建知识库的方式有关。但是你必须小心不要训练系统去回答你知道的问题,因为你只是在写一个规则引擎。

你总是有一套没有人见过的、与知识库相悖的盲目的问题,它们让你知道你对盲目的问题有多准确。然后你就知道知识库的训练是否正确。所以你通过这些训练周期来建立你的知识库。一旦构建了知识库,api就很清楚了,在这一点上构建应用程序非常容易。

1个2个 第1页
第1页,共2页
IT薪资调查:结果是