IBM认知系统：从应用出发，让人工智能全面落地

关于，有一个流传甚广的段子

人工智能就像是青少年谈性每个人都在说，不知道谁真的做了，每个人都认为其他人做了，所以每个人都声称自己在做。

这句话也被恶稿出过“”、“深度学习”等版本，基本上每一次新的技术浪潮都可以用这句话来形容，其中反映出的却是技术应用于实际中的困境。

IBM提供了这样一个例子。某金融业客户希望开发一个期货指数预测模型，主要功能是搜集前1000分钟的交易数据，以此预测后10分钟的指数涨跌。为此，这家公司做了半年的研发，结果是预测准确率在50%左右，基本与猜测无异。后来他们找到IBM，后者通过BlueMind深度学习云平台和Poer深度学习框架优化现有算法，两周内即将正确率提升到了75%以上。

这样的例子还有很多。

随着各行各业信息化水平的提高，大数据平台的搭建，许多行业和公司都积累了大量数据。这些尚未被充分挖掘的“数据资源”由于其庞杂和非结构化的特征，往往很难用传统的数据分析方式进行处理，这就需要机器学习等技术来实现数据增值，支撑企业的业务发展。

但人工智能技术对从业者的要求颇高，也还没有出现普适性的解决方案。机器学习就涉及到微积分、概率论、最优化、线性代数、编程、计算机工程等方面。虽然开源的算法与机器学习框架不断涌现，但基本上每个开源工具都有各自擅长处理的问题，实际工作中还需要多个开源工具的配合使用，更不论还会面临开发环境的搭建，算法调试，以及行业经验限制等障碍。也正是这样，才出现了上面那个指数预测的例子。

作为一家百年企业，蓝色巨人IBM也推出了自己的认知系统解决方案，它告诉雷锋网，公司可以提供一个现成的优化平台，帮助客户优化参数，缩短机器学习周期，帮助实现以机器学习为目的的解决方案。

具体来说，IBM提供的是一个整体的关于深度学习的认知技术解决方案，不但有最底层的硬件（如服务器、存储和网络连接），之上还有集成优化的PoerAI深度学习开发框架，以及帮助缩短开发周期优化参数的BlueMind深度学习平台。最上层是IBM的服务与支持，包括研发部门提供的定制化、满足需求的研发服务。

IBM的服务与支持，通过专门的服务团队，为用户提供基于自身需求的人工智能服务；

IBM BlueMind深度学习云平台，可以缩短客户的开发时间，帮助训练和优化算法；

PoerAI深度学习框架，基于社区开源技术为客户提供打包和优化过的框架服务；

底层硬件深度学习平台，包括基于NVlink技术的GPU加速服务器，数据存储平台，以及高速网络链接。

IBM称，客户只需要提供行业场景与数据，就能帮助完成想基于深度机器学习所实现的场景。

不过技术是一方面，具体的应用又是另一方面，技术的应用最忌讳拿着锤子找钉子的故事。对此，IBM还表示可以提供最成熟的行业应用场景。所谓最成熟的应用场景，是指当各行业客户都在探索如何使用机器学习与深度学习时，IBM已经有了很多成熟的应用场景，相应的服务可以直接提供给客户。

期货指数预测

金融一直是最早利用新技术且数据最多的领域，而IBM在这里已经有所进展。比如，利用预定义的神经网络在BlueMind平台上进行优化，对指数的预测准确率达到80%以上。

ATM机人脸遮挡检测

在银行领域，IBM的智能影像识别系统已经可以实时检测出各种类型的遮挡并进行预警。这在ATM机防诈骗上十分有用，因为当有人故意遮挡脸部时，很可能需要特别关注。

病理切片中的癌细胞检测

一直被认为是人工智能技术会最先落地的行业。病理医生需要从大量切片样本中识别微小的癌细胞，费时且容易出错。IBM的认知技术可以帮助医生分析医学影像找出病变，提高效率避免遗漏，预测和分析肿瘤病例的识别正确率可达80%以上。

零部件和材料缺陷检测

在工业领域，深度学习技术可以辅助零部件与材料缺陷检测，帮助工作人员及时发现和纠正，提高良品率。

可以说，如果没有任何在现实中应用的例子，技术并没有任何意义。也正因如此，Google与微软等公司都希望能简化人工智能应用开发过程，将这一新兴技术赋能给开发者。

在今年3月的Google云服务大会上，去年底加盟Google的知名华人学者李飞飞表示要从计算、算法、数据和人才四个方面实现AI的民主化。在微软的Build 2017大会上，其AI与研究部门的负责人沈向洋更是提出要为开发者提供定制化的人工智能服务。

而做了一百多年企业服务的IBM，最大的优势也在于对行业的理解和技术的商业应用。IBM告诉雷锋网，以往自己对外的印象可能只是卖盒子（也就是硬件），但现在对于认知计算以及机器学习来说，要从客户的业务、应用场景和需求出发，去提供相应的服务。

2016年，IBM正式在中国发布了认知商业；今年4月的IBM中国论坛上，这家公司进一步明确了商业人工智能的战略，要助力行业转型，并展示了在医疗、、教育、电子等行业的合作成果。在人工智能上，这家公司似乎也找到了最适合自己的路径。