IBM：企业如何用好AI？这三点需要特别注意

    《这就是 Watson》系列之二
    《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。
    多年来，IBM 携手众多客户，应对数据需求并制定数据战略。显然，数据和 AI 就像同一枚硬币的两面；正是基于这种理解，催生出了人工智能阶梯的概念。IBM 持续在数据科学和机器学习领域开展技能培训；与标准组织合作建立新的数据科学认证体系；甚至出资组建了一支专家团队 IBM Data Science Elite Team（IBM数据科学精英团队，简称 DSE），帮助客户将其首个 AI 模型在 IBM 平台上投入生产。
    根据我们以往的经验，如果企业期望在 AI 方面占据领先地位，需要关注三个至关重要的领域：差异化平台、技能和研究。下面，我将逐一剖析每个领域。
    差异化平台
    值得关注的是，超过 90％ 的 AI 技术都属于“通用知识”。因此，AI技术之间的差异在于公司在强化技术和提升产品化方面，如何取舍。与 Google 和 Amazon 这些公司相反，IBM 出于一些必要的考虑（比如，不收集消费者数据，对使用公共数据集极度谨慎，企业客户对于定制化 AI 的需求 等等），Watson 专注于 AI 技术产品化，即能够让客户用更少的数据和专业知识训练和定制模型的技术。IBM Watson 具有一些独一无二的优势：
    1． AI 定制便捷化。比如，意图分类（Watson Assistant 的核心）功能可帮助企业从小型训练集中学习知识。这意味着，您不需要招聘大批人员进行数据标注。这项技术在市场上取得了巨大的成功，比如苏格兰皇家银行（在第一篇博文中已提及）、巴西 Bradesco 银行、法国国民信贷互助银行、英国沃达丰移动网络公司等企业都采用了该技术。
    2． AI 自动化。比如，我们的 AutoAI 技术能够赋予普通数据科学家超能力。我们可自动执行 80％ 的核心数据科学流程，比如数据准备、算法选择和特征工程等流程。这是 Watson Studio（模型构建和训练平台）提供的独特功能。
    3． AI 模型的可解释性。在信任至上的时代，每家企业都想以轻松（且合规）的方式了解 AI 究竟如何做出决策。IBM Watson Openscale 能帮助用户了解其模型的日常表现、出现的偏移、可能存在的偏见，以及如何解释模型产生的。这项技术适用于任意 AI 工具，而非仅限于 Watson。
    4． 嵌入式能力。任何企业都可以利用 Watson 技术，来让自己的产品变得更好。
    Watson 是否完美无缺？当然不是。但 Watson 是不是一个伟大的软件？绝对如此。如果您对此尚有疑问，我建议您试用一下 Watson 系列工具，非常简单易用，结论不言自明。
    技能
    企业面临的最大挑战，是在应用数据科学和 AI 领域所需技能的深度和广度。AI 让许多企业激动不已，但是当企业在扩展 AI 应用范围时，往往极度缺乏数据科学家。企业可以用两种方式来解决这种技能短缺：
    1． 自动化。只要出现供（技能型员工）需（对特定技能的需求）不匹配，自动化技术就会变得非常重要。借助前面提到的 AutoAI 这类技术，我们能够大大增强普通数据科学家的能力。此外，借助今年二月份推出的 AI Skills Academy （AI 技术学院）这类项目，我们还能从一开始就帮助企业培训人才。
    2． 专家经验。去年，IBM 建立了一支名为“Data Science Elite”的团队。该团队由一些全球最优秀的数据科学家组成，为客户提供免费现场支持。他们的使命是构建、训练客户的首个 AI 模型，并将之投入生产。一个单点的成功就能激励整个企业取得更多突破。
    我们看到很多客户都取得了成功，获得了许多有力的客户证言，比如：
    “对我们来说，与 Data Science Elite 团队的合作是一股重要的加速力量，”Wunderman Thompson 公司首席技术官 （CTO） Adam Woods 表示，“我们竭尽全力为机器学习构建一个完全分布式的架构，但是资源是我们面临的最大挑战。我们的团队能够从日常工作中解放出来，有组织地学习和构建概念验证（proof of concept）。在 Data Science Elite 团队的帮助下，我们能展开更密切的合作。我们的数据科学家专注于明确迫在眉睫的业务需求，而 IBM 团队 则聚焦于技术实现。这种通力合作帮助我们通过 Watson 建立了机器学习管道，进而充分利用我们的所有数据信号生成模型，并使模型性能较之以往提升了 200％，甚至更多。目前，我们正积极将这些模型投入生产环境。”
    研究
    为了在 AI 领域与时俱进，我们必须持续探寻并一直站在 AI 最前沿。IBM 发布的研究会议报告和论文每年增长 93％。正如外界所评价的，我们投资的 MIT－IBM Watson AI Lab 产生的影响力与日俱增。在监管式学习和非监管式学习领域的专利领域，IBM 位居全球十大企业之列。我们还是少数几家拥有专门研究 AI 创新主题的独立研究机构的企业之一，这让我们感到无比自豪。
    今年早些时候，我们在 IBM 的 THINK 2019 大会上发布了 AI 辩手—— Project Debater。这个项目展示了 AI 系统如何在现场辩论赛中与专业的人类辩手进行辩论。事实上，这是首个也是唯一一个由 AI 驱动的计算型增强工具，它能够接收信息，并针对性地提出有说服力的论点。自然语言处理 （NLP） 技术是 Project Debater 的核心，这也是我将 NLP 称为 AI 神经系统的原因之一。