吉燕勇

我想跟大家分享兩個話題，一個是IBM怎么看大數(shù)據(jù)，另一個是IBM的認知計算。

IBM如何看大數(shù)據(jù)

現(xiàn)在有很多大數(shù)據(jù)項目在實施過程中，怎么證明這個項目能成功呢？我們有三個標準，第一是看它是否能夠改變企業(yè)做決策的方式；第二是看這個項目是否能夠改造創(chuàng)造價值的方式；第三是看是否通過它能夠改變對每個用戶創(chuàng)造價值的方式。

大數(shù)據(jù)其實是關(guān)于產(chǎn)業(yè)轉(zhuǎn)型、提升、重塑秩序，轉(zhuǎn)型以后會出現(xiàn)一個多發(fā)經(jīng)濟，會有新的經(jīng)濟形態(tài)呈現(xiàn)。第一是由基于洞察的服務(wù)構(gòu)成的；第二是數(shù)據(jù)的生產(chǎn)者、消費者以及運營者可以在同一個平臺共享利益。由于云計算比較成熟、分析能力比較豐富，所以洞察經(jīng)濟是應(yīng)運而生的。想要得到一個方法論，就要在標準、模塊和資本化中有更多的探索。

IBM大數(shù)據(jù)能力

IBM過去十年投入了200億元，通過收購和研發(fā)構(gòu)建了非常健全的大數(shù)據(jù)體系。第一部分是大數(shù)據(jù)本身的存儲、探索以及管理能力；第二部分是數(shù)據(jù)分析，也叫預測，包括算法、建模、積極學習；第三部分就是計算能力。我們希望通過大數(shù)據(jù)本身的能力，包括建模、預測、云計算，能夠創(chuàng)造出價值。

有了相關(guān)能力，怎么使用呢？想通過大數(shù)據(jù)改變一些決策方式。比如，兩個選手在打網(wǎng)球比賽之前，幫助選手做三個PPI：S球的成功率多少等等，這樣對網(wǎng)球比賽會有新的幫助。我們通過8182場比賽，包括4100萬數(shù)據(jù)點（這是數(shù)據(jù)的收集和儲存），找到5500個模型出來，再進行分析，由45個模型最終變成19個影響勝負的關(guān)鍵點。每個選手之間的比賽，選擇三個點，這三點做得比較好就能贏，做的不好就不能贏，最終經(jīng)過學習和訓練，以此來指導選手如何能夠贏得比賽。我們通過大數(shù)據(jù)分析來改變決策，影響比賽的勝負。

IBM戰(zhàn)略的方向

第一、基于云計算；第二、希望把企業(yè)的數(shù)據(jù)，包括銀行數(shù)據(jù)、保險數(shù)據(jù)、企業(yè)的內(nèi)部數(shù)據(jù)和企業(yè)的外部數(shù)據(jù)相結(jié)合，幫助企業(yè)建立一個企業(yè)洞察體系。通過這種方式幫助企業(yè)決策，并產(chǎn)生出更高的價值。

IBM在大數(shù)據(jù)中的新動向是擁抱開源。我們擁抱開源，培養(yǎng)100萬個數(shù)據(jù)科學家，目前做大數(shù)據(jù)特別緊缺科學家。我們建立一個Spark技術(shù)中心，IBM成為Spark的創(chuàng)始性會員，IBM通過開源加速大數(shù)據(jù)開發(fā)的能力。

我們希望通過大數(shù)據(jù)的能力，幫助客戶做更多的創(chuàng)新。比如，我們在制造行業(yè)，通過預測性的運維與質(zhì)量管理，做出高端制造。在制造業(yè)轉(zhuǎn)型的大背景下，企業(yè)會安裝很多海量的傳感器，這些傳感器采集很多的數(shù)據(jù)，如何把這些數(shù)據(jù)集中到大數(shù)據(jù)中心，是很多企業(yè)面臨高端制造時遇到的困難。如何通過這些傳感器的數(shù)據(jù)做實時的運維也是比較大的挑戰(zhàn)。我們通過Spark和大數(shù)據(jù)平臺，做實時的運維和維護，這樣可以實現(xiàn)秒級、分鐘級的健康檢測，并對所有的狀況進行分析。

關(guān)于大數(shù)據(jù)，最大的挑戰(zhàn)還是非結(jié)構(gòu)化數(shù)據(jù)的爆發(fā)性增長所帶來的新的技術(shù)挑戰(zhàn)。IBM推出了認知計算，并進入到認知時代。在這之前是編程時代，需要寫程序、精確編程，而在這之后則是認知時代。

在認知計算中，人工智能有很多新的發(fā)展。在1997年，IBM便有人工智能。2011年，沃森系統(tǒng)戰(zhàn)勝了人類，這算得上是一個新的里程碑。今年，阿爾法狗也是人工智能上一個突破。

那什么是認知計算呢？每個公司的理解不一樣。IBM認為就是URL。U是指能夠理解各種數(shù)據(jù)；R是指這個系統(tǒng)能夠推理和抉擇；L是指能夠自主學習。所以，沃森通過危險邊緣游戲，能夠理解你說什么，也能夠進行推理和決策、回答問題，還可以增強學習能力。這是IBM所有的認知解決方案、認知計算的基本能力。

沃森如何實現(xiàn)這個能力呢？你提出問題以后，它需要對問題進行分析和分解。把問題變成若干個小問題之后，通過檢索知識庫，產(chǎn)生一些假設(shè)，再通過證據(jù)庫的證據(jù)打分，考量這個假設(shè)有多高的可能性，最后合并成一個答案。所以整個的架構(gòu)中有一個信息庫和一個證據(jù)庫。

目前IBM做得比較好、進展比較快的是，在美國已經(jīng)可以通過計算機在腫瘤醫(yī)院幫助癌癥病人看病，里面有知識庫的信息。很多數(shù)據(jù)也是有專利的，包括實驗、病歷，還有公共數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)等等。此外，還有一些證據(jù)庫，如果病人口述一些癥狀，他希望通過知識庫判斷出侯選結(jié)果。

如何建立知識系統(tǒng)和知識庫呢？如何把行業(yè)內(nèi)的內(nèi)容放在一起，構(gòu)建知識庫呢？這是一個比較復雜的過程。有了知識庫以后，又如何檢索出結(jié)果呢？怎么通過繼續(xù)學習，通過推理，通過自學習，讓系統(tǒng)更加的智能化，最終通過知識庫，怎么形成假設(shè)，通過證據(jù)庫怎么進行打分，形成一個答案？這和搜索引擎不一樣，搜索出關(guān)健詞以后，可以看到一萬、兩萬個風險答案，而在這里只有一個答案可以看到。認知計算對傳統(tǒng)大數(shù)據(jù)的落地是比較大且有利的補充，但還是有區(qū)別。

傳統(tǒng)大數(shù)據(jù)的分析，有以下幾個特點：首先是用數(shù)字方式與計算機交付；其次是問題相對比較清晰；第三是需要提供一個確定的答案。你需要存儲數(shù)據(jù)、記錄算法，用機器學習，建模，就可以做到。

認知計算中更多是通過資產(chǎn)語言進行交互，不需要通過計算機編程，答案也不見得是百分之百的，它可能是70%或是90%。目前，在美國看病需要通過的答案是80%～90%，專家需要對答案進行下一步分析，分析出為什么是80%～90%。

另外，處理更多的東西沒有明確的信息，因為數(shù)據(jù)量很大，不知道數(shù)據(jù)存到哪兒，如何分析，則需要計算機自己算出來。

目前，很多企業(yè)認同要把認知計算落地中國，IBM在中國有一款產(chǎn)品已經(jīng)落地，并且是免費，名叫IBM Watson Analytics。只要有數(shù)據(jù)，就可以導入進去，不需要任何程序。你不需要做任何安裝，它是基于云的服務(wù)，只需要通過互聯(lián)網(wǎng)使用就可以了。IBM Watson Analytics基于自然語言，人們可以直接問他問題，當然目前還是英文版本的，中文的還沒有做完。比如，把銷售數(shù)據(jù)放進去以后，想知道哪個區(qū)域銷售量最好，他會馬上告訴你答案。

（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）