IBM：人類與機器邁向認知新時代

06-27

1955年，當人工智慧這個詞首次被提出時，毫不意外地公眾的想像力被點燃。接下來的60年間，我們多次被其前景所吸引，擔心它的潛力被濫用，同時也為其緩慢發展而沮喪。

然而，正如大多數孕育得過早、超越所處時代的先進科技一樣，人工智慧一經出現，誤解紛起——好萊塢電影將它胡亂描繪、媒體將它曲解，人工智慧的角色從人類的拯救者到破壞者間變換。但對些真正參與到業界的嚴肅信息科學研究和應用的人來說，他們就很理解智能系統擁有的巨大潛能。這種技術（我們相信那將不是「人工智慧」而是「認知智能」），是不同於目前為大眾所稱道的AI的，面臨各種各樣的、來自技術、科學和社會的挑戰與機遇的，並且面臨不同的監管、政策和管理需要的認知智能。

認知計算是指一種系統，它不但能夠規模化學習、有目的推理、也能與人類自然交互。它們是在它們與我們之間的交互和與環境之間的互動中學習和推理，所以並不需要事先精確的編程。過去半個世紀中，多個科學領域的發展使這些事情變得可能，但是它們顯然不同與那些運行著它們的信息系統。

那些信息系統是決定論的，而認知系統是概率性的，沒有那麼絕對。認知系統在可以回答大量的問題同時，還能對更加複雜（且有意義）的數據提出假設、推理論述和建議等等。認知系統除這些以外，還能理解佔到全世界數據的百分之八十的，被計算機科學家稱之為「非結構化」的數據。這使得它們能夠與現代世界巨量、複雜和不可預測的信息相接軌。

當然，這些都與機器的感覺能力和自主性無關。相反，它能使人類的能力得到提高，讓我們更加理解和運作社會中複雜的系統。而如果我們要實現駕馭科技的能力，這種智能的提高是十分必要的一步，因為它不但讓我們能追尋更多知識、提升我們的能力，更能改善人類的境況。這就是為什麼我們說它是認知時代的光明，因為它不僅是一種新科技，更是科技、商業和社會新紀元。

認知計算的判斷標準並不是圖靈測試或模擬人類的能力的成功。它的標準更加實際有用，例如投資的報酬率、新的市場機會、治療疾病和拯救生命。

在IBM，我們已經工作了數十年用來建立認知計算的基礎，將計算機科學領域前沿的十幾個學科與這個100多年的商業專家結合起來。現在，我們正在親眼目睹它用它的巨大潛力在改變著商業、政府和社會。

我們如今已經看到，因為它，大數據的障礙變成機遇，兒科醫生更加準確的做出早期診斷，智慧城市的建設有了更多的新型方案。我們相信，這些技術提供了最好的（或許也是唯一的）機會，地球面臨的一些最持久的系統性問題也得到了處理方案，例如癌症、氣候變化和複雜多變的全球經濟形勢。

計算的歷史與認知的崛起

為了更好地理解認知計算的未來，我們必須把它放到歷史的語境中。迄今為止，我們經歷過兩個不同的計算時代——製表時代和編程時代。在這兩個時代中IBM都扮演了不可替代的角色。我們相信，在計算演化史中、最具有轉折意義的計算演化時代是認知計算的時代。

1、製表時代(1900-1940年代)

計算機起源是源於一種單一計數用途的機械系統，這種系統輸入和存儲是用打卡孔來實現，最終決定這個機器要做的事情(雖然是以一種非常原始的方式)。這些製表機從本質上來說是一種計算器，它不但在支持商業和社會規模的擴大等方面發揮著重大作用，也在幫助我們組織、理解以及管理從人口增長到全球經濟進步等的各種事情上扮演有著不可替代的角色。

2、編程時代(1950年代-現在)

在二戰期間，隨著軍事和科學的需要，從機械製表機到電子系統的演變開始了。從最開始的電子管到晶體管，再到微處理器，計算機的性能得到了迅速提升，這一發展過程驗證了「摩爾定律」，在60年間，每18個月處理器的容量和速度就提升一倍。所有計算機設備都是可編程的計算機。

3認知時代(2011-)

早在1960年，J.C.R.Licklider的論文「人-機共生」中，我們就看到他提出了超越可編程系統的潛在可能性。現代計算的很大部分都是基於LickLider的研究以及他的深刻見解：

「人-機共生」是指在人類與電子計算機之間發生的共生關係。主要目的是：在不依賴於不靈活的預定義程序的情況下，讓人與計算機能夠協作靈活決策，控制複雜多變的情況。初步分析表明，與人類單獨進行智能操作相比，共生關係將會更有效。 ——J.C.R.Licklider，「人機共生」，1960年3月

Licklider知道，程序化計算的必要的自然演化結果是認知計算，雖然他並不知道如何實現這個目標。50年後，大規模並行計算以及結構化與非結構化數據的積累，為認知計算奠定了基礎。

首個世界認知系統

在2011年2月，Watson項目首次公開，它是IBM開發的認知計算系統，它在Jeopardy!節目中戰勝了肯·詹寧斯和布拉德·魯特爾。這是首次面向公眾證實認知計算，標誌著所謂AI寒冬的終結。Watson能夠回答微妙、複雜、語義雙關問題，顯然，計算新紀元即將開啟。

節目後，Watson繼續處理了更多的複雜數據集，在解謎之外，它還發展出了理解、推理以及學習的能力。認知計算就是以照亮原先在我們世界中不為人知的部分為目標，讓我們的決策更加明智。認知時代的真正潛力將會是機器的數據分析、統計推斷能力，以及人類特殊能力，比如自我引導的目標、常識和價值觀。

這正是Watson被賦予的使命和他的價值所在，也是它正在嘗試做的事情。銀行正在運用它來分析客戶要求和金融數據，以便於更好地做出投資決策。高度監管產業中的企業也用它保證自己跟上經常變化的監管和合規標準。腫瘤學家也利用認知系統能否幫助他們理解癌症患者醫療信息，找到個體化、循證的治療方案。

這樣的科技對於各類專業人士來說意味著什麼？世界知名的腫瘤學家，紀念斯隆-凱特琳癌症中心的LarryNorton博士正與Watson合作幫助內科醫生對患者進行個性化癌症治療。他說：「計算機科學發展迅猛，醫療事業也會受其影響。這被稱為協同進化（coevolution）。我們要互幫互助。我預想這樣的場景：病人、電腦、我的護士、我的研究生同事還有我自己都在監察室一起交流。」

在Watson的象棋博弈前輩DeepBlue在1997年擊敗世界象棋冠軍GarryKasparov之後，我們首次看到這種人機共生的跡象。在那次演示之後，Kasparov繼續參加這種新「自由式」的象棋聯賽，在這些聯賽中，一些選手孤身奮戰。一些則完全依賴於計算機程序，但那些將兩者相結合的選手是最成功的。

「機器與人相配合的團隊是最有力的，甚至比最強大的計算機更具優勢。人類策略上的指導與計算機戰術上的敏銳結合起來是所向披靡的。我們可以集中精力於策略規劃而不是把那麼多時間花費在計算上。在樣的情況下，人類的創造力是最重要的。」 ——加里·卡斯帕羅夫

未來的技術之路與可能發展的科學

當Licklider為認知計算幫忙想出一種哲學方法時，他幾乎無法表達出前行的技術進路。那條道路仍在被定義，不斷調整。尤其是，我們敏銳地意識到數據正怎樣塑造著我們的未來。Gartner預計世界的信息將增長800%在未來5年，而且80%的數據是非結構化的。包括人類語言記載下的每一件事（從教科書到詩歌），圖片捕捉到每一個瞬間（CAT掃描每個家庭照片）以及聲音記錄下的每條信息。它是隱藏在氣味、味道、文本和振動中的數據。它來自我們的活動，來自這個布滿儀器的星球。

在如今的信息社會中，數據代表著這個世界上最富有，最具有價值，最複雜的原材料。直到現在，我們還沒有方法對它完全有效利用。

可編程系統是基於一系列的規則使用的：通過一系列預先設定的進程，從數據中得出結論。儘管它們強大而複雜，也是決定論的，但是由於種種不確定因素，它還無法處理定性或不可預見的輸入。面對如今興起的充滿不確定性複雜新世界中的眾多方面，這種死板束縛住了它們的發展。

認知系統被設計成去適應和理解非結構化語言的複雜性和不可預測性。他們可以「讀」文本、「看」圖像、「聽」自然語音。它們整理解讀信息以及提供他們意思的解釋，還伴有它們結論的基本原理。他們不提供它們也無法確定的答案。相反，它們被設計成從多個來源中去衡量信息和想法，提供假說以供參考。一個認知系統給每個有潛力的洞見或答案分配一個各自的自信水平。

Watson在Jeopardy!中犯的一個錯誤就是例證。在第一天的比賽將結束時，「FinalJeopardy」的類目是「美國城市」。線索是「以二戰英雄命名的最大的機場；二戰的戰役中第二大的。」答案是芝加哥（O』Hare和Midway）。Watson猜測為多倫多。Watson困惑於這個問題的原因，包括它的語法結構，在伊利諾斯州有一個城市叫Toronto並且TorontoBlueJays在美國棒球聯盟中打棒球。

結果，Watson自信水平出奇得低：14%。如果這是Jeopardy!常規線索，而不是「FinalJeopardy」階段的線索，參賽選手很可能會響鈴，但是Watson不會響鈴，因為答案自信水平太低。下圖即為該題。

然而，認知系統能夠從錯誤中，訓練和運用中不斷得以改善。大規模的機器學習過程就是認知體系不斷訓練與使用的過程。

消化資料庫知識，根據任何給定主題接受專家訓練，認知系統可以通過一系列Q&A的方式得以訓練。人與系統互動，就系統反饋的正確性做出反應將會提升機器的「知識」。

當Watson參加Jeopardy!時，它的成功以五種技術為基礎的自然語言Q&A。今天，Q&A僅為Watson眾多以API方式提供的功能之一。打那以後，我們已經研發出多達20多個新的API，採用了50多種不同認知技術。這正是認知計算的技術進路和當前人工智慧進路的關鍵區別。認知計算需要許多學科知識，從硬體架構，演算法策略，工業流程設計到行業專長，它並不是一個孤單的領域。

我們每天使用的許多產品和服務都見證著人工智慧的方方面面。

絕大多數人工智慧產品和服務都是注重實用性，效益性。它們使用了一些認知計算的核心功能。文本挖掘技術。所有的產品和服務都局限於最初打造它們的構想。

相反，認知系統有五個核心功能：

1、與人的接觸更加深入

人們與系統的互動以每個人偏好的模式、形式以及質量為基礎的。它們充分利用搜集到的數據創造出有關個體的精細畫面——比如，地理位置數據，網頁互動，交易歷史等，但並不是簡單的搜集，還會添加一些很難察覺的細節：品味，情緒，情感狀態，環境條件以及人際關係本質和強弱。從所有信息中，找出什麼才是人際交流中重要的東西。通過不斷學習，創造出最大的價值。

2、規模化和專業技能的提高

各種工業知識和專業知識在很多領域正在以任何專家不能趕上的速度迅速膨脹。醫療保健中有一個例子，在1950年，人們預測全世界醫學知識翻一番需要50年時間；到了1980年，時間縮短為7年；2015年，不超過3年。與此同時，個人一生能產生一百萬GB的健康數據，相當於3億本書。

為了幫助組織機構跟上步伐，人們設計了認知系統，它能作為專家的合作夥伴以提高他們的業績。由於這些系統掌握了許多領域的術語，所以他們能夠理解和傳授複雜的專業技能，進而縮短了由內行變為專家所需的時間

3、用認知將產品和服務結合

認知技術的發展將讓感受、推斷和了解用戶和周圍世界的新一類產品和服務成為可能。並創新出不曾有過的新方法。在汽車、醫療設備、器具和玩具行業等，這些正在發生。認知技術將被廣泛運用

4、認知運營成為可能

認知也能改變變公司運營的方式。融合認知功能的商業運營，能將內外資源中的數據充分利用從而化為財富。它讓公司重視工作流程、文本和環境，這有利於持續性學習發展、改善預測和提高運營效率——以當今的數據流動速度做出決策，及時反映各類信息

5、提升探索發現

最終，認知商業將會擁有的最強工具、可以照亮日益複雜又不穩定未來的「前燈」。

隨著各行各業的領軍人物爭相在藥物研發、複雜經濟模型、材料科學、初創公司上投入巨大物力財力，這樣的「前燈」變得越來越重要。把認知技術運用到大數據上，領軍人物能找到規律、機會和可執行的假設，僅僅通過傳統研究或可編程系統，幾乎不可能實現。

如果要使認知計算如同預期般完成目標，底層平台就必須足夠寬廣、足夠靈活，才能在各行各業得以應用。除此之外，該平台還要能夠支持跨行業運用。要達到以上要求，我們需要採取一條全面的研發路線，以打造一個強健的、多功能平台為目標，支持生態圈開發者們各種各樣的應用。

這個平台必須涵蓋機器學習、推理、自然語言處理、語音和圖像識別、人機交互、對話和敘述生成等多項功能。許多功能要求高性能計算，專門的硬體結構，甚至是新的計算範例，它們衍生於自身科技或學術領域。但這些技術必須和支持認知結果的硬體、軟體、雲平台和應用共同發展。

隨著沃森的快速革新，我們已可以預測未來的模樣。比如，一種分析X光，MRIs和超聲波圖像的認知醫學圖像應用，它能分析醫學期刊、書本和文章的自然語言。它利用機器學習來更正和增強理解力。它還可以開發深度知識表達和推理，這有助於生成可能的診斷結果。為此，我們需要專門圖像處理器來支持大數據和人類專業知識，以此來指導系統學習,解讀系統生成的結果。

這種新模型的功能適用任何領域。油氣公司能把地震圖像數據與對成千上萬的論文、報告、時事、經濟數據和天氣預報的分析結合到一起，為開採活動提供風險分析。亦或是，學校能通過分析測試成績、出勤率和數字學習平台上學生行為信息，建立起縱向的學生檔案和個性化教育計劃。

在被看作短期內最有前途的認知計算應用之一的領域，IBM正與多個領先的癌症研究機構合作，加快臨床識別，為患者提供個性化治療方案。該項目旨在減少醫學解讀DNA的時間，學習個人遺傳信息，將從醫學文獻搜集相關資料的時間從幾周縮減至幾分鐘。在此基礎上產生的分析結果，有助於醫生針對任意患者特定的癌基因突變做出診斷。只需幾分鐘，Watson就能完成對遺傳物質和醫學文獻的審查過程，生成一份可視化數據報告，並以循證醫學為基礎，綜合患者個人獨特的基因，制定出可行的藥物方案。臨床醫生可以評估這些數據，判定其治療效果是否比標準方案更具針對性。

前沿認知科學的闡釋和義務

應用型科學發展的下一環節是認知時代（TheCognitiveEra），它有助於人類理解自然，改善人類的生存狀況。由此來看，認知時代是一個老故事中開啟的新篇章；圍繞人工智慧的爭論只是其中一個最新的例子，是相信科學的人與害怕科學的人間爭論的延續。與媒體和娛樂界的爭論恰恰相反，科學領域的爭論已有結果。追求認知性未來已成為共識，人們也普遍意識到有必要承擔技術責任。

「技術創造可能性和潛力，但我們的未來取決於我們做出的選擇。人類的未來不在技術，而在自己手中。」 ——ErikBrynjolfsson，MIT（麻省理工學院，經濟學著名教授）

我們會繼續塑造認知計算對工作和就業的影響。同所有技術一樣，認知計算將改變人們的工作性質。認知計算將有助於更快速準確地執行一些任務。因而，許多處理過程會更便宜而有效。在有些方面，認知計算甚至比人類做得更好。這一現象自古以來一直存在：新技術具有更高的價值，讓我們的社會和生活得以發展和進化。因此，我們有理由相信，目前正在發生的變化並不是先例。實際上，認知時代會為人類開啟一個知識、發現、機會都以指數增長的世界。我們也有充分的理由相信，人類的工作將變得更有趣，也更具有挑戰性與價值。

除此之外，社會的控制和保障也同樣重要。這也涉及對智能系統的擔憂。從汽車、藥品到手機，每一項技術的轉換都將涉及到個人和機構的安全問題。這些問題已迫在眉睫，已被目前激進的技術民主化以及隨之而來的成本削減引爆。

我們相信，問題的答案不是試圖限制民主化，而是要包容它，設計出助於隱私、安全和人工控制管理的認知系統。

為下一代的認知掃清障礙

最後，我們不僅僅要找出所有的技術革命，還應號召商業和社會需求推動技術革命。我們不能因為有能力而追求新的可能性，而因有以有所求來追求新的可能性。

每一項革命性的技術，在產生之初，由於世界的複雜性和認知有限，總是不被我們完全理解的。但認知限制必然會被技術進展所突破。我們一直在為有限的認知承擔著昂貴的代價：我們不知患者的病因何在；不知產品銷售渠道何在；不知道重要的自然資源藏何在；不知每一項的投資風險何在。

「明智行為的最大障礙是無知，無知也是恐懼的最大來源。小小的蠟燭可以發出誤導性的微弱光線，投射出巨大而不詳的陰影；正午陽光光線明亮，不會投下一絲陰影。是時候將「人與機器」這個巨大的難題置於耀眼的正午陽光之下了。計算機永遠不會剝奪人的主動權，也不會取代人類的創造性思維。相反，計算機能把人類從低級的重複性思考中解放出來，讓人類更加充分利用理性，創造更多機會。」 ——ThomasWatsonJr.（小托馬斯.沃森，IBM第二代總裁）

我們相信，世界上的許多難題在IBM終將得到解決。藉助認知計算，我們會實現這一宏偉目標。

「人機大戰」的誇大與炒作會讓我們偏離主題，而那些情況只存在於那些激動人心卻很具誤導性的小說里。認知系統現在不是我們的競爭對手，將來也不會是。科學和經濟學的證據都不支持這種恐懼。真正的認知系統實際是一種工具——深化重要的人與世界的關係。

通過認知計算，我們將為下一代人的認知掃清障礙。我們要用嶄新而有力的方式思考與推理。認知系統的真正靈感源於人類大腦。同樣的，認知系統也會真正激發人的大腦，提高我們的理性能力，改變我們的學習方式。在21世紀，能答百問不能稱得上智慧，能提出真正的問題才是關鍵所在。

本文來源:IBM