0
想必大家都對IBM的認知計算平臺Watson并不陌生，它利用語義分析、自然語言處理和機器學習造福人類。2011年2月，Watson在智力節目《危險邊緣》打敗了人類對手，用自然語言實現深度問答，展示了其強大的學習能力，自那個時候開始，它能做的就已經遠遠超乎參加娛樂節目了。
而在五年來的發展中，Watson在人工智能上的布局又是怎樣的？
認知計算
回歸核心，Watson代表的是一種名為“認知計算”的計算模式，具體包括三個方面：理解、推理和學習。
理解：能“理解”人類，是Watson能進行認知協作的第一步，主要運用的是計算系統處理結構化和非結構化數據的能力。
推理：Watson主要運用的是一種名為“假設生成”的算法，能從數據中抽絲剝繭，尋找事物間的相關聯系。
學習：Watson從大數據中提取關鍵信息，以證據為基礎進行學習。
根據萬能的三步，Watson就能“以不變應萬變”，改變商業解決的方式，并以此提升效率。
認知商業即IBM基于認知計算戰略建立的一個商業模式。和原有的“智慧地球”戰略，這個面向云計算、大數據、人工智能的規劃顯然更加吃香一些。
認知商業能夠基于結構化數據提供全面的人際互動，個性化體驗在今時今日的互聯網時代愈發顯得重要。
基于對自然語言的了解和解構，認知計算能夠有針對性地在各個領域進行深入的研究分析，比如下文將提到的醫療、金融、安全等方面，幫助用戶大幅提升工作技能。對于企業，認知商業可以從非結構化的數據中進行挖掘，推動產品的服務質量，甚至能夠在研究領域有所拓展。
而這一戰略自今年三月份也正式在中國推行，它所帶來的深入影響，甚至可以滲透到任何一個行業。
目前，Watson已經推出了以下多個應用工具，包括：
Watson Engagement Adviser：通過對話不斷進行學習的系統；
Watson Explorer：適配企業內部工作的數據整合，通過API將各種數據在Watson的云上進行整理和分析。
Watson Knowledge Studio：三百六十行，術業有專攻。Watson如果要學會某個具體領域的專業知識，該系統能使用監督學習技術，幫助Watson更好地理解各領域術語的細微差別。
Watson Company Analyzer：Watson能從大量數據中快速進行分析，讓每位雇員具備更高的專業性，個性化地理解每位顧客的需求。IBM全球采購部CFO Katherine Eason表示，“這一系統能幫助IBM公司自身更好地預估供應鏈的潛在風險，進而更好為我們的客戶服務。”
簡單說來，Watson在任何領域的應用，都離不開互動、發現和決策三個層面。
互動：指的是基于大數據分析下的個體化溝通，為個體用戶提供個性化建議，理解用戶提出的復雜問題——在交流方面，Watson要做得和人類一樣好。
發現：通過大量的語義分析，Watson可以進行人工力量所不能企及的數據分析，并提高認知的有效性。
決策：當獲得的數據足夠多時，機器學習的優點也由此展現出來，根據掃描的成千上萬份資料，在其中選擇最優的解決方案。
雷鋒網為大家整理了一些Watson在各個領域的應用成果，一起來看看它能為我們的生活帶來哪些便利吧。
剪輯師
Watson開始進軍電影業了。
20世紀福克斯的恐怖片《Morgan》日前推出的預告片，就是由Watson剪輯完成的（預告片可點 此處 觀看）。技術人員先教會Watson《Morgan》的預告片需要一些表達“恐怖、帶有情感性的接觸，以及快樂”的鏡頭，根據技術人員提供的主旨信息，Watson便對電影原片進行分析，并選取了符合的電影片段。隨后，技術人員只需要簡單加一些剪輯，成片就新鮮出爐了。
一起來欣賞一下Watson制作的預告片，看上去還是像模像樣的，如果不說是AI剪輯的，或許也沒有人會懷疑吧。的確，預告片里出現了快樂玩耍的場景，也有讓人覺得很可怕的內容。
誠然，這并不意味著Watson會搶電影剪輯師的飯碗，畢竟目前人工智能還是不能完全取代人類對電影的理解和共情，但本次嘗試為我們提供了一種可能性：Watson或許也能夠理解藝術作品，并真正為人所用。
醫生
在認知計算領域，系統能夠從各種結構化和非結構化數據源中學習和積累知識，理解自然語言的同時，能夠與人類進行自然地交互，這對于醫療行業大有裨益。
2015年4月，Watson Health成立，意味著Watson在醫療領域的正式進軍。
CaféWell是一個由Welltok保健公司創建的平臺，其中采用了Watson的認知系統改善用戶的互動。從醫療對話、就診數據及健康效益信息中，產品CaféWell Concierge能夠回答日常的復雜問題，并從中不斷學習。
Veterans Health Administration (VHA)是美國最大的綜合性醫療保健系統，每年為約 8,700,000退伍軍人提供醫療服務。VHA 能夠處理大量醫學文獻、臨床資料和病患醫療記錄，為創傷后精神緊張性障礙（PTSD）病患找尋理想的治療方案。
而日前東京大學醫學研究院確診一名病人患有白血病，同樣是利用了Watson 數據抽取及匹配搜索的功能。根據雷鋒網的了解，這一過程首先要對結構化的知識進行構建，并將相關數據導在一個數據池中，并進行內容管理，Watson 隨后對內容進行比對，得出診斷結果。
個體的復雜性讓癌癥的治療方案千變萬化，而人工智能的數據處理能力就能很好地解決這個問題。這一點也在實際應用領域得到了驗證：南亞最大的私人醫院Bumrungrad International Hospital 利用Watson為單個癌癥病患規劃了適合個人的治療方案。
華爾街精英
在2012年，Watson就已經進軍了金融領域，而它最為顯著的功能莫過于在浩如煙海的數據中提供建模、文本分析及決策建議。在商業領域，能夠完整地理解句子和段落比起谷歌的單純檢索功能自然要有用得多，這也是Watson的核心競爭力之一。
目前，Watson在金融方面的主要應用是證券組合投資風險管理，以及為銀行提供投資建議。而在保險行業，利用自然語言回答用戶的業務咨詢，并推廣公司的相應服務，同樣能夠為客戶提供個性化的體驗。
秘魯最大的保險產品和服務提供商RIMAC Seguros 就利用了Watson的語義分析技術大大提升工作效率。根據介紹，Watson將對政府文檔進行掃描，并抽取和案件相關的條例，這一過程能減少90%的索賠處理時間。甚至，Watson還能幫助保險公司確定醫院的收費是否過高，還能判斷特定區域的案件索賠性質，這有期成為解決當地公共醫療問題的法寶。
至于和我們生活更加息息相關的零售行業，Watson通過認知計算，能為零售商提供針對每個用戶的個性化建議，提供更為良好的購物體驗。
網絡安保
在處理大量信息方面，Watson比起人類有著得天獨厚的優勢。目前，IBM的研究人員開始安排Watson開始閱讀大量安全文件，學習相關術語，并與各個圖書館及新聞網站進行連接，以保證信息的實時傳遞。
在不遠的將來，Watson會為企業客戶所用，確定已經發生的威脅，甚至進行預防危險的決策。雖然在網絡安全領域，Watson依然無法取代人類，但在機器學習層面，它可以提供迅速而快捷的檢索和風險預警，而這也是安全人員所亟需的。
雷鋒網的整理當然只是Watson在生活中給我們帶來便利的一些例子，利用認知計算所能做到的事情還有無限的可能在。我們期待未來Watson會帶給我們更多驚喜，就像今天它所做的一樣。
推薦閱讀：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
