引领认知时代的创新
沈晓卫
IBM中国研究院院长、IBM大中华区首席技术官
沈晓卫：大家好，今天很高兴有这个机会跟大家分享IBM关于认知时代创新的一些看法。
无论我们每个人意识到还是没有意识到，今天我们已经走进到这个认知的时代，在这个背景下，我们看到很多行业，无论是医疗业、环境产业、金融业等等，都在深刻受到这个认知和认知技术的一些影响。
从IBM角度来看，在人工智能或在整个IT行业发展的历史长河中，过去几十年，从上个世纪40年代电子计算机的出现，尤其是上个世纪60年代IBM360的出现，标志着电子计算机真正进入到商用时代，整个这样一个发展都是处在一个编程的时代，但是现在我们进入到认知时代，需要构建一个新的具有认知能力的、自我学习能力的计算机系统，能够更好地面对大数据挑战，更好把整个IT行业引领到下一个阶段。
一两个礼拜前，美国哥伦比亚广播公司做的一个60分钟专访，特别请到IBM的同事谈到认知系统。
在一个大数据背景下我们谈的认知是什么样的认知？大数据带来了非常多的新的机遇和挑战，传统的IT技术在认知技术真正被应用在这些领域之前已经没有办法来处理今天我们所面临的大量的数据。与此同时，我们如果看一看人工智能本身发展的历史，人工智能是我们今天谈到认知非常重要的基础性的技术，在过去的几十年，我们经历过很多起伏，包括人工智能的很多先贤也有很多浪漫想象，有些已经实现，有些没有及时实现，包括上个世纪五代计算机之后，人工智能所面临的一个严冬。
今天我们回过头来看的认知和那个时代有什么不同？非常重要的一点是大数据提供了新的机遇和挑战，能够提供对今天人工智能算法有更好的培训的机会。
从IBM角度来看，我们看AI，与其叫做人工智能，更愿意叫做增强型的智能。在我们探讨人工智能所有可能性之前或同时，今天更多是把它看作一个工具，这个工具不是取代人类，就像几百年前蒸汽机的发明，来帮助我们做更好的体力劳动，几十年前计算机的发明，使得数字运算，包括符号运算能够更好地被工具所取代一样，今天谈到增强型的智能提供这样一种新的工具，使得我们能够更好解决我们行业中的问题，我们碰到的实际问题。
谈到大数据带来的机遇，有一个很简单的示意图，当年通过训练智慧在逐渐增长的过程，大数据一方面提供了非常多的机遇，同时这种机遇也使得今天的人工智能学习算法随着数据逐渐提升或增多，这个系统会变得逐渐更加智慧。
从技术创新角度来看，今天谈到认知时代的创新主要指哪些方面？从IBM角度来看，我们认为整个创新是全方位创新，不仅仅是人工智能算法的创新，就是一些非常关键性能力的创新，也包括我们需要构建全新的人工智能的系统或全新认知系统，更好地支撑、更好地运营我们上面需要支持的新的具有认知能力的这些算法，同时也包括非常非常重要的一点，我们更愿意把今天的认知看作一个增强型的智能，我们需要把这样的技术应用到行业中，来解决我们行业中的问题，无论是金融业、保险业、环境、能源、医疗、教育等等。
与此同时，我们今天也在构建一个基于云技术的平台，云技术和大数据是一个天然结合，使我们可以把认知能力以API形式在云平台中向大家开放，向我们用户、向我们合作伙伴开放。这一点特别特别重要，因为不仅仅是云平台成本考量，更主要是考虑一个全新创新平台，可以更好利用已经构建的这些认知的能力来更进一步开发下一代新的认知的应用。
认知的核心技术。这里是不完全的列表，告诉大家的是今天IBM研究院在重点探讨的一些领域，包括信息的理解，有自然语言理解、文本理解、多媒体数据理解。与此同时，在一些领域中的推理。人机交互，及其如何构建新一代的认知系统，包括硬件、软件方面新的改良或新的革命性的进展等等。
以自然语言理解为例，今天有一个研究课题，就是做合规管理。如何构建一个基于自然语言理解、文本理解技术的解决方案，使得我们可以对法律的文档进行自动理解。
在半年多前我参加一个VC的沙龙，中间有一个律师听我们讲完就非常担心，说是不是律师行业很大一部分会受到新的认知技术的冲击？是不是冲击我们今天不能讲，但应该会受到非常大的影响，比如我们可以构建一个系统，可以对一个文本进行理解，对不同文本之间的相似性做一个非常精准的分析，应该说这个研究项目今天取得了非常重要的阶段性成果。
谈到认知，我们一定会谈到认知系统，就是支撑认知系统的计算机的硬件系统，包括直接的操作系统。人工智能或认知在过去几十年的发展，很大程度上除了算法本身的发展，也是因为计算能力本身的提高，摩尔定律告诉我们每18个月，计算机的性能会提高一倍，十年会提高一百倍，三十年就是一百万倍。
今天的人工智能非常多的这些算法需要新的计算能力的支撑，以训练机器人为例，十年前可能需要一个月的时间，今天同样的算法可以做到一天就能解决。从这个角度来看，可以看到几个大的方向，传统计算机，今天传统的体系结构的计算机直接的增强与改进，包括利用FPGA和GPU的加速，也包括云计算和边缘计算的结合。今天全球手机的计算能力的总和已经超过了全球服务器计算能力的总和，全球手机存储量也超过全球服务器总和的存储量，所以如何利用这样一些终端设备进行计算，与此同时把这样具有认知能力的智能推进到这样的系统中，这是一个方面。
另一方面我们如何构建向未来的、全新的计算机系统，传统计算机系统更多是在模拟人的左脑，我们如何构建一个能够更好模拟人的右脑的系统，而这样的系统又如何与传统计算机系统做一个深度、无缝的结合，这都是我们接下来需要研究的课题。
今天谈到的认知更多的是关注在增强型的智能，IBM在谈认知计算技术本身同时，特别注重谈到认知商业，如果人工智能要接着往前走，非常重要的一点是需要有不断地商业的成功，这是我们非常重要的在推动的一个方向。
举医疗方面的例子。我们把非常多精力放在如何利用认知计算来解决医疗中的一些问题，比如我们构建一个IBM Watson系统，在这样一个平台上可以做各种各样的处理，做医疗影像的处理，今天我们有研究的项目，构建一个认知系统，可以自动对医疗影像、CT扫描影响等做自动解读，准确度超过人能够提供的准确度。我们希望达到的目标就是在不久的将来能够通过美国专业的放射科医生考试的标准。
中流和基因科学。我们构建IBM Watson系统，自动能够理解、阅读大量的在这个领域发表的医疗文献，为医生诊断给予及时的建议。
我们与中国最负盛名的医院合作，构建针对房颤病人中风风险的预测模型，基于大量的医院第一手EMI电子病历数据，构建一个全新数据。今天可以做到比今天医院中现在正在用的模型提高60%的准确度。
我们与国内合作伙伴和医院做的针对II型糖尿病个性决策支持。有两类信息，一是基于医疗数据，包括电子病历、医疗影像，通过机器学习方式学到了知识。二是从所谓医疗知识库，因为有很多临床指南，也有从中学到的知识，这两类知识如何做一个很好的整合，一类是从20万电子病历中学到的信息，今天这样一个系统已经投入到了实际试验中。人工智能非常重要的方向就是如何把符号主义和连接主义做一个整合，来构建新一代的认知系统。
总结一下今天的讨论，我们今天谈到的认知是一个全新的时代，并不是某一个技术或某一个解决方案，我们认为是代表IT技术全新的时代，对IT的影响，同时也会对整个受IT影响的所有行业都会有这样的影响，这里非常重要的是如何构建一个具有增强型智能特性的新的工具，来帮助我们解决行业的问题，因为最终认知技术必须要走向认知商业，来解决我们实际中的问题。谢谢大家！
本文来源于"中国人工智能学会",原文发表时间"
