是Watson在给IBM打工?还是IBM在给Watson打工?(上)

最近一段时间,IBM Watson的新闻不断涌现,一方面是IBM在人工智能领域厚积薄发的体现,另一方面也凸显了IBM公司对Watson的商业价值和商业地位的思考。当前IBM的商业模式受到了极大的挑战,很多人认为已经走过百年的IBM很难再续辉煌。而老土认为Watson对于今天的IBM来说,不只是其技术实力的综合体现,更是其对公司未来商业模式的思考。也许今天,Watson还在给IBM打工,但在不远的未来,IBM可能就是支撑Watson的存在,在给Watson打工。

IT设备提供商 → 解决方案提供商 → ?

提到IBM,很多“业内”人士都愿意将其作为IT企业的典范,因为实在很少有IT企业可以足足活过100年。从IBM发布的100年庆典宣传片中看到,在100年的历程中,前80年IBM几乎是一直顺风顺水,搭乘着信息技术高速发展的东风一路前行,成为伟大的IT设备提供商。

早期NASA使用的IBM设备

直到20世纪90年代初,IBM遇到了它的第一次大规模的危机,用户(尤其是商业用户)的需求往往并不是用户自行采购IT设备就可以解决的,用户需要更全方位的服务。当时很多人认为IBM熬不过这个10年。这个时候Louis V. Gerstner(路易斯 郭士纳)提出以客户为关注点,逐步放弃了以硬件销售为中心的销售模式,围绕用户需求提供解决方案(Solution),以系统(System)、软件(Software)和服务(Service)构建可交付的解决方案。这次成功的商业转型重新将IBM拉回到高速发展的道路上。注意:这里的“服务”更多指的是围绕其解决方案实施的技术服务。

“智慧地球”是IBM行业解决方案的集合

2010年之后,随着网络技术和应用的高速发展和普及,基于云计算技术,Google、亚马逊、微软等企业开始打造在线的服务提供平台,商业用户无需自建基础设施和服务设施,只要连接到在线的服务就可以享用优质的商业服务。同时这些企业还通过收集、整理和分析用户数据开始向(商业)用户提供传统IT服务模式所无法达成的更个性化、更精准的增值服务,不但获得了更好的收入,而且极大的提高了用户的粘滞性。这种以“(在线)服务”为中心的新兴商业模式,对IBM的“以销售解决方案为中心”的商业模式带来了巨大的挑战。很多人都在观望已过百年的IBM会有什么对应之策。而这个答案可能是Watson。

谁是Watson?

谈到人工智能领域的几个著名的“智能”,其名字都大有来头。微软的Contana是来自一款著名的游戏《光环》,其主角“士官长”使用的个人人工智能助力的名字就叫Contana。亚马逊的Alexa的灵感来自《星际迷航》。那么IBM的这位Watson是什么来头呢?

《光环》游戏中的Contana

说到IBM与Watson的关系实在是太密切了,因为IBM的创始人就叫“Thomas Watson”,正是托马斯·沃森和他的儿子(小托马斯·沃森)联手缔造了IBM这个蓝色巨人。因此说IBM诞生后就是在给Watson打工并不为过...

托马斯·沃森父子

IBM将其人工智能命名为Watson的真实缘由老土并不知道。然而作为“人工智能”及应用的杰出代表Watson还要介绍一下的。按照百度百科的说法:

IBM Watson是认知计算系统的杰出代表,也是一个技术平台。认知计算代表一种全新的计算模式,它包含信息分析,自然语言处理和机器学习领域的大量技术创新,能够助力决策者从大量非结构化数据中揭示非凡的洞察。IBM Watson系统具有几大能力:

Understanding(理解):Watson具有强大的理解能力。通过自然语言理解(Natural language understanding)技术,和卓越处理结构化与非结构化数据的能力,在众多行业能够与用户进行交互,并理解和应对用户的问题。

Reasoning(推理):它有智能的逻辑思考能力,Watson通过假设生成(Hypothesis generation),能够透过数据揭示洞察、模式和关系。将散落在各处的知识片段连接起来,进行推理、分析、对比、归纳、总结和论证,获取深入的洞察以及决策的证据。

Learning(学习):它有优秀的学习能力。Watson通过以证据为基础的学习能力(Evidence based learning),能够从大数据中快速提取关键信息,像人类一样进行学习和认知。可以通过专家训练,并在交互中通过经验学习来获取反馈,优化模型,不断进步。

此外,它还有精细的个性化分析能力,它能利用文本分析与心理语言学模型对海量社交媒体数据和商业数据进行深入分析,掌握用户个性特质,构建360度个体全景画像。

Watson不仅仅是这些技术的简单集合,而是以前所未有的方式将这些技术统一起来,深刻改变了商业问题解决的方式和效率。

[未完待续]


是Watson在给IBM打工?还是IBM在给Watson打工?(下)http://www.jianshu.com/p/5b390b7628ee

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容