IBM、谷歌和亚马逊对于AI的技术和市场的研究解读.doc

《IBM、谷歌和亚马逊对于AI的技术和市场的研究解读.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、IBM、谷歌和亚马逊对于AI的技术和市场的研究解读　　曾几何时，AI（人工智能）成为了诸多企业的口头禅，不管这个企业身处什么产业，是什么样的企业，好像不带上AI就落伍了，媒体更是天天充斥着各种AI的报道，我们也是听得耳朵磨出了糨子。在此我们不妨以业内公认的AI或技术或市场中的代表IBM、谷歌和亚马逊为例，看看AI的技术和市场究竟如何？　　IBM“沃森”（IBMWatson）：被疑为噱头商业化成本高企无实效　　提及沃森，这个自从6年前在美国答题秀节目Jeopardy中打败人类选手，就占据了无数的新闻头条，并最早商业化（主要用于医疗领域癌症的检测和预防）的所谓AI系统。不过，随着时间的推移，

2、近期沃森却屡屡遭受业内的质疑。　　　　例如华尔街投行杰富瑞分析师詹姆斯?基斯纳（JamesKisner）发布的关于IBM人工智能“沃森”（IBMWatson）的研究报告就称：IBM对沃森的投资很难给股东带来价值回报，并用案例说明了IBM沃森存在的广泛问题，即该案例来自IBM沃森与MD安德森癌症中心之间的合作，即在向沃森项目浪费了6000万美元之后，MD安德森癌症中心最终停止了与IBM在这方面的合作，并承认这项技术尚未准备好临床使用。而MD安德森癌症中心的情况并非个案。多名人工智能领域的创业者都表示，他们在金融服务和生物科技领域的客户在与IBM打交道时都有过类似经历。　　与华尔街投行的分析

3、相比较，今年五月，在CNBC的金融市场观察栏目“ClosingBell”上，风险投资人ChamathPalihapitiy更是语出惊人：“实话实说，Watson就是个笑话。我认为，IBM非常擅长利用销售和营销手段，来诱导信息不对称的人掏腰包。”　　而美国认知科学会创始人RogeSchank认为沃森根本不是认知计算系统，IBM有夸大吹嘘嫌疑，并做了如下论证，即为了展示沃森的超凡智能，IBM从2015年以来在热播电视节目中投放了沃森的广告。在广告中，沃森程序与摇滚灵魂人物鲍勃?迪伦进行了对话。　　对此，Schank指出，这个广告恰恰说明沃森完全没有理解迪伦的作品。尽管“时间流逝”之类的词汇在

4、迪伦的作品中时常出现，但所有熟悉迪伦作品的人都知道，迪伦是一位抗争歌手，他的歌曲最关心的是民权、反战这些主题。不过，迪伦歌的歌词里并没有直白地写着“反战歌曲”、“民权运动”。沃森只根据词频统计等方式找到“时间流逝”、“爱情凋零”，而没有真正理解迪伦作品的真正主题。　　谷歌DeepMind：除了围棋技术与商业化类“沃森”前景不明　　至于谷歌，去年AlphaGo依赖人工智能挑战号称最难的人类游戏围棋大获成功，让人工智能背后的“深度学习”广为人知，也把谷歌此前收购的AI科技公司DeepMind推到了公众面前。对此，就像前微软亚洲研究院常务副院长芮勇所言，想要实现真正的人工智能还有很长的路要走，

5、今天所有的人工智能几乎都是来自于人类过去的大数据，没有任何一个领域的能力源自自我意识，不管是象棋还是围棋，计算机都是从人类过去的棋谱中学习。假如让AlphaGo去下跳棋，它就会完全傻掉。甚至说把围棋的棋盘稍作修改，AlphaGo都招架不住，但是人类就没有问题。AlphaGo可以打败三十多岁的李世石，但它的学习能力不及一个5岁的小孩，这二者是有很大区别的。　　　　与沃森相比，DeepMind则刚刚进入商业领域的应用。去年七月，谷歌宣布DeepMind已找到方法将谷歌数据中心的制冷用电量减少2/5。它的算法先分析数据中心的操作日志来理解任务，然后通过反复模拟运行来优化过程。同样，DeepMi

6、nd也已经进入医疗行业。去年11月，公司获得了首个付费项目，与NHS公立医院皇家自由伦敦医院（RoyalFreeLondon）签下五年的合同，为其处理170万份病历。此外，DeepMind还获得了访问其它伦敦医院两个数据库的权限，即DeepMind利用AI软件分析了约100万份视网膜扫描报告成功找到了退行性眼疾的早期征兆，或通过头颈部癌症图像让AI软件学会区分健康和癌组织之间的不同。　　从上述DeepMind的商业化看，与沃森类似，均需要首先获取现实世界的大数据，即使拥有大量数据的可供挖掘的谷歌，运用AI及机器学习技术改进医院、电网及工厂等系统时，获取其具体操作数据也非常重要。原因很简单

7、，没有人类提供的背景数据，哪怕极为简单的挑战，现有的AI技术也无法胜任。因此，当前的AI技术实际上并不“智能”，也不是解决问题的万能手。　　提及数据，在人机大战前，DeepMind耗费了数年时间学习围棋。参加《危险边缘》问答的沃森，研发人员输入了数TB的有关问答节目和自然语言实例的数据，来帮助它理解这一节目的问答模式。只有靠人类这样有针对性的密集“训练”，这些机器才能表现得如此出色。会议安排助手X.ai这类看似简单的应用程序却花费了