IBM认知系统：从应用出发，让人工智能全面落地

本篇文章2052字，读完约5分钟

关于人工智能，有一个广为流传的段落:

人工智能就像青少年谈论性一样:每个人都在说，我不知道到底是谁做的，每个人都认为是别人做的，所以每个人都声称自己在做。

这句话也发表在《大数据》、《深度学习》和其他版本中。基本上，每一次新的技术浪潮都可以用这句话来描述，这反映了技术在实践中应用的困境。

Ibm为雷锋(公开号:雷锋)提供了这样一个例子。金融客户希望开发一个期货指数预测模型，其主要功能是收集前1000分钟的交易数据，从而预测未来10分钟的指数涨跌。为此，公司进行了半年的研发，结果是预测准确率在50%左右，这与猜测基本一致。后来，他们发现ibm通过bluemind深度学习云平台和powerai深度学习框架优化了现有算法，并在两周内将准确率提高到75%以上。

这样的例子有很多。

随着各行各业信息化水平的提高和大数据平台的建立，许多行业和公司积累了大量的数据。这些“数据资源”尚未得到充分开发，由于其复杂性和非结构化的特点，传统的数据分析往往难以处理，这就需要机器学习等技术来实现数据增值和支持企业的业务发展。

然而，人工智能技术对从业者的要求很高，目前还没有通用的解决方案。机器学习涉及微积分、概率论、最优化、线性代数、程序设计、计算机工程等等。尽管开源算法和机器学习框架不断涌现，但基本上每个开源工具都有自己擅长处理的问题。在实际工作中，有必要一起使用多个开源工具，而不考虑开发环境的构建、算法调试以及行业经验的限制等障碍。上述指数预测的例子也是这样出现的。

作为一个有百年历史的企业，蓝巨人ibm也推出了自己的认知系统解决方案，这告诉雷锋。该公司可以提供一个现成的优化平台，帮助客户优化参数，缩短机器学习周期，并帮助实现机器学习的解决方案。

具体来说，ibm为深度学习提供了一个整体认知技术解决方案，它不仅拥有最低级别的硬件(如服务器、存储和网络连接)，还拥有一个集成和优化的powerai深度学习开发框架和一个bluemind深度学习平台，以帮助缩短开发周期和优化参数。最高层是ibm的服务和支持，包括由R&D部门提供的定制R&D服务，以满足需求。

Ibm的服务和支持通过一个专门的服务团队，根据用户自身的需求为他们提供人工智能服务；

Ibm bluemind深度学习云平台可以缩短客户的开发时间，帮助培训和优化算法；

Powerai深度学习框架为客户提供基于社区开源技术的打包和优化的框架服务；

底层硬件深度学习平台包括基于nvlink技术的gpu加速服务器、数据存储平台和高速网络链接。

根据ibm的说法，客户只需要提供行业场景和数据，这有助于完成基于深度机器学习的场景。

然而，技术是一方面，具体应用是另一方面。应用技术是最忌讳用锤子找钉子的。在这方面，ibm还表示，它可以提供最成熟的行业应用场景。最成熟的应用场景意味着，当各个行业的客户正在探索如何使用机器学习和深度学习时，ibm已经有了许多成熟的应用场景，相应的服务可以直接提供给客户。

期货指数预测

金融一直是第一个使用新技术的领域，拥有最多的数据，ibm在这方面也取得了一些进展。例如，在bluemind平台上使用预定义的神经网络进行优化，该指标的预测准确率达到80%以上。

atm机的人脸遮挡检测

在银行领域，ibm的智能图像识别系统可以实时检测各种类型的遮挡并给出预警。这在自动柜员机反欺诈中非常有用，因为当有人故意遮住脸时，可能需要特别注意。

病理切片中癌细胞的检测

医疗一直被认为是人工智能技术最先登陆的行业。病理学家需要从大量切片样本中识别微小的癌细胞，这既耗时又容易出错。Ibm的认知技术可以帮助医生分析医学图像，发现病灶，提高效率，避免遗漏，预测和分析肿瘤病例的识别准确率可以达到80%以上。

组件和材料缺陷检测

在工业领域，深度学习技术可以辅助零件和材料缺陷检测，帮助工人及时发现和纠正，提高产量。

可以说，没有任何实际应用的例子，技术是没有意义的。为此，谷歌、微软和其他公司希望简化人工智能应用程序的开发过程，并将这一新兴技术赋予开发者。

在今年3月的谷歌云服务大会上，去年底加入谷歌的中国知名学者李菲菲表示，人工智能应该从计算、算法、数据和人才四个方面民主化。在微软的构建2017大会上，其人工智能和研究部门的负责人沈向洋甚至提议为开发者提供定制的人工智能服务。

已经为企业服务了100多年的ibm的最大优势在于它对行业的理解和技术的商业应用。Ibm告诉雷锋。在过去，它的外部印象可能只是销售盒子(即硬件)，但现在对于认知计算和机器学习来说，有必要从客户的业务、应用场景和需求方面提供相应的服务。

2016年，ibm正式在中国发布认知业务；在今年4月的ibm中国论坛上，公司进一步明确了商业人工智能帮助行业转型的战略，展示了在医疗、能源、教育、电子等行业的合作成果。就人工智能而言，这家公司似乎找到了最适合自己的道路。

了解更多关于人工智能、机器学习和深度学习行业的应用场景。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。

来源：搜狐微门户