欢迎您光临!
登录
注册
全部
您现在的位置: 首页 > 资讯

对话 “智能+”平台大师,看IBM人工智能如何重塑企业数字化

来源:云科技时代发布时间:2019/7/8 12:04:23

     140多前的1879年,爱迪生经过几千次试验发明了电灯;之后过了90年的1969年美国把人类送到了月球,1970年空中客车公司诞生。在1870年代,人类初次进入电力时代的时候,没有人能够想到有一天人类可以乘“电”飞上月球、普通人也可商用飞行。而今天,我们初次进入了“智能+”时代,人工智能应用刚刚进入“电灯”阶段;未来,智能计算将把人类送往什么样的 “月球”?开发出什么样的人工智能“空中客车”?

     人工智能是“智能+”时代的新“电能”。从1732年富兰克林首次发现了电的存在,到爱迪生又不断试验发明了电灯进而于1882年建立了人类第一个电厂,这150年间人们不断怀疑“电”是魔法和神秘力量的产物,由此而经历了不理解、回避、拒绝和恐惧的初级电力时代。“同样的情况正发生今天人们对人工智能的认知上,”IBM云与认知软件高级副总裁Arvind Kirshna在2019美国Think大会上如是表示,“人工智能不是‘魔法’,人工智能就像‘电’一样存在,而且在彻底改变商业。”

     PWC普华永道的预测是,到2030年,人工智能将带来全球GDP增长近16万亿美元。而在人类的信息技术历史上,还没有哪种技术堪比人工智能的这种超巨型经济影响力。而在另一方面,我们今天仍处于初级人工智能时代。根据Gartner和信通院联合编制的2018世界人工智能产业发展蓝皮书发布,人工智能仍处于早期采用阶段,仅有4%的被调研企业已经投资并部署了AI技术。

     2019年5月21日,以“‘智能+’时代,我们与科技的对话”为主题的2019 IBM中国论坛,诠释了人类在人工智能初级时代要做的事情——通过与科技的对话,打开想像的空间。在2019年2月,IBM研究院还牵头成立了AI硬件中心,通过与科研和产业界的协作,要在未来十年提升AI性能效率千倍,加速人工智能“空中客车”到来的进程。

     AI硬件加速创新:人工智能“空中客车”

     众所周知,以神经网络为代表的人工智能计算对于芯片等计算硬件体系带来了极大的挑战,现有的基于冯·诺伊曼架构的计算硬件体系已经遭遇瓶颈,而摩尔定律也在失效。面向未来的“智能+”时代,量子计算是长期趋势和解决方案。IBM已经在量子计算方面投入了大量研究,并在2019美国CES展以及IBM Think大会上,展示了目前全球唯一一台脱离实验室环境运行的量子计算机“IBM Q System One”。

     不过,当前离量子计算机商用和量产还较远,更现实的解决方案是改造现有的芯片硬件架构,以满足当下的人工智能计算需求。

     2019年2月成立的IBM研究院AI硬件中心(IBM Research AI Hardware Center),就是为了应对未来十年的智能计算需求而投资的研究机构。该机构为开放式研究方式,将与其它研究机构和产业公司一起对话及合作,共同加速面向AI优化的硬件创新。其中,商业和产业合作伙伴有Samsung、Mellanox Technologies、Synopsys、Applied Materials、Tokyo Electron Limited(TEL)等。

     经典的冯·诺伊曼架构在应对人工智能计算时,其主要挑战在于处理器/存储器带宽瓶颈,因为人工智能计算属于大规模并行计算,而这个计算模式并不是当前CPU的设计初衷。虽然今天的AI系统已经在高带宽CPU和GPU、专门的AI加速器、高性能网络设备等方面取得了进展,但要保持沿着这个方向的跃进,仍然需要投入大量的研究。IBM研究院AI硬件中心的目标是将当前的人工智能系统性能效率在未来十年提升千倍。为了达到这个目标,IBM与众多合作伙伴一起,推进从芯片、材料、架构等硬件到支持AI计算任务软件的创新。

     IBM研究院AI硬件中心主要推动IBM和生态伙伴们,在IBM的数字AI内核(Digital AI Cores)以及基于内存计算的模拟AI内核(Analog AI Cores)等技术基础上,展开“千里大跃进”。IBM认为,基于现有技术的深度学习计算能在2020年左右达到1000GFlops/W的计算能力;基于数字AI内核技术的深度学习计算能在2021年左右达到接近1万GFlops/W的计算能力,也就是十倍能力的提升;而基于模拟AI内核技术的深度学习计算能在2023年左右达到接近5万GFlops/W的计算能力,结合了优化的材料后则能在2025年左右推进深度学习计算达到10万GFlops/W的计算能力,并进一步在2030年左右达到100万GFlops/W的计算能力,也就是今天计算能力的千倍提升。

     IBM研究院半导体及AI硬件副总裁Mukesh Khare就此撰文指出:硬件在狭义AI技术的成熟过程中扮演着基础性角色,而IBM推动的下一波硬件创新将起到更加重要的作用。IBM研究院将聚集于多年期的技术路线图,以为业界开发和交付专用加速内核、芯片架构等,大幅提升AI系统的性能。虽然当前AI系统的千倍性能提升还不能达到“登月”的效果,但足以让人工智能“空中客车”的到来成为可能。

     AI软件加速创新:扩大数字化转型范围

     如果说量子计算是“智能+”的长期趋势、AI硬件创新是“智能+”的中期趋势,那么AI软件创新就是当下的“智能+”趋势。正如Gartner研究副总裁John-David Lovelock在对2019全球IT支出预测时所表示的,虽然人工智能正在对IT支出产生重大影响,但它的作用经常被误解——人工智能并不是一种产品,而是一套技术或一门计算机工程学科。正因如此,人工智能被嵌入到许多现有的产品和服务中,并成为每个行业新研发计划的核心。

     AI软件创新,就是在现有的硬件基础上,让AI能力可以具象到具体的产品、服务和企业中。2019年4月,IBM在大中华区发布2019《认知型企业:发挥人工智能优势,全面重塑企业——七大成功要素》报告指出,企业需要充分利用呈指数级发展的技术,“由内而外”地展开全面的数字化重塑,打造新型的商业模式,这就是“认知型企业”。认知型企业能够自动在企业外部收集、了解客户需求,再充分发挥人工智能的优势,从内部的平台、架构、数据、人才等关键的企业内核任务作出反应和决策,更好应对复杂的客户需求和多变的竞争环境。

     “认知型企业”对于数字化转型来说非常重要,也是数字化转型的第二篇章,即数字化重塑。而建立“认知型企业”,扩大数字化转型进入到数字化重塑,就需要把AI嵌入到企业的方方面面,这就需要把AI软件进行基础设施化和平台化。实际上,在过去几年的AI商业大发展初期阶段,最大的问题就在于碎片化的AI软件和服务。仅在中国市场,截止到2018年5月,就有超过4000家人工智能企业,由此而带来了大量碎片化的AI软件与服务,而企业在选择这些AI软件与服务时往往无所适从。

     多人工智能环境是继多云环境后,企业数字化转型与数字化重塑所面临的多种数字技术集成难题,也是扩展人工智能应用的重大挑战。2018年10月,IBM推出了AI OpenScale,面向多云环境支持多种开源AI算法,包括谷歌TensorFlow、微软AzureML、SparkML、Keras、Seldon以及AWS的SageMaker等,帮助企业统一集成管理各类AI算法框架和软件。而支持AI OpenScale的IBM Cloud Private私有云软件则基于当下最流行的Kubernetes,天然可跨多种云及IT环境,特别是IBM Power System等专为企业级工作负载而设计的服务器系统。在此基础上,IBM Watson能够运行在任意的IT环境中。而在扩展AI方面,IBM还在用AI管理AI,例如IBM Watson Studio就用AI自动选择适用的AI算法等。

     在AI平台以及AI的基础设施之外,IBM还在将Watson的能力扩散到各种商业应用软件中。嵌入在Watson Campaign Automation SaaS解决方案中的IBM Watson Assistant for Marketing功能,可以帮助营销人员通过 Watson 将繁忙的营销工作转换为简单的对话;定制的Watson工具集,可帮助工业企业使用视觉和听觉检测功能,显著降低对产品检测资源的需求;IBM推出的AI functionality for HR 能够分析背景各异的现有优秀员工的背景信息,帮助招聘经理甄选合格申请人;Watson Decision Platform for Agriculture农业智能平台可收集多个来源的数据,如接入天气信息、连接物联网的拖拉机和灌溉装备以及卫星图像等,并通过简单易用的 APP 提供单一的总体预测性农场视图等等。

     AI信任与人才:可持续发展的智能+未来

     在“智能+”时代的当下及中长期趋势之外,AI信任与AI人才是一个可持续“智能+”未来的基石。多项人工智能相关调研显示,AI人才短缺以及缺乏对AI的信任,是企业难以采用和扩展使用人工智能的重要前提。正如从发现电的存在到人类第一个电厂之间的150年,当时的人们同样也缺乏相关的电力电能等人才以及对于电的信任。不过好在现在的人类已经有了应对陌生新技术的经验,以及IBM这样大规模商业推广新技术的企业。

     在建立人们对AI信任方面,IBM认为一个可信任的AI系统,需要遵循几个基础原则:公平性(Fairness),即AI系统应该采用不带偏见的数据集和模型,从而避免对于特定群体的不公平;健壮性(Robustness),即AI系统应该安全和可靠,不会被篡改,也不会受被“污染”的训练数据集影响;可解释性(Explainability),即AI系统所提供的决策或建议,应该能够被用户和开发者所理解;可追踪(Lineage),即AI系统的开发、部署、维护等可被追踪,能够在生命周期范围内被审计等。

     IBM不仅提出了开发新型人工智能技术的信任原则和透明度原则,而且还将这些原则付诸实践。IBM推出了一项旨在提高人工智能透明度的技术,这是一项基于IBM云计算的软件服务,能够在人工智能进行决策时自动检测偏向性并能够对决策过程进行解释,从而帮助各行各业的组织管理人工智能系统。IBM服务部门也将与企业一同合作,帮助他们更好地利用这一软件服务。

     作为Partnership on AI的创始成员之一,IBM长期以来一直关注人工智能的安全、透明、可信赖以及合理发展。IBM研究院还向开源社区提供AI Fairness 360工具包,其中包括一系列新型算法、代码和教程的资源库,可为专业学者、研究者和数据专家提供在构建和部署机器学习模型时整合偏向性检测功能的工具和知识。

     当然,IBM也在通过技术手段,建立人们对AI的信任。2018年的IBM人工智能辩论系统Project Debater,就是这样一种人与科技的对话,通过人类辩手和人工智能辩手Debater之间的辩论较量,让人们更好的理解人工智能的能力和优缺点。辩论本身不是因为冲突或竞争,而是更有建设性的讨论,辩论丰富了决策制定的过程,帮助人们权衡新想法、新理念的利弊。辩论也是为了理解和学习彼此的观点,因此Project Debater就通过人机辩论这种创新对话的方式,建立人们对于人工智能的信任。

     而在AI人才培养方面,在2019美国IBM Think大会上,IBM宣布推出了AI Learning and Certification Program,包括到IBM研究院场所的现场培训和研讨、在线培训课程以及IBM提供的AI认证,特色课程有AI模型偏见检验检测等。也就是说,IBM通过培训把人才培养以及对AI的信任连接起来,以确保可持续的智能+未来。

     IBM董事长、总裁兼首席执行官Ginni Rometty 曾表示 :“IBM致力于引领改变世界运作方式的技术——并解决许多人尚未想到的问题。”在2018年,IBM共获得了9100项专利,其中一半的专利涉及人工智能、区块链、量子计算、安全和云技术。2018年是IBM 连续第 26 年成为专利领导者,这让IBM超过了总共110,000项专利的里程碑。

     正是在雄厚的技术发明创造能力之上,IBM在全球范围内推进人工智能从“电能”到“电厂”再到广泛应用以及更进一步发明“空中客车”的进程。当AI性能效率提升千倍时,“智能+”的大时代就真正到来了。

评论