
探訪IBM美國(guó)沃森研究中心:用大數(shù)據(jù)“思考”
如果說Facebook和Google代表了美國(guó)西岸硅谷科技公司的年輕、活力,那么位于美國(guó)東岸紐約市以北約克敦海茨的IBM沃森(Watson)研究中心則體現(xiàn)了老牌IT企業(yè)的低調(diào)、務(wù)實(shí)。
如果說Facebook和Google代表了美國(guó)西岸硅谷科技公司的年輕、活力,那么位于美國(guó)東岸紐約市以北約克敦海茨的IBM沃森(Watson)研究中心則體現(xiàn)了老牌IT企業(yè)的低調(diào)、務(wù)實(shí)。
和寸土寸金的紐約市中心不一樣,從紐約市中心向北,在不堵車的情況下,車程1小時(shí)左右,就會(huì)來到這個(gè)有些像“郊區(qū)”的地方,環(huán)境優(yōu)美、地廣人稀。IBM沃森研究中心就坐落在這個(gè)有著大片的空曠場(chǎng)地和連片樹木的區(qū)域。
“這里低房?jī)r(jià)和高質(zhì)量的空氣,也是我們吸引全球人才的優(yōu)勢(shì)?!盜BM沃森研究中心吳澄博士笑言。當(dāng)然,吸引全球人才聚集這里的原因遠(yuǎn)不止這么簡(jiǎn)單。
IBM沃森研究中心正在研制中的由500 種應(yīng)用程序構(gòu)成的“星系圖”。
“由重轉(zhuǎn)輕”,成為信息服務(wù)商
近年來,IBM致力于“由重轉(zhuǎn)輕”:從一個(gè)傳統(tǒng)的硬件制造商,轉(zhuǎn)變?yōu)橐粋€(gè)信息服務(wù)商。
沃森研究中心是IBM研究院的總部,是全球業(yè)界最大的研究機(jī)構(gòu)之一,負(fù)責(zé)管理全球13個(gè)實(shí)驗(yàn)室。IBM研究院顧問John.D.Mackay在IBM實(shí)驗(yàn)室向人民日?qǐng)?bào)社代表團(tuán)展示了他們正在做的星系圖,由500多個(gè)工具構(gòu)成的信息平臺(tái)旨在增加不同實(shí)驗(yàn)室、13個(gè)研究中心之間的互動(dòng)性,同時(shí)也是客戶和研究人員交流的平臺(tái)。IBM所有的研究成果和進(jìn)程都可以在這個(gè)平臺(tái)上看到并共享。
Mackay介紹,IBM的研究方式已經(jīng)發(fā)生變化,傳統(tǒng)的研究方式是研究人員走進(jìn)實(shí)驗(yàn)室做研究,發(fā)明出一個(gè)新東西之后,研究工作就結(jié)束了。但是如今,研究人員必須要走出門到真實(shí)的世界中做研究,或者說“現(xiàn)在的世界已經(jīng)變成了一個(gè)大實(shí)驗(yàn)室”,這就需要IBM和業(yè)務(wù)合作伙伴一起協(xié)作。比如說,當(dāng)IBM需要在醫(yī)療方面做進(jìn)一步研究時(shí),就要走進(jìn)醫(yī)院;當(dāng)IBM需要對(duì)水資源管理進(jìn)行研究的時(shí)候,就要與水資源管理部門打交道;在研究電力管理的時(shí)候,可能要與國(guó)家電網(wǎng)這樣的部門進(jìn)行協(xié)作。只有與業(yè)務(wù)合作伙伴進(jìn)行協(xié)作,才能實(shí)現(xiàn)既定的愿景目標(biāo)。
2014年,IBM軟件和數(shù)據(jù)服務(wù)業(yè)務(wù)營(yíng)收為250億美元,占到IBM營(yíng)收的27%。在2015年2月IBM的投資者大會(huì)上,IBM宣布,希望到2018年公司可從“戰(zhàn)略緊迫性”業(yè)務(wù),即CAMSS(Cloud、Analytics、Mobile、Social、 Security)中獲取400億美元的營(yíng)收。該目標(biāo)凸顯了IBM“從重到輕”、從硬件和服務(wù)器業(yè)務(wù)向新興的高利潤(rùn)率業(yè)務(wù)轉(zhuǎn)移的戰(zhàn)略。
IBM副總裁James Sciales告訴人民日?qǐng)?bào)社代表團(tuán),IBM研究中心對(duì)于下一代認(rèn)知計(jì)算機(jī)投入了很大的精力,如果過去的計(jì)算機(jī)主要是計(jì)算、計(jì)數(shù)的話,那么發(fā)展到現(xiàn)在,有了認(rèn)知能力的計(jì)算機(jī)可以自己去學(xué)習(xí),這就是人工智能。
會(huì)思考的“沃森”
據(jù)James Sciales介紹,人工智能的代表IBM的超級(jí)計(jì)算機(jī)“沃森”,不僅可以識(shí)別文字、地理位置,甚至還可以部分感知人的情感,感知高興、悲傷,未來還要試圖讀懂人類的語言,學(xué)會(huì)思考,要看到東西、明白圖像。
沃森由90臺(tái)IBM服務(wù)器、360個(gè)計(jì)算機(jī)芯片驅(qū)動(dòng)組成,擁有2880個(gè)處理器核心,約有10臺(tái)普通冰箱那么大,內(nèi)裝超2億頁(yè)新聞圖書等資料,能聽懂英語,與人對(duì)話。
沃森最早進(jìn)入公眾視線,一戰(zhàn)成名于2011年那場(chǎng)著名的人機(jī)大戰(zhàn)。2011年2月,IBM超級(jí)計(jì)算機(jī)沃森作為選手參加了美國(guó)電視智力答題節(jié)目《危險(xiǎn)邊緣》,并以絕對(duì)優(yōu)勢(shì)擊敗了該節(jié)目歷史上最成功的兩位人類冠軍,贏得最后的勝利。這不僅表明了沃森具有強(qiáng)大的數(shù)據(jù)和自然語言的處理能力,也表明了它正在朝著可以“思考”的近人類思維的方式邁進(jìn)。
經(jīng)過4年多的繼續(xù)研發(fā),沃森展現(xiàn)了超強(qiáng)的學(xué)習(xí)能力,并且它已經(jīng)開始在醫(yī)學(xué)領(lǐng)域嶄露頭角。
吳澄告訴人民日?qǐng)?bào)社代表團(tuán),作為一臺(tái)具備學(xué)習(xí)能力的超級(jí)計(jì)算機(jī),沃森可以根據(jù)醫(yī)學(xué)資料和期刊信息來分析某種癌癥并給出治療方案。如果人工操作,對(duì)于一些比較罕見的癌癥治療方案大概需要4個(gè)月的時(shí)間去分析,而沃森只需要4分鐘。
根據(jù)美聯(lián)社的報(bào)道,2012年3月,斯隆凱特林癌癥紀(jì)念中心的科學(xué)家們拿出了60萬份醫(yī)療證據(jù),150萬份病人記錄和200萬頁(yè)文字內(nèi)容的醫(yī)療日志,以及1500個(gè)肺癌病例給沃森用來“充實(shí)自己”。
將這些資料和數(shù)據(jù)集成在一起,沃森就能從數(shù)據(jù)庫(kù)中找出內(nèi)在的聯(lián)系和一些人類無法總結(jié)出的趨勢(shì)。未來,沃森的應(yīng)用程序可以在電腦或平板上運(yùn)行,它能將一個(gè)病人的資料和病史與自己的數(shù)據(jù)庫(kù)做對(duì)比,之后應(yīng)用程序返回的數(shù)據(jù)會(huì)被作為醫(yī)生作出診斷和制定方案的參考。例如,有位癌癥病人,她向醫(yī)生提出請(qǐng)求能不能設(shè)計(jì)不要掉頭發(fā)的療程,因?yàn)樗男『⒆雍苄。幌M⒆涌吹侥赣H頭發(fā)掉光。醫(yī)生將需求輸入沃森,沃森基于已經(jīng)了解學(xué)習(xí)的大量醫(yī)學(xué)知識(shí)和病例,結(jié)合患者體質(zhì)特征,真的設(shè)計(jì)出了不掉頭發(fā)的治療方案。
不僅如此,沃森借助大數(shù)據(jù)和人工智能還將服務(wù)領(lǐng)域成功擴(kuò)展至天氣預(yù)警領(lǐng)域。IBM研究院顧問John.D.Mackay向人民日?qǐng)?bào)社代表團(tuán)介紹了沃森在精準(zhǔn)天氣預(yù)報(bào)方面的應(yīng)用。
Mackay表示,這個(gè)項(xiàng)目已經(jīng)進(jìn)入實(shí)際應(yīng)用階段,是IBM和墨西哥一家公司合作的成果,主要應(yīng)用功能為提前對(duì)極端天氣做出預(yù)測(cè),根據(jù)大數(shù)據(jù)分析,沃森可以對(duì)哪里可能出現(xiàn)斷電和斷電面積、范圍等做出預(yù)測(cè),有助于墨西哥的這家公司提前將搶修人員派到前線。
“和一般的氣象局提供的信息不同,IBM為公司定制的精準(zhǔn)天氣預(yù)報(bào)可以精細(xì)到2公里內(nèi),并將預(yù)報(bào)時(shí)間縮短為每10分鐘播報(bào)一次?!?Mackay說。
除此之外,沃森也會(huì)在未來參與到農(nóng)業(yè)的無人機(jī)運(yùn)作和監(jiān)控食品安全整個(gè)過程等多項(xiàng)實(shí)際應(yīng)用領(lǐng)域。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11