IBM副總裁，大中華區首席技術官 謝東博士

導語：今年，在由《麻省理工科技評論（MIT Technology Review）》主辦的EmTech China——全球新興科技峯會上，AI與未來計算依然是最熱話題。2020年將至， IBM大中華區首席技術官謝東博士解析了你不可不知的AI十大趨勢。

2019年即將過去，2020年很快到來，企業數字化轉型如何突破？

MarketsandMarkets預測全球企業數字化轉型花費將從2018年的2.9千億美元猛增至6.65千億美元1。IDC預計中國人工智能市場將從2018年的161.9億元飆升到2022年接近700 億元2。

在這一輪數字化轉型的大潮中，人工智能仍將是不可或缺的力量。

對於企業CEO和管理者來說，AI人工智能並非洪水猛獸，也不是好萊塢電影裏毀天滅地的機器人，而是必須要跟進的重大戰略。同樣是IDC預測，到2024年，具備人工智能實力的企業，對客戶、競爭對手、監管機構和合作夥伴的響應將比同行快50%3。

IBM已經連續三年被IDC評爲全球人工智能市場的領導者，更被評爲2018年全球人工智能市場排名第一的領導者4。那麼作爲全球人工智能市場的領導者，IBM對於2020年企業CEO的AI戰略有哪些建議呢？

企業如果要用好AI，必須關注的AI趨勢

首先，“AI絕非小事”，AI將滲透到企業的“每寸土地”。以AI爲核心的數字化轉型對於企業的賦能將絕對不亞於傳統IT技術爲企業帶來的變化。

人工智能的概念由來已久，但到近年來才真正開始發揮作用，不是因爲發生了算法革命，而是兩種其它重要趨勢的影響：積累了訓練神經網絡模型所需的大量標註數據；計算基礎架構讓深層的更神經網絡比之前使用的各種實現方法更勝一籌。

第二，關注影響廣義人工智能發展的技術

我們正從狹義和弱人工智能走向更廣義、較強的人工智能。目前的人工智能多爲狹義人工智能，通用人工智能未來纔會實現。那麼處於二者之間的就是較強的人工智能。狹義人工智能指專注於特定任務的人工智能，弱人工智能指沒有產生自我意識的人工智能。在當前狹義人工智能任務中，可以利用深度學習在模型預測方面達到超人的準確性，但缺點是需要大量用於訓練的標記數據；在較強的人工智能，可讓人工智能利用較少的數據就能學習並可跨領域遷移知識，這需要推動訓練與推理的統一，這也是IBM的研究重點。

第三，企業在採用人工智能過程中面對的阻礙，與對人工智能系統的信任程度有關

AI的可信性對於企業應用至關重要，只有確保AI所作出的決策是公平、易理解、安全、可信賴，人們才能信任它，AI才能真正發揮作用。一個可信任的AI系統，必須遵循公平性（Fairness）、可解釋性（Explainability、健壯性（Robustness）、透明性（Transparency）四大基礎原則。IBM提供了相應的工具和技能，如AI fairness 360是一個全面的開放源碼工具集，包含度量和算法，用於檢查和減輕AI中不必要的偏見，幫助社區建立對AI的信任;AI Explainability 360是一個開源的最先進算法集合，它使用一系列技術來解釋AI模型決策;在AI的健壯性/魯棒性方面，IBM研究院推出了Adversarial Robustness 360 Toolkit；在AI的透明度方面， AI OpenScale的推出是IBM提高所謂的“黑箱方法”透明度的一部分,從而加速AI的規模化發展。在AI的可解釋性和可追蹤方面，AI OpenScale技術平臺，可以在各種 AI 應用程序運行時，檢測並解決其中的偏見問題，讓企業在人工智能的整個生命週期中實現透明化管理，確保合規。

第四，構建人工智能“階梯”， 助力企業展開人工智能戰略

人工智能“階梯”十分清晰、簡潔，概括而言，共包含四級：

收集——收集數據，讓數據變得簡單易用；

組織——組織數據，爲企業奠定分析基礎；

分析——分析數據，構建和擴展值得信賴、可解釋的人工智能；

注入——登上前三級階梯之後，將在下一階段在整個企業範圍內注入並運行人工智能。

人工智能階梯扮演着嚮導的角色，根據客戶的實際情況幫助他們走上人工智能之旅。

第五：AI技術產品化深化發展，企業可以用更少的數據和專業知識訓練和定製模型

與提供基於互聯網通用知識的AI公司相比，因爲企業對於自有數據的敏感性，IBM非常專注於將AI技術產品化，讓企業可以自行創造所需要的人工智能應用。IBM Watson專注於AI技術產品化，即能夠讓企業用更少的數據和專業知識訓練和定製模型的技術，這包括AI定製便捷化、AI自動化、AI模型的可解釋性以及嵌入式能力。例如在AI定製便捷化方面，Watson Assistant的核心功能之一爲意圖分類，可幫助企業從小型訓練集中學習知識，這意味着企業不需要招聘大批人員進行數據標註。

第六，跨平臺、跨架構、跨領域的數據管理與集成

IBM已經推出了基於紅帽OpenShift運行的多雲數據平臺——IBM雲派之數據工具（IBM Cloud Pak for Data），Cloud Pak for Data可以簡化和自動化地幫助企業從多種數據中獲取洞察的能力，還可以爲企業提供一個開放、可擴展的架構，從而使人工智能數據虛擬化的速度提升430%；將一系列Watson解決方案和預培訓服務推向市場，造福各行各業，包括農業、人力資源、供應鏈、汽車和製造業等；藉助Watson Anywhere，Watson產品可以在混合多雲環境中的任何位置運行，解除廠商鎖定。

第七，AI人才培養纔是真正的企業發展戰略

IBM商業價值研究院（IBV）2019年9月發佈的研究顯示，在AI和智能自動化時代，未來三年內在全球12個主要經濟體中，超過1.2億的企業員工需要學習新技能或接受再培訓，其中在中國就超過5000萬。在受訪的CEO中僅41%表示擁有執行商業戰略所需的人才、技能和資源等。5

IBM在過去的幾年裏一直在爲內部和外部受衆制定技能計劃、課程和認證計劃。此外，IBM 在 2018 年推出了諮詢服務 Data Science Elite Team，旨在根據客戶的目標提供數據科學評估、POC 以及採用數據科學和人工智能技術的藍圖。而在企業人才培養期間，IBM Garage（IBM車庫）能幫助企業數字化重塑，同時打造開放協作和持續學習的企業文化。

第八，企業文化轉型，轉變爲嵌入AI能力的平臺型學習型組織

大多數企業將文化轉變列爲妨礙打造真正的數字化認知型企業的最大障礙，隨着工作方式的變化，企業領導亟需探尋新的激勵、組織和參與模式，“指數型學習”文化將再次成爲學習型企業的發展動力。而建立“指數型學習”企業就需要一個嵌入了AI能力的核心平臺，該平臺能快速有效地持續開展學習，以指數級速度積累知識，適應不斷變化的市場。

第九，更加綠色和安全的AI,需要相應的IA基礎設施

AI的快速發展正在激發更大規模的數據中心，而大規模的數據中心也會“喫掉”城市的電力。此外，數據中心的安全在AI時代也更爲重要。在現有計算架構下，減少數據中心數量和數據中心規模的同時實現更安全的數據中心，唯一方法就是採用更加高度集成的計算機器，這就是IBM z系列大型機和LinuxOne大型機以及POWER小型機。

例如最新發布的IBM大型主機z15，一臺可頂百臺小型機，還可以提供更高級別安全保障，包括可對所有數據進行加密、在數據離開系統後仍繼續實施保護，最大限度減少數據泄露和不合規的影響。通過普遍加密，控制並保護數據以及確保隱私，IBM z15旨在交付最高的安全性，無論數據位於生態系統的任何位置，都能對其實現加密。

第十，關注AI計算的未來

在通向未來通用人工智能和強人工智能的道路上，還有很多黑科技處於探索階段。IBM研究院AI硬件中心的目標是將當前的人工智能系統性能效率在未來十年提升千倍，爲了達到這個目標，IBM與衆多合作伙伴一起推進從芯片、材料、架構等硬件到支持AI計算任務軟件的創新，例如用模擬內核代替當前流行的數字內核，再輔以優化材料，可在2030年提升今年AI算力的千倍6。

而在更遠的未來，IBM已經在原子存儲和量子計算領域佈局，從物理材料入手徹底讓今天的AI計算和算力顛覆式創新。2017年3月，IBM研究員在《自然科學》上發表了可商用原子存儲的階段性研究成果7，後於2019年10月再次演示了利用單個原子作爲量子信息處理的量子位，推進量子計算的商用進展。2019年10月，IBM再次推出原子存儲的最新研究成果：利用單個原子作爲量子信息處理的量子位，而這一發現將是商用量子計算的新基石。2019年9月，IBM總部發布新聞，推出具有53個量子位的第14臺量子計算機並向外界開放，是迄今可供外部使用的最大通用量子計算機8。

IBM能確保企業可以使用世界上最好的人工智能，這是與IBM合作的一個關鍵點。可以說IBM是全球和人工智能領域內最好的研究機構之一，而且IBM有能力吸收人工智能領域內的最新技術。僅去年一年，IBM就發表了600多篇關於人工智能的科技論文，而且獲得了1600多項人工智能專利。IBM確保有足夠的能力，不斷推動人工智能的前進。

預測未來、不如定義未來，從這個角度來說，其實最大的AI趨勢就是與IBM一起共同定義未來！關於這一點，CEO們是否贊同呢？

1, marketsandmarkets, https://www.marketsandmarkets.com/Market-Reports/digital-transformation-market-43010479.html

2, 中國信息通信研究院，《5G+雲+AI：數字經濟時代的新引擎》，http://www.caict.ac.cn/kxyj/qwfb/bps/201912/t20191209_271137.htm

3,《IDC FutureScape：2020年全球數字化轉型預測》,https://mp.weixin.qq.com/s/_8Skm11kpVoAz0aqyBvEWQ

4，IDC Worldwide Artificial Intelligence Market Shares 2018, https://www.ibm.com/downloads/cas/MK85Y8V3

5，IBM商業價值研究院，https://www.ibm.com/downloads/cas/KMXOY6XM

6, IBM Research, https://www.ibm.com/blogs/research/2019/02/ai-hardware-center/

7, IBM Research, https://www.ibm.com/blogs/research/2017/09/quantum-molecule/

8, IBM Research, https://www.ibm.com/blogs/research/2019/10/on-quantum-supremacy/