“十项全能”的 IBM沃森人工智能都学会了哪些技能？

在 IBM 的人工智能沃森于 2011 年在 Jeopardy! 中击败人类冠军 Brad Rutter 和 Ken Jennings 之后，它并没有依靠赢得 77147 美元奖金过活。和微软的小娜与苹果的 Siri 不同，沃森的父母 IBM 并不愿意让它免费在自家吃住，所以沃森在医疗保健领域找了一个工作——通过提供治疗建议帮助健康保险公司 Wellpoint 和医生。

自那以后，加上后面跟进的超过 10 亿美元投资，沃森学会的技能越来越多，工作能力也越来越强。通过机器学习、自然语言处理以及其它各种技术的结合，沃森正为多种领域的许多不同类型的公司提供帮助：除了医疗保健，沃森还在时尚、酒店、视频、游戏、零售、金融服务和兽医学等领域崭露了头角。

其最新的工作甚至已经涉足到了保护计算机免受其同类的伤害。本周二，IBM 公布了用于网络安全的沃森计划——一个基于云的服务，而非配置在企业控制的私有主机上。

今年秋天，在八所大学的研究人员的协助下，沃森将开始学习识别网络安全威胁，以望其认知能力能帮助识别恶意代码和制定减损策略。其训练数据的核心将来自 IBM 的 X-Force 研究库，该库中包含了 800 万条垃圾邮件和网络钓鱼攻击的数据，还有超过 10 万个漏洞。

IBM 相信沃森理解非结构化数据的能力使其非常适合恶意软件搜索。该公司说互联网上 80% 的数据都是非结构化的，而典型的组织只能利用其中的 8%。鉴于人工智能已经在欺诈检测中发挥了相当大的作用，所以沃森向网络安全的进军实际上也并不令人惊讶。

IBM 安全部门总经理 Marc van Zadelhoff 将沃森看作是网络安全人才匮乏的一个答案，他在一份声明中说：“即使该行业能在 2020 年之前填补上安全领域的大约 150 万个空缺岗位，我们仍在安全领域面临技能的危机。”

所以可以说机器人正在抢占工作岗位。但这可能是最好的，因为正如 IBM 所说：每月处理超过 15000 分安全文件是相当繁琐的。与此同时，沃森还可以享受免费劳力的好处：其训练工作将由参与这一项目的八所大学的学生提供。

下面我们通过部分应用案例对沃森已经涉足并产生了收益的领域进行了盘点，快来看看你是不是已经成为了沃森的同行。

时装设计

沃森为时装公司 Marchesa 设计该公司所谓的认知礼服（cognitive dress）提供设计建议。 Marchesa 的设计团队告诉沃森他们想传达怎样的情绪，而沃森则反馈色调和面料建议。IBM 的人工智能还通过社会渠道识别该时装所表达的情绪，并使用那些数据调节服装上安装的 LED 的亮度。

个人助理

今年三月，希尔顿全球酒店集团推出了名为 Connie 的机器人门房（得名于该连锁酒店的创始人），而该机器人正是由沃森驱动。Connie 使用沃森 API 回答关于附近的景点和酒店相关服务的问题。

食物

Bear Naked 向客户提供了创造自己的燕麦配方的机会。为了防止客户被成千上万提供给他们的潜在成分组合淹没，该公司便聘请了沃森。该人工智能系统被称为大厨沃森（Chef Watson），它可以向用户已经选择的配方提供补充建议。

要与可可/腰果油的基础混合，沃森可能会推荐山核桃、核桃和菠萝块，而不会建议椒盐脆饼位、薰衣草和冻干蘑菇。

医疗保健

IBM 在“沃森健康”的巨额投入有目共睹，而在癌症、糖尿病等医疗领域，沃森也在努力向前迈进；并也已经产出了一些有经济价值的应用。比如Welltok 公司开发了一款集成了沃森服务的应用 CaféWell Concierge，该应用可让使用者管理自己的医疗保健和福利。而沃森在其中可以帮助该软件理解自然语言和提供个性化的健康相关建议。

兽医学

沃森为一些动物提供医疗保健服务。通过来自 LifeLearn 公司的兽医应用 Sofie，沃森可以帮助兽医询问问题和接收关于动物保健与治疗的答案。

比赛分析

Edge Up Sports 与 IBM 团队合作为足球运动带来了分析能力。通过沃森的 API，该公司的应用可以分析关于足球及运动员的巨量数据，从而让使用此服务的球队能获得更好的训练和比赛策略。

潮流追踪

2015 年 11 月推出的沃森 Trend 应用可以为消费者提供对流行产品的分析见解。通过分析网络上的数百万条对话，沃森 Trend 可以识别出最流行最时尚的 100 种产品，涉及范围包括消费电子、玩具和健康/健身。

商业分析

IBM 与多个行业合作开发了名叫  Expert Storybooks 的数据发现模型。通过与沃森的结合，这些模型能够分析很多相关联的数据，比如天气对啤酒销量的影响。如果你是卖啤酒的人，这样的数据必定很有价值。

对于十项全能的Watson ，上海元趣CEO兼首席科学家、拟脑机器人之父吴义坚总结：

“IBM Watson的核心是“知识渊博”，也就是具有海量的各个行业的知识库，在此基础上基于自然语言处理和机器学习，提供信息服务和决策辅助。它的人工智能体现在大数据的分析、挖掘和决策上，其目标是打造一个全能型的行业知识库平台，让更多的第三方开发者给它提供数据，调用它的引擎为用户提供服务。”

via informationweek