对话 IBM，Watson Assistant 是如何力压群雄的？

雷锋网按：智能助手是一个炙手可热的 AI 应用，它是指支持企业通过文本、语音或网页聊天窗口交流的智能软件。 IBM 表示，企业级的人工智能虚拟助手不只是聊天机器人。 近日，IBM 数据及 AI 部门总经理 Rob Thomas 接受了 VentureBeat 创始人 Matt Marshall 的采访，并预测三年内所有企业都将拥有智能助手。雷锋网在不改变原意的基础上对采访进行了编译。

【 图片来源：VentureBeat  所有者：VentureBeat 】

以下是 VentureBeat 采访 Rob Thomas 的对话实录。

问：Watson 是 IBM 面向人工智能商业领域的平台。但它涉及的范围广，我们没有清晰的认识，您能系统性地介绍一下吗？

答：人们经常会误解 Watson。 IBM Watson 简单来说有三点：

首先，Watson 是为那些想要自主研发 AI 的公司提供的一套工具。因为如果你是研发者，你需要一个地方来建立模型、部署，你需要搭建和管理模型的生命周期，并了解决策该如何做出。你需要包括语言、声音和视觉在内的人类特征。

也许最鲜为人知的事实是，Watson 85% 的作品都是开源的。人们已经在 Python 中构建模型，在 TensorFlow 中部署。

第二，Watson 是一组应用程序。当我们说要把它打包成应用程序，方便大家购买并使用的时候，我们已经看到了一些很常见的问题。我想举一个 Watson 客户——苏格兰皇家银行的例子。我们有个叫做 Watson Discovery 的东西，它可以基本理解非结构化或半结构化数据，通过文本索引、理解文档和 PDF，进而了解客户、反洗钱与操作风险。

第三，Watson 是嵌入式 AI，我们或其他公司可以通过 Watson 轻松地将我们的 AI 嵌入到他们的产品中。一个很好的例子就是我们与 LegalMation 公司的合作。通过将 Watson 嵌入文档发现应用程序，他们实现了法律流程自动化，现在可以在几个小时内完成一名律师 30 天才能完成的工作。

问：当前智能助手市场真的很热。您认为 Watson Assistant 是你们所有 AI 应用程序中最成功的吗?

答：不一定。Watson Discovery 已经推出好几年了，人们一直希望从数据中获得更多信息。但 Watson Assistant 可能是最热门的领域。智能助手可能是大多数企业都没有的，我有信心地说，未来三年内，所有企业都将拥有智能助手。

问：Watson Assistant 和其他聊天机器人应用程序有什么不同？

答：Watson Assistant 是一个人工智能虚拟助手。我会把它和聊天机器人区别开来，后者大多是基于规则的引擎，但 Watson Assistant 的核心是一个意图分类模型，所以它在理解意图方面做得很好。仅仅基于用户提的问题，就能感受到他们想做什么。

问：你如何看待当前智能助手领域的竞争？

答：这是一个价值 25 亿美元的市场，是大家都很关注的领域。有趣的是，除我们之外，没有什么大的玩家。不乏成千上万的“萤火虫”（雷锋网按，开发智能助手的公司），这是个非常分散的市场。

我可以在两周内就开一家聊天机器人公司，因为基础工作其实很简单。做别的事就难多了。可能有一半使用 Watson Assistant 的客户原先用过市面上的聊天机器人。他们发现聊天机器人已经满足不了他们的需求：多渠道交流（聊天、语音、电子邮件等）、连接到所有的数据源、或者与大约 100,000 个用户即时对话。

正如我提到的，Watson Assistant 能够实现意图分类。此外，我们还会帮用户解决理解数据的问题，如果数据存储在不同的云上，可以跨多个存储库、跨多个云索引大量数据。

另外还有一点，所有竞争者都可以进行超参数优化，但只有我们能进行特征工程。通过 AutoAI，我们可以自动进行特征工程，减少 80% 的数据科学工作，数据科学家可以腾出更多时间投入机器学习模型的设计、 测试和部署等工作。

问：用户在哪些场景下应该选择 Watson Assistant？

答：如果只想完成一些基本的任务，比如重新设置密码，其实并不需要 Watson Assistant，因为任何基于规则的引擎都可以做到这一点。如果想达到任何层次的互动、决策、理解（或意图），那么用户就需要 Watson Assistant 。这么来讲吧，大多数公司开发的智能助手只能回答 10 个问题，但如果想让智能助手回答 500 个问题，就需要 Watson 了。

问：那亚马逊、谷歌或微软呢？ 他们是竞争对手吗？

答：他们只是在为那些已经在开发公共云的公司服务，但这是个 IBM 甚至都谈不上真正参与的市场。

问：IBM 关注哪个市场？

答：如果用户说，我有 AWS、IBM 云、Azure 和 Google 的一大堆本地数据，我需要一个引擎联合所有这些不同的数据源。那么这个问题便是我们要解决的。

问：我明白了，所以您认为 IBM 是唯一的玩家，不会强迫用户使用特定的云。您如何看待微软在 Ignite 大会上发布的智能助理和 Arc？微软表示，允许自己的 Azure 云产品和管理应用到多个云上。

答：目前任何人都可以在任何云端部署 Watson。虽然我们已经看到了其他公司的声明，但我们不知道他们是否有能力在任何云上运行来自其他公司的 AI。

问：您一月份接管了 AI 业务，最近宣布推进 Watson Anywhere。您觉得最大的动力是什么？

答：我们采取的第一个重大举措是 2 月宣布 Watson Anywhere。要注意的是，在此之前，用户唯一可以使用 Watson 的地方是 IBM公共云。因此，我们宣布 Watson Anywhere 便意味着无论数据在 AWS、Azure、Google，还是阿里巴巴云上，Watson 都能适用。从那以后我们就有了巨大的动力。

问：为什么亚马逊、谷歌、微软没有做同样的事情？

答：他们在这方面受战略定位影响。他们的混合云策略是，只要用户连接到他们的公共云，他们就为用户服务。所以这是一条单行道。

这与我们不同。我们是唯一一家声称自己独立于云计算的公司。这就是我们对 Red Hat 所做的以及我们如何使用 Red Hat OpenShift 作为跨云的公分母的全部要点。这在我们看来是独一无二的。

问：一个价值主张到底有多大？ 从 AWS 移到别的云有多难？

答：这简直是不可能的。想一想：如果用户在 AWS 上构建了一些东西，那么他们就是在拼接专有的 API。用户其实什么都没有，只是租用了整个应用程序和数据基础设施。所以这并不是“这样做有成本，但我们可以移动它”那么简单。

因为这些专有 API 并不在另一个云上，这就涉及到了我们的整体策略——用户可以做同样的事情，但如果是用 Red Hat 来做，那么移动就变得很容易。因为用户只要编写一次，就可以构建通过 Red Hat 提供的二进制文件（根据定义是开放的），然后就拥有了完全的可移植性。所以这是非常关键的。

问：您认为这一优势什么时候会在 IBM 的盈利业绩中体现出来？

答：上季度，我们曾公开 Red Hat 的营收从14% 增长到了 20%。我不认为这是巧合。

问：您认为谷歌、亚马逊、微软在哪些人工智能领域领先？

答：他们都有家庭音箱，所以他们在声音领域会比我们好。另外，任何与社交媒体相关的领域，他们都可能做得更好。但是语音和图像的企业应用非常小，就像不存在一样。所以这并不困扰我。在语言方面，IBM 的能力也不可小觑，不过这也不是我在企业中看到的真正的交互模式。如果我们必须发展这一领域，可以说我们已经准备好了，但这不是我们关注的重点。

问：为什么 AI 部署如此困难？ Gartner CIO 的一份报告显示，虽然大约 90% 的 CIO 知道 AI 的潜力，但去年只有 4% 的公司部署了 AI。

答：Gartner 的报告显示，今年的部署数量高达 14%。原因何在？ 这是我选择 Watson 时提出的第一个重要问题。我想可以归结为三点。一是数据——不可访问的数据、没有可用形式的数据、分散在多个云中的数据。二是大多数公司都不具备生产所需的数据科学家，因此技能是一种限制。三是信任——公司对人工智能的恐惧。

在这三个领域取得突破之前，人工智能的采用过程将是缓慢的。所以我们的策略集中在这三个方面。首先，将 AI 连接到数据，即通过 Watson Anywhere 把 AI 带到数据所在的地方。

其次，在技能方面，我建立了一个由大约 100 名数据科学家组成的团队，他们的唯一工作就是帮助用户将他们的第一个模型投入生产。这获得了巨大的成功。Harley Davidson 等公司、Nedbank、WPP 成员 Wunderman Thompson 都在靠这个团队提供支持。

第三，我们最大的产品投资之一是信任。通过信任，Watson 拥有提供数据的能力，知道数据来自哪里，管理模型的生命周期，管理模型中的偏差，以及漂移和异常检测等——所有人们在开始扩展 AI 环境时担心的事情。

问：IBM 经常被认为是一个传统的参与者（至少在硅谷的投资者和创业生态系统中），您会因此感到困扰吗？

答：最近有人来找我，问我“你是如何吸引人们来 IBM 的？”我的回答很简单。这就像是我做的最简单的事情，因为大多数从事 AI 的人希望他们的代码掌握在尽可能多的人手中。 IBM 业务分布在大概180个国家和地区，还有什么地方比 IBM 更好？世界上所有大企业都在使用我们的产品。如果你想在世界各地以及 AI 开发中留下自己的指纹，我想没有更好的地方了。

我想我们有一个很好的定位。我们没有进入图像识别领域，只是因为我们没有开展业务。我想说，我们所做的工作背后的核心技术是自然语言处理（NLP）。对于我所说的“企业 AI”，自然语言处理将决定赢家和输家，因为语言是公司的运作方式，无论是通过文本、语音、互动或对话。

我们的大部分技术都来自 IBM Research。今年早些时候，我们展示了 IBM Debater，这是一台可与人类辩论的计算机。我们现在正在将一些核心自然语言处理技术引入到我提到的一些产品中，比如 Watson Assistant 和 Watson Discovery。能够推理和理解将是 AI 的基础。