点击屏幕右上角 “···” 可分享笔记给好友，共享活动精彩
陈怀宇：大家好，谢谢吴晓波频道，和在座的企业家，给我这样的一个机会，给大家报告一下，IBM在人工智能，在认知、制造，在各个行业当中进展和应用的情况。开始之前，看到这么多在座的企业家的朋友们，让我非常的感慨，让我想起20年前，我第一次接触人工智能这个概念，是1997年我在美国刚刚研究生毕业。人工智能当中非常常规性的语言的基础课，也是我最后一门的必修课，上完之后跟很多的朋友一样，就把它丢到脑后去了。因为大多数的朋友都参加了工作，到大的咨询公司，大的企业里面去就职。
我的一位同学，他的成绩并不是非常的优秀，整整一年没有找到工作，因为当时美国的经济正在慢慢的复苏当中，人工智能更加谈不上了。在签证快要到期的时候，他进入了一家非常小的贸易公司，为了可以留在那里。在这个工作中，他仅仅是做做PPT之类的，但是有一天他突然发现谷歌上线了。他惊奇的发现，凡是出现在谷歌首页的，被搜索到的企业总是容易被下订单。怎么样才能让它这个企业保留在首页呢？所以他就写了一个非常简单的外挂，让它的这个网页可以经常待在谷歌前三名，同时他可以动态的在后台调试它的网页的内容。根据网上浏览的这些人，关注的产品的要点，反过来推动了对中国厂家的下单。三年以后，他成为这家公司的合伙人，成为我们本界研究生班第一个亿万富翁。
人工智能在它不经意当中，甚至小指头都没有动的情况下，改变了一个人的命运。20年后的今天我们坐在一起，重新思考人工智能对企业和人类会带量什么样的影响？20年前，1997年，IBM第一次用人工智能的方式，深蓝计算机打败了国际象棋大师。当然这不是第一次接触，在1956年达特茅斯会议上，IBM是参与者。人工智能作为一个学科是在1956年被正式提出来的。深蓝成为人工智能发展史上，非常典型的标志性事件。到2011年，IBM的Waston，作为用自然语言，跟人工智能交互的产品。我们参加了一个竞赛，面对两个最强大的人类的选手，夺得了冠军。又成为了人类历史上里程碑式的标志。当然深蓝封齐了。
IBM的态度，历来都不是把人工智能作用游戏的工具来使用，而是放眼未来，把人工智能跟企业、商业合作。下面请大家看一个短篇，看人工智能是怎么作的？
（播放视频）
大家注意到最后一句话叫做真正？以Waston为平台的IBM的认知技术，它不仅仅是一个畅想。当然作为一家百年老店，作为一家在历史的极点以及行业的深刻洞察上面，都有非常多的积累和应用的企业。IBM是领域里信息化、数字化的领头羊。我们更多的不是谈畅想，我们今天Waston为核心的认知技术，在各行各业都有非常具体的认知案例。除了影片当中的介绍，我想跟大家分享的几个简单的领域。
首先是大家都知道的认知医疗。2015年IBM第一次把人工智能应用到医疗领域当中，它和伏龙凯瑟（音）医院进行合作，Waston癌症医疗的诊疗平台，也在美国众多医疗当中，获得了验证和不熟。除了癌症的公关之外，Waston也在糖尿病等慢病疾病方面进行了公关，特别是跟辉瑞进行几万医疗合作，包括亿医疗机器人等等方面都有很多的建树。在Waston医疗系统也被逐渐的引进，在2015年8月，杭州跟IBM宣布，已经有二十多家医院中国医院引进了Waston，给患者带来福音。
这里大家可以看到Waston在电子消费领域的创新，我们在各个电器厂家都有非常良好的合作，在CES上面，跟中国全球领先的电器公司，推动了认知的电视。这款电视机，不光是能够跟你进行简单的语言互动，它可以在多轮的语言对答中，跟你进行交互。同时对你的观影爱好进行识别，同时对你家庭当中的每一个人的偏好。从而可以帮你进行选影等其它的服务。
IBM在无人驾驶当中，在车联网当中，有非常深厚的极点，几乎是跟全球每一个厂商都有合作。包括奔驰、宝马等等的，这个是非常好的一个。无人驾驶，登上汽车之后，可以跟无人驾驶聊天。在这个园区中哪一家餐馆的评价最好，哪一家餐馆有鱼香肉丝，它会把你送过去。
认知教育，语音方面在认知教育当中可以进行工作。实际的案例是在Waston上面进行实现的，比如说在美国乔治亚洲亚特兰大的学校当中，这个学校的学生，教师当中所有的活动，他们主要的举止行为，都会被Waston捕捉下来。并且根本学习的具体特点进行加强，包括身体、体育等方面的培育，让这个公立学校每年的毕业率每年提高17%。上海一家学校，他们的英语口语是非常好的。能够成规模的推广是有相当大的困难，所以Waston进来帮忙，帮助建立每个孩子的语音模型，帮助建立每个孩子学习习惯的记录。来对孩子进行一对一的个性化的培训，大大的减轻老师的工作量，并且帮助老师对孩子进行语音上评分和矫正。这些都是人工智能帮助企业提高业务表现的案例。
除了以产品的创新来提升企业的表现以外，Waston作为核心的认知技术，最重要的提现在于推动企业的转型。大家人的左面的音响吗？人的它们吗？可能有一些人是音响的发烧友，看到他们会想到什么？会想到很多的品牌，以及大家可能经常在汽车当中的印象上看到的标识。总体来说，它是以音乐、音响作为企业核心技术的一家供应商。在Waston的帮助，他们进一步的拓展自己的服务领域。进入到企业办公室、医院等等的地方。差距在什么地方？大量的知识库的整合，语言的识别，以及语言转化为文字，以及非结构化确认，让这台印象具有服务于人的能力，而不是简单的交互。
比如说在医院当中，有一个要按铃的动作，但是护士进来之前，是不知道你发生什么事情的。同时你要了解今天看病花了当然钱？什么时候出院？以及你的病伤服务。这些都可以让患者了解到。
就像一个服务人员听你参加会议，并且随时对你的要求做出反映，同时还可以把你的会议纪要进行详细的记录。我讲的过程中，这个会议记录在记录的过程中，但是整个片段播放是静默的，没有进行记录。这个小小的音响不只是可以进行全过程的记录，同时可以把你的会议的主要信息进行提取，相当于人类的秘书，这里是把人类的服务给替代掉了。它们有可能认知以语音服务为主的认知空间服务的，新的产业空间里面去。
这是我们中国的一家企业叫做神思电子，它的主要工作是身份识别。在身份识别上面，进一步的扩展，通过我审的基础的架构平台，能够把所有的审核对象跟后台连接。选择了金融和医疗两大对象，在这两个行业领域里，又选择了几个方面进行服务。你设想一下走到银行的大数据当中去，机器人走到你面前来，“你好，王先生，你的感受怎么样？”首先是具有视觉主动性，看到人来了，它会迎上去。另外一个是你作为银行的VIP，他会主动的识别你，然后会问你要办什么样的业务？会对你进行流程的导购。在众多的领域当中，Waston作为导购人员会大量的出现，在美国的希尔顿已经出现了大量的服务机器人。
另外它最终部署的目标是进入到制造业，在机器人的每一个环节中，可以识别出它出来的问题。用一种自然的方式，展现在显示屏上面，或者是用对话的形式，跟工厂的管理人员进行对答。让你可以及时的对工厂的运作进行深入的观察。
刚才讲的是面上的东西，我相信今天有不少是来自于制造业的朋友，当然我指的率范制造业的概念，包括电子、汽车、石油石化，甚至包括家居、食品加工等等的，这样的朋友举一下手。不是很多。但是没有关系，我举的案例，同样适用于其它的行业。
在IBM把智能制造，或者是人工辅助智能，把它称之为认知制造。如果把我们现在的制造行业，按照形态划分有三种性。
一、传统制造业。
二、智能制造。我们可以逐步的把它演进到认知制造。
三、认知制造。
在这三种制造形态中，没一个信息化技术和数字化领域是不一样的。在智能制造和传统制造领域当中主要的要素是不相同的。在认知制造当中，我们会强调深度学习，增强现实技术，以及具有一定能力的智能机器人，虚拟语音技术等等的。在这三个领域当中，它虽然是一个历程，但是希望和大家分享的，每一个企业在演化过程中，有可能针对不同的要素进行配比的。
比如说半导体行业中，特别是芯片制造业，在智能化、数字化，甚至是人工智能运动上，远远的比其它的制造业来的先进。在15年前，我们现在经常讲黑灯工厂、无人工厂等等的。在15年前美国下了一场罕见的大雪，在雪停了以后，发现那边的一个工厂没有任何人生产，但是仍然可以正常的出货。
开门三件实，第一事情ERP，第二是MES，第三是OA，这些是逃不掉的。比如说IBM在做物联网技术的同时，把人工智能一些功能导入到它的企业转型过程中去。它的一些技术要素的应用，又是可以根据自己的实际情况，技术的演进和发展进行选择的。
为什么人工智能在20年后的今天出现了一个大的爆发？特别是在制造业领域中，对这点做了非常多的深入思考。有两个基本的要素：
第一，人类计算能力的突飞猛进。什么是计算能力的突飞猛进？特别是异构计算能力的突飞猛进，主要是这些让以前的热潮跟现在的热潮有相当大的不同。首先是智能芯片，刚才胡总说到类人脑的芯片，第一个是IBM制造出来的。其次是网络，几年前说WIFI现在了不得，昨天有一为大咖，现在已经说5G了，网络跟以前有很大的部分。然后是云计算，以云计算为中心的进行大型的网络部署。还有就是高精度的智能设备，包括大家手上拿的手机，包括大家用的苹果的电脑，包括高精度的摄像头，包括语音，甚至一些上面构建的应用，包括微信。这些都提供了和以前的人工智能很不一样的网络环境，更不用说把所有的设计连接在一起的互联网。
第二，能够引起这样的人工智能的大发展的就是数据。包括传感器上的数据和产品上的数据、部件的数据、人员的数据、设备的数据、流程的数据，除此之外还有非常多的数据在那里。包括八卦的数据，今天这家的产品不好，我在微信上抱怨一下，明天那家产品出现问题，华为的用料不足，我抱怨一下。所有这些数据都有可能被集中起来，都有可能产生它的信息的价值。有这么多的好的计算能力，有这么好的海量的数据，甚至包括好的算法，但是为什么在我们的企业管理过程中，在企业的运营过程中，在我们的生产线的运行过程中，我们仍然面临着诸多的问题，比如说质量返工的问题，劳动力增效减员的问题，订单的变更，设备还是会停机，错误的参数怎么进行匹配，生产线怎么办？有了海量的数据，仍然并不表示它会得到比较容易的解决。
这个时候我就要说，认知计算是帮助你解决问题的好的方法，或者说值得去尝试的好的方法。科大讯飞的胡博士提到认知计算的概念。我不知道大家对认知有多少的理解？给大家做一个简单的解释。整个的认知的基础，基于这些方面，数字是冰冷的，它的意义在什么地方？语音是冰冷的，它的语意在真正地方？是否可以进行自我的学习和积累。认知技术的基础是基于理解、推理和学习。
首先它要能够感知认识环境，这包括什么？人类如何感知和认识环境的？听觉、视觉、触觉、味觉、嗅觉，以及你的心理活动和情感的表达，这些是感知和认识。你怎么样从外部的感官把它吸收起来，从计算机的语言来看，它实际上就是传感器，只是不同的传感器。当你把这些数据，进行传感认知的方式手机以后，你要对它进行推理。我们在这个过程中，判断的只是一瞬间，但是对及其而言，它只是一个推理的过程，当碰到这种情况的时候，我们判断是什么？有哪几种的选择方式？我们在进行危险边缘的智力竞赛的时候，它用的同样是一个原理。
在这个基础上，随着每个数据量和交互的发展，进行不断的学习，以及推理的过程和准确度，不同程度的提高，当然不只是如此，它需要和人进行交互，并且给出指令和具体的帮助。这样的循环，我们称之为认知系统的核心。
在工业环境，企业环境中，我们说认知技术的部署，也是按照同样的原理进行的，收取了大量的海量数据，并不标识它是有意义的，虽然时间的推移，它慢慢的就消失了。所以要准确的抓住海量的数据，进行分析，产品洞察，最后落到执行的效果中去，否则的话企业和商业的利益，它是非常的优先的。
一般来说从数据到洞察到进行与，这一步的内容，是我们经常说的大数据分析。比如说通用电气的平台上，基本上在制造型企业当中，能够实现对数据的预测，这也是我们经常讲的预测性维护。数据不断的积累和学习，真正的把它应用到你的价值当中去。刚才分享的案例都非常强调一点，除了一个感知之外，它的交互的学习，这是大家识别人工智能和伪人工智能的区别。自动化并不表示人工智能。仅仅是感知，也不能标识它是人工智能。凡是你通过触摸，需要设定，需要对它进行辩称的，某种意义上来讲，它都是属于弱人工智能，甚至还没有到弱人工智能的智能化。只有它能够在认识你，然后潜移默化的为你服务的时候，才是人工智能。这是IBM在企业运营过程中，给大家提供的非常重要的方向。
无论是工业4.0也罢，制造业也罢都为大家提供了非常美好的制造业的远景，实际上到目前为止，都没有最佳试验，或者是模板。大家都在进行尝试，同时企业也对它提了非常高的期望，和美好的畅想。其他在企业的运营过程中，可以有时时的洞察，你希望整个企业是自己运行的，是可以自动决策的，在车间当中，每生产出一件次品，它能够及时的报假。这都是非常美好的理想，为了达到这些目的，众多的企业家做了什么事情呢？他安装了ERP，它对于整个供应链进行整修，在不同程度的商业模式上变化。这些尝试都非常的重要，但是并没有跟从根本上解决问题。在数字化和信息化的基础上，再加一层认知，就可以把感知、认知基本的能力串起来。区别在哪里？两张PPT的两个动态图，什么东西没有了？人没有了，本来不需要人的地方，可以自助进行衔和决策上，不需要反。特别是制造型企业来讲，大概是4个层次。
物理层系统和虚拟的两个系统的结合，在认知架构上也提现的非常突出和明显。首先是设备层和机器层要连接起来。另外一个是生产制造和和执行层可以结合起来。我拜访过很多的企业，很多企业都在说自己做智能制造，但是它说：“你们是怎么做的生产计划，和工作安排？”他说：“我还再做表格。”。在最终的平台要体现在运营管理中心，这样的运营管理中心在什么地方看到？在电站，自动化程度越高的电站当中，自动化程度越多。但现在越来越多的企业都在把虚拟和现实进行了集成。下面能力的中端可以部署到成见里去。认知制造怎么打造？刚才的非常宏伟，看着都头晕，咱们一步步来。
先从最小的东西开始做起，首先是最小的阶段，就是验证型。你别急着跳进去做，达到最追目标的，那不行。先探索，实施探索阶段做完，然后把它真正带到车间里面去。然后再在其它的更广泛的范围内进行推滚，最后把它提升到企业层面上。这只是整个企业价值链中的一个环节，可以从中间的某一件小事情开始。你可以从哪一沿事情开始，你可以从你的产品、设计、生产开始。逐步的推进，你对于人工智能的熟悉。最后每一条线走到上面，才会促进企业的转型。这是概念性的东西。
认知技术在制造型企业当中有非常多的应用，这几个技术是IBM已经实现出来的，并且在全球各地部署出来的在那里。我先跟大家分享，认知的外观检测。如果大家做生产的，买到任何一个产品，第一印象是要拿起这个产品，看它是否好看。所以每一个厂家的产品，都会涉及到外观的检测，自动的视觉检测，十年前就有了。在任何的一家正确消费者电器的厂家当中，它都逃不掉视觉检测。一种是一大堆的女工坐在那里看，看看生产出来的外观有没有真正瑕疵。另外是进行长时间的评判。我们来看看加入了人工智能系统之后，它会用什么样的情况？这是中国的一家面板企业，这是一张中国领先的满板企业，感谢投资，让我们的电视机 可以大幅度降价。这家企业，在工作的场合进行了解。数百名的员工检测它拍下来的照片。然后有什么问题，就归到什么地方去。
这个流程做完以后，再重新回到生产线上去，对于有缺陷的板子进行下一道工序，没有缺陷的板子也进行下一道工序。这是我刚才讲的缺陷的分类，这里是六大分类，实际上整个生产过程中120类的缺陷。IBM建造了一个认知视觉食品的系统，在整个基础已经建成。然后在基础模型上进行二次开发，因为你的行业不一样需要调整。这个开发相对简单，大概三个星期就可以完成。然后它跟你的之间圆，老师傅进行质检。
我们看这个案例，这个是讲怎么样进行判断的一个逻辑的过程。这个是过程的具体的那家公司的案例在IBM的实验室当中，我们第一次拿到了800张的训练图象，第一次测试问以后，发现这个面板是否有瑕疵，到底瑕疵是什么类型的？从600张增加到800张，发现它的准确度不大，这个跟它样本的张数有关系。
当那大第三张照片的时候，到了工厂进行测试，上线它面临着完全不一样的环境，缺陷种类大幅度提高，时时正确照片，对于这个机器模型，以前根本没有接触过。花了41分钟32秒的时间，准确度达到了多少？准确度在这里，差一点不到98%。它应该怎么样？它可以毕业了吧？
如果一个公司不用童工，从一个人出生上小学，直达他能够做这样的操作，他至少要18年，对于这样的部署，能够把中间的诸多的环节，人工减少数百名，每年增效。它最主要的原因并不在于次，而是它提高的效率，提高质量，减少抱怨，这个对于企业来讲，是真正有意义的，最后是案例，我讲的比较迅速一点。每个企业特别是生产型的企业，生产设备是企业的子。怎么提高企业的生产效率？怎么样维护设备？往往会提高企业的质量。它的目的不是代替人工维护它，而是更好的帮助人工维护它，就像Waston的医疗平台，不是代替医生，是帮助医生更好的诊断。
在市场上面，我们会经常听说PMPO（音）是早期预警性的维护，一般就做到维护化了，对做起有预警，预警又怎么样呢？你还是要修它。所以它不光是预检，而且通过整个设备的互动，能够更好的帮助，然后是维护他。它像爱立信维护基站的人，它像工厂里面有事情出问题了，你去报修，现场维护的工人。它像半路抛锚以后，它去修理汽车的人。它手拿着设备，它的后面是众多的非结构性数据的来源。我们很多的数据散播在各个角落里，有老师的支持，还有很多原厂商的支持，甚至还有微信上社会的群落。这些社会支持，都可以整合到这当中去，能够现场进行维护。
你想想看，他拿着手机设备，早上性两，他的移动设备想了，下了一个工单，现场要做什么？任何设备都需要你自己去维护。赶到现场去，他告诉你如何的一步步走，甚至你到现场前，就告诉你需要什么时候去取店。这样可以让你第一次维修的准确度大幅度的提高。我可以通过Waston的客户服务顾问，查询以前的服务记录，类子的案例的帮助，互联网都支持，让我进一步提高我的维修工作精准度。
这是一个IBM公司的案例，大概有数千的维修人员在全世界跑。提高了56%，每年的维护费用，每年减少12%，大幅度的减少工作人员培训，以及工作成本，时间原因，我的案例就这些。在制造业中，在不同的AI典型应用场景，IBM都是大幅度的提高。
以Waston为技术，在全球的45个国家推广，并且在二十几个行业当中都有场景应用。我们的合作伙伴在国外有很多，在中国我们也在大幅度的寻找合作伙伴。最后给一些简单的建议，当然可以博古通今，当然可以高屋建瓴，但是这些跟我的企业有什么关系？挣钱吗？一些建议：
一、大出着眼小出着手，你需要对行业和技术有一个非常好的理解。但是更需要去进行很好的尝试，怎么尝试呢？
二、寻找入门型的用例。找最可能为你的企业带来最大价值，并且让你头痛的企业进行尝试，一般你解决不了的企业，这样才能加强。
三、关注特定的用例，关注用户的使用场景，而不是关注使用本身。坦率讲你的评估是非常重要的，但是关注你的用户案例。
四、不要轻易的把你的数据所有权拱手让人，不要轻易的把你的数据跟人分享，我知道在座的有一些企业在初创期，对于成本的敏感度特别高。如果你把数据拱手让人，你会发现未来会让你面临战略困境。
最后，找一个靠谱的合作伙伴。今天站在这个地方，不谈AI，不谈深度学习，都不好意思见朋友，但是人人都谈AI的时候，你要更加小心你的合作伙伴。你要理解你的行业，并且在这个行业当中生存下去，我碰到太多的人来找我，因为以前跟他一起的合作伙伴没了，他没了，没有关系，但是你还要生存下去，就找一个靠谱的合作伙伴。
吴晓波频道转型之战｜人工智能与工业4.0
长按识别二维码
获取2天4个模块
全部嘉宾演讲内容
