以下内容根据 IBM 在神策 2017 数据驱动大会的“AI 人机共生时代：认知商业如何重塑企业数字化”主题演讲所得。

IBM一向注重让新兴技术重塑企业和体验，人工智能技术也不例外。认知系统是相对信息系统而言，与通常信息系统预先设定规则不同，认知系统无需设定规则，可以在实际中学习。IBM 对整个 AI 时代的看法很“务实”，强调的并不是科幻电影中无所不能的仿生人和机器人，而是增强型的智能，在人类智慧上面扩展和提升人的能力，用新的技术帮助人变得更加有吸引力、专注与优秀。

◆  人工智能的三驾马车：数据、算法、算力

数字化带来的冲击对大家是有目共睹的。每人每天平均要花 3 个小时在手机上，每天互联网都会产生 90 亿 GB 的个人数据。国家在“十三五”期间对大数据产业的规划是一万亿，AI 刚刚起步。AI 爆发为什么不是十年前或十年后？实际在 1956 年 AI 一次会中，就在谈论 AI 的诞生，认为十年之后 AI 可以打败人类的国际象棋高手，而这个过程计算机用了整整 40 年，直到 1997 年，IBM  的“深蓝”的出现。

为什么是现在？答案是整个 AI 领域三个关键生产要素已经集齐，即数据、算法和硬件算力，这三驾马车让 AI 的出现水到渠成。这些要素之间是可以互相作用的，例如更强的计算机硬件可以帮助工程师开发和测试更好的算法，更多的数据可以使得算法更稳定更有效，也可以支持更高层级的算法。

◆  企业数字化重塑核心：用户体验

图1 IBM 提出数字化的重塑框架

企业到底如何应用 AI？这是 IBM 曾提出的数字化的重塑框架。我们关注企业的组织内外部的更广泛、更深刻、更长远的变革。中间是以用户体验为中心，用户既是外部的参会者，也是内部的变革者。通过新的关注点、新的专业能力、新的工作方式等三个方面入手推动企业的创新和运营的模式，也重塑客户、员工和合作伙伴之间的关系。

举个例子，IBM 有专门生产空气压缩机的企业，截止目前大客户中，超过百分之五十的收入是来自数据化服务，产品本身变成了一个服务的载体。而客服一直是客户中难以管理的岗位，因为客服的工作压力很大，员工的培训周期很长，流失率也很高。我们帮助很多客户在银行、保险、物流等实施了一个认知客服的项目，帮助客户实时围绕客户获取实时洞察和来自 AI 的建议，大大提高了每个客户的幸福感、工作效率和工作能力。

图2 IBM 高管调研报告

今年 6 月份我们发布了新一版的高管的调研报告，其中三分之二的 CEO 认为 AI 将会在他们的企业当中起到决定性的作用，不仅包括市场、销售平台，还包括采购、人资、IT、供应链、法务等，都会受到深入的影响。

AI 场景，包括认知收益顾问、认知维修顾问、认知精准营销等。举个例子，大家知道一个飞机降落以后通常要进行飞行维护，工程师上飞机后会拿着手册走一遍流程，时间会消耗很多，但并不一定会找到问题，而每个飞机的型号手册都不一样，培训这些工程师也需要很多时间。但认知维修顾问，加上物联网技术，在飞机落地之前就知道有哪些参数有问题。下面就分析一下认知的研究顾问和认知的视觉识别。

◆  认知研究顾问——ARIA

ARIA（Advanced Research Intelligent Advisor ）是先进认知研究顾问，起初是为消费品公司设计。如果你是研发人员，你一定做过大量的行业调研、产品调研和市场调研。一些会要把一些重要资源放在企业内部的知识共享平台上，供有需求的员工进行搜索。

这里要说的是，员工搜索出来的是文档而不是知识，他们要打开这些文档而不是知识，然后从里面做阅读理解，最终获得这些知识。运气好的话，检索者可以很快找到所需，而运气不好的话周期会很长。ARIA 就是通过设计解决这个问题。它有三个功能点，如图：

图 3 ARIA 的三个功能点

图 4 认知研究顾问案例

当我提问“是什么促使瓶装水的消费？”，几秒钟内会展示出这样的结果，系统使用算法对文档进行排序，并用自然语言生成的非常快速简约的摘要。这对于进行大型搜索项目的用户来说意义非凡，在搜索过程中，快速反馈的摘要帮助检索者对链接里有没有所需内容一目了然，判断每个链接是否值得要花更多的精力。

图5 IBM 认知研究顾问案例

这是一家消费品公司，ARIA 在 3 秒当中产生了 400 多个文档，从中提取了 32 万行的句子形成摘要。ARIA 会根据检索者所选择的文档和图片自动生成报告，用户稍加修改后可提交给老板。无论是产品研发还是市场研究，ARIA 会帮助他们快速从海量的信息中获取知识。

◆  IBM 认知视觉检测

最近我们收到了很多来自制造业客户的需求，他们希望判断有什么认知的手段或者 AI 的技术在质量检测方面可以减少时间和成本，提高检测的一致性。

IBM 认知视觉检测在电子行业质检领域已经有广泛的应用。举个例子，我们有一个客户是做晶片的，一共有 9 位质检员 24 小时日夜颠倒排班，每天要处理 36 万张图片……公司设备的平均生产生命周期是 8 天，需要花费半天时间来做质量检测。

图6 IBM 认知视觉检测用来品质检验

该公司引进认知视觉检测，解决了人工检测成本高、效率不稳定、无法发现太过细微的缺陷等问题，工厂的品质检验效率大幅提高。最终节省了 75% 的人工检测工作，在成本降低的同时，效率得到大幅提升。

图7 IBM 认知视觉检测将不确定的问题发给人工检测

简单地解释一下，通过神经网络，深度学习一批没有问题的样本，然后进行预测新的样本。第一个图片 OK 的，后面的那些都是有缺失的，给用户检测的不仅是一类缺失问题，而是有几十个甚至几百个这样的问题。IBM 如果遇到这种没有办法通过机器识别的，会转交给人工，让他们来识别做增强学习。

IBM 一直致力于这种工业性和行业性的解决方案，把事情做精做专是不太容易的。通常来说一般的图像识别和工业识别有什么区别？

图 8 工业视觉检测与普通视觉分析对比

例如，工业识别是大图片里的小对象，而普通视觉分析是小图片的大对象。工业照相机中拍摄出几十万甚至上千万的照片，捕捉细微缺失等。工业中企业本身的缺陷率就比较低，且要归为不同的缺陷分类，具体在每一个类上，样本是极度不平衡的，如果在样本极度不平衡的基础上，提高模型的准确率是相当困难和有挑战的。这种类似的需求一直在增多，包括芯片识别、液晶显示屏的识别、汽车划痕和喷漆识别等，都可以做工业视觉检测。

图9 视觉检测需求

再说下认知视觉检测中的 2D 和 3D 实时检测，2D 模型会通过照片分析把划痕错误等问题通过自动方法的识别。在 3D 模型中，在质检主管的仪表盘上以热力图的方式显示出哪些地方有问题，具体到哪些批次、哪些人、哪些排班，并进行报修，这形成了业务闭环。

图10 2D 实时检测示例

图11 3D 实时检测示例

◆  更多认知服务……

IBM 在 AI 落地场景方面已经很多。如今整个 AI 领域技术已经不再是一个瓶颈，瓶颈反而是在商业环境、业务执行能力和自己的想像力。

除了以上应用外，还有认知声学的检测。通过听声音识别是否有故障，在生产制造领域可以帮助企业检查流水线，并保证企业生产线 24 小时不停地工作。我们知道，一些大型的制造业和能源行业如果发生宕机是非常大的生产事故。在服务领域 IBM 与一个电梯公司合作，通过声音辨别电梯的参数预测电梯故障，而不是发生电梯故障再去检修。

图12 IBM 声学分析用例

在时尚行业，我们曾经分析过一个明星的微博以及公共场合的各种言论，结合设计分析海量的图片抓取其中的时尚要素，包括颜色、面料、剪裁等，将一件礼服的设计从几个月的缩短到几天。

图13 IBM 认知技术的行业应用示例

在农业方面，去年我们帮助法国的一个葡萄酒庄通过卫星云图确定地表温度和植被覆盖率，通过物联网的技术控制喷洒剂等。

今年 IBM 的 Wason 的检测准确率已经超过了 97%，远远超过了人类专家80% 的平均水平。IBM 现在已经有了目标，或者可以找到一个切入点来实施 AI 大数据的项目和场景，制造属于自己的下一波颠覆浪潮。

“偶得”是 IBM 中国研究院基于回馈神经网络的深度学习模型，开发的诗歌自动写作应用系统。它巧妙地将语音学特征引入到诗词的算法当中，当输入“神策数据”四个字后，自动输出一首五言藏头诗：“神仙不得隐无踪，策杖长空水墨中，数点红莲开碧玉，据临万象搫金龙。”

图14 IBM “偶得”为神策数据做藏头诗

衣食住行无小事，IBM在大数据和人工智能方向做了多种探索，归根结底都是为了让数据分析能够真正造福于消费者。相信随着认知商业的发展，社会的进步与科技的发展密不可分。

作者介绍：

火雪挺，IBM 公司全球业务咨询服务部认知与分析部门的资深咨询经理。在数据行业工作十余载，在人工智能、数据咨询、数字化战略与转型、数据分析与治理、商业智能与认知计算领域有相当丰富的经验。曾为跨国车企商业智能项目、电信制造企业商业智能与数据仓库项目、零售企业数字化战略与转型规划项目、消费品企业数字化转型与运营优化项目等数十个大型数字化转型项目提供深度咨询服务。

相关阅读： 

如何帮助企业优化商业模式？看精益数据分析的“欺”与“破”

【PPT下载】第二批PPT干货限时免费分享

短融网杨夏耘：数据如何驱动金融科技业务升级？

中商惠民李超：500,000+ 便利店背后的精细化管理

点击下图或“阅读原文”，下载产品经理必备白皮书↓↓↓