IBM沃森的未来7-10年


IBM沃森系统和软件在“危险边缘”比赛中的成就不仅仅是一场好看的电视节目：

• 它是语言处理的重大突破，计算系统不再局限于简单的指令响应。
• 数据管理方面的应用使其具备了专业化的潜力，例如医疗子集、法律数据集、呼叫/支持中心数据库等。约翰·马科夫在一篇关于这个课题的《纽约时报》文章中表示：“任何现在涉及通过电话回答问题和进行商业交易的工作都将很快受到威胁。”只需要考虑一下，自动柜员机（ATM）是如何取代人类银行出纳员的，就能想象出可能发生的情况。
• 惊人的计算能力是通过在90个服务器上分布的2,700个处理器上并行计算实现的，这将会在未来几年内发展为更小型设备。雷·库兹韦尔在《经济学人》中指出，仅仅五年时间，1997年大型昂贵的“深蓝”击败卡斯帕洛夫后，通过结合仅8台个人电脑的计算能力，“深蓝弗里茨”才能够达到相同的性能水平。部分原因在于，每18个月将计算性能的价格减半的摩尔定律不可避免地产生了作用。还有一个原因是在国内计算机模式识别软件的巨大改进，这些软件用于进行关键的树修剪决策，该决策决定了国际象棋中成功的着法和对着法的反击。随着计算机的价格性能加速每年减半，库兹韦尔先生预计，在未来七年内，仅需一台服务器就能完成沃森所需90台服务器的工作，而十年内则可以通过PC来完成。如果云计算能够实现其承诺，那么类似沃森的高性能系统将更早地以名义成本提供给公众。
• 最重要的是，在“危险边缘”比赛之后，IBM宣布与几家医院集团合作，利用沃森的DeepQA软件和数据管理方法提供诊断医师辅助。他们的网站展示了沃森可能特别有帮助的其他领域。IBM正在将沃森引入市场。

需要记住，在计算机内部，单词与人类经验或认知之间没有任何联系。对于沃森来说，单词只是标记。在解析“危险边缘”比赛中的问题时，计算机必须确定谓词、主语、宾语、介词和介词的宾语。它必须通过考虑可以识别的任何和所有上下文来消除单词具有多重含义带来的不确定性。当人们在谈论时，他们会带来如此多的上下文意识，以至于答案变得显而易见。计算机必须使用逻辑将传入的标记“消除歧义”为可衡量（计分）的选择，并与其他选择进行比较。它必须在数秒内完成所有这些过程。

机器人和机器人技术如何？

管理机器人的AI系统通过传感器或人为输入收集事实，并将其与存储的数据进行比较，然后决定信息的意义。然后，系统会运行各种可能的行动，并预测哪种行动将最成功。

一些机器人还具有有限的学习能力。学习机器人会识别某种行动是否实现了预期的结果，并将该信息存储下来，以便下次遇到相同情况时使用。当然，它们无法像人类那样吸收信息，但在日本，机器人学家已经通过自己演示舞蹈动作教会了机器人跳舞。

需要记住的是，IBM并不是唯一一个研发和提供AI软件的公司。还有许多公司和研究机构正在开发和提供AI软件，其中最引人注目的是谷歌。

根据《连线》杂志的“危险边缘”报道：早在1954年，IBM宣布其701型计算机可以将一段俄文转化为英文。参与该项目的乔治敦大学教授预测：“大约三到五年后，整本书的计算机化翻译将会实现。”从此，科学界（以及科幻界）开始了一个持续57年的探索之旅，从《星际迷航》到《巴别塔之鱼》再到谷歌翻译：即时语音翻译。但尽管目前还没有人完全掌握这一技术，五角大楼的研究部门“达尔帕”要求更加先进的技术，他们提出了“无边界的运行语言转换”（BOLT）计划。根据达尔帕 2012财年预算要求，以低廉的起始费用1,500万美元，国会可以“在不考虑介质（声音或文本）和形式（对话、聊天或信息传递）等限制下实现通信。”

BOLT不仅将成为一种通用翻译工具——这将是一项革命性的人类发展——而且还将“通过增加机器对深入理解语言的能力，使其能够实现存储语言信息的复杂搜索和分析。换句话说，它将是一个701翻译器，并且能够工作。”

那么，关键问题是什么呢？

造成机器人培训和与人类互动方面延迟的原因有很多，其中一些原因可以从IBM实现沃森在“危险边缘”比赛中的胜利所需的庞大资源中看出。你不能将这些资源投入到机器人中，也不能依靠一台电脑通过无线通信频道来控制机器人（或一系列机器人）执行各种任务。

图尔夫大学认知科学、计算机科学和计算机互动实验室主任马蒂亚斯·舒茨在研究资金方面提到：

• 机器人和人机交互领域正在不断发展，其中服务机器人的预期增长率最高，而不是工业机器人。全球范围内的一些国家（如日本、韩国、欧盟等）正在大力投资服务和社会机器人领域。在美国，没有针对复杂自主服务机器人开展专门研究的资金项目。我希望随着其他国家在该领域投资巨大市场潜力的重要性并在该领域进行大量投资，美国也将尽快改变现状。为了使美国保持竞争力，并实现不像沃森那样雄心勃勃但更自然的人机互动，我们需要通过跨学科资金计划来开发针对这些系统的适当集成控制架构，但目前我们还没有这方面的进展。
• 对于许多AI技术来说，计算能力显然是至关重要的（例如基于数据的算法需要在大型数据集上进行训练，或者需要在短时间内探索大型搜索空间的算法）。智能系统的架构同样重要，不同组件之间的运作和相互作用方式。在硬件方面我们在这方面取得的进步要小得多。因此，尽管从工程角度来看，沃森的性能非常令人印象深刻且显然是个突破，但它还不能解决我们为机器人所需要人类化自然语言处理问题。虽然在不久的将来可能会在推荐系统领域出现应用，但我不确定沃森所使用的技术如何应用到机器人上，并使其能够与人类进行自然任务对话。

欧盟、日本和韩国已经制定了关于在生产出有效产品之前需要解决的科学问题的计划。他们有国家方向和公私合作资金来推动计划的实施。而美国尚未拥有这样的计划，也没有关于机器人技术的国家方向。这是一个关键性的问题。

奥巴马总统在他的国情咨文中，当讨论到对关键创新领域进行战略投资时，特别没有提及机器人技术。总统怎么能忽视没有一个领域离开了机器人应用呢？另一个问题是他是否意识到在美国销售工业和制造机器人的13家主要制造商中，有12家是海外公司。