【IBM 人工智能文章】企业如何用好AI？这三点需要特别注意《这就是Watson》系列博客的作者为IBMD

　　《这就是 Watson》系列之二

　　《这就是 Watson》系列博客的作者为IBM Data and AI 总经理Rob Thomas ，旨在解释如何才能在 AI 领域取得制胜法宝，并展望 AI 无处不在的市场前景。

　　多年来， IBM 携手众多客户，应对数据需求并制定数据战略。显然，数据和 AI 就像同一枚硬币的两面;正是基于这种理解，催生出了人工智能阶梯的概念。 IBM 持续在数据科学和机器学习领域开展技能培训;与标准组织合作建立新的数据科学认证体系;甚至出资组建了一支专家团队 IBM Data Science Elite Team(IBM数据科学精英团队，简称 DSE) ，帮助客户将其首个 AI 模型在 IBM 平台上投入生产。

　　根据我们以往的经验，如果企业期望在 AI 方面占据领先地位，需要关注三个至关重要的领域：差异化平台、技能和研究。下面，我将逐一剖析每个领域。

　　差异化平台

　　值得关注的是，超过 90% 的 AI 技术都属于“通用知识” 。因此， AI技术之间的差异在于公司在强化技术和提升产品化方面，如何取舍。与 Google 和 Amazon 这些公司相反， IBM 出于一些必要的考虑(比如，不收集消费者数据，对使用公共数据集极度谨慎，企业客户对于定制化 AI 的需求等等) ， Watson 专注于 AI 技术产品化，即能够让客户用更少的数据和专业知识训练和定制模型的技术。 IBM Watson 具有一些独一无二的优势：

　　1. AI 定制便捷化。比如，意图分类(Watson Assistant 的核心)功能可帮助企业从小型训练集中学习知识。这意味着，您不需要招聘大批人员进行数据标注。这项技术在市场上取得了巨大的成功，比如苏格兰皇家银行(在第一篇博文中已提及)、巴西 Bradesco 银行、法国国民信贷互助银行、英国沃达丰移动网络公司等企业都采用了该技术。

【IBM 人工智能文章】企业如何用好AI？这三点需要特别注意。　　2. AI 自动化。比如，我们的 AutoAI 技术能够赋予普通数据科学家超能力。我们可自动执行 80% 的核心数据科学流程，比如数据准备、算法选择和特征工程等流程。这是 Watson Studio(模型构建和训练平台)提供的独特功能。

　　3. AI 模型的可解释性。在信任至上的时代，每家企业都想以轻松(且合规)的方式了解 AI 究竟如何做出决策。 IBM Watson Openscale 能帮助用户了解其模型的日常表现、出现的偏移、可能存在的偏见，以及如何解释模型产生的。这项技术适用于任意 AI 工具，而非仅限于 Watson 。

　　4. 嵌入式能力。任何企业都可以利用 Watson 技术，来让自己的产品变得更好。

　　Watson 是否完美无缺？当然不是。但 Watson 是不是一个伟大的软件？绝对如此。如果您对此尚有疑问，我建议您试用一下 Watson 系列工具，非常简单易用，结论不言自明。

　　技能

　　企业面临的最大挑战，是在应用数据科学和 AI 领域所需技能的深度和广度。 AI 让许多企业激动不已，但是当企业在扩展 AI 应用范围时，往往极度缺乏数据科学家。企业可以用两种方式来解决这种技能短缺：

　　1. 自动化。只要出现供(技能型员工)需(对特定技能的需求)不匹配，自动化技术就会变得非常重要。借助前面提到的 AutoAI 这类技术，我们能够大大增强普通数据科学家的能力。此外，借助今年二月份推出的 AI Skills Academy (AI 技术学院)这类项目，我们还能从一开始就帮助企业培训人才。