他山之石：IBM的认知计算

【背景】

本篇的背景源于最近部门领导提出的“数字化全景视角的运维模式”期望，这种基于海量运维数据的上帝视角对于常规数据统计方法有点吃力。AI对于解决复杂、海量、非结构化数据场景的视角可能是解决此问题的切入点。所以，打算学习一下大厂对智能的观点，先拔高一下视角，本篇是对IBM智能方案的学习。

【正文】

今天，翻开IBM官网，你会发现IBM己经是一家“智能&数据+云计算”为主的企业（见上图）。在智能方面，IBM在2011年就提出了认知计算，著名Watson就是IBM重点打造的基于大数据和机器学习的技术平台，是IBM面向人工智能商业领域的平台。虽然Watson推出多年，但从公开的资料看，介绍Watson的案例主要在医疗健康领域，也许是因为IBM缺少互联网大厂的数据来源，专攻细分领域。不过，Watson的应用情况不是本篇关注点，本篇主要是对IBM押宝的认知计算观点的摘录。

1、认知系统的核心思想是“人机协同”。

机器学习，尤其是深度学习的大规模应用，推动了人工智能的快速发展。目前在国家各层面统筹规划和全面引导下，国内人工智能研究及应用正处于爆发期。虽然在toC行业我们己逐渐无法离开AI给我们生活带来的便利，但作为金融行业的科技从业者，从所见所闻看AI对行业的影响仍有待挖掘。虽然人工智能技术明显，但当前面对复杂、多变、信息不完全的环境，特别是应用于高风险的金融领域，仍不具备替代人，更多的应用在某些特定弱人工智能领域，在业务场景中主要应用在资本运营、市场分析、客户营销、风险监管等方面。

对人工智能的技术在证券业务的优势做个总结，大概有：

1）稳定性高，机器可以不知疲倦地进行工作，在规律性问题的分析时不受环境影响。

2）降低操作风险和道德风险，利用人工智能取代传统人工对金融交易，服务信息审查监管，控制交易活动中潜在的非法行为，可更好地避免操作风险和道德风险。

3）提高洞察力，结合云计算、大数据技术强大的计算能力，AI在特定领域可以实现人类常规统计无法实现的数据分析能力，利用数据挖掘实现更快、更准确的洞察力，甚至是预测能力。

4）提高决策效率，人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。

5）提高用户体验，利用AI在自然语言识别、语音、图像等领域特定的优势，结合线上化应用的结合，可以提升用户体验。

虽然人工智能在模拟人类行为、机器人等领域也有很强的优势，但在线上化程度越来越高的证券行业，可能并非最紧迫的事情。所以，我个人觉得人工智能需要聚焦在通过机器辅助数据洞察的感知能力、辅助业务决策能力、以及利用人工智能技术对交互体验优化上的能力三方面。即在原来公司内部参与者，以及公司外部客户、合作伙伴、监管部门的协同网络上，增加机器角色，形成人机协同的运作模式。人机协同的运作模式，最关键的角色仍是人，利用人的创造力，结合机器所提供的数据和算法，辅助人进行业务开展。从这个角度看，人机协同这个思想与认识计算恰好吻合。其实人机协同这个词并非独创，早在1960后，licklider在《人机共生》中提出了人机共生的介绍：

“人机共生是在人类与电子计算机之间发生的共生关系，是人机关系可以预见的发展。这种关系包含在人类与电子伙伴强耦合关系。主要目的是：

一、像解决规划难题提供便利一样，也让计算机为规划思维提供便利；

二、在不依赖于不灵活预定义的程序的情况下，让人与计算机能够协同决策，控制复杂情况。

初步分析表明，与人类单独进行智能操作相比，人机共同操作的效果更加显著。”

-- 《人机共生》1960年

认知计算的灵感来源于人类大脑的机器，同样机器强大的能力也能够激发人的大脑，改变我们学习的方式与创造能力。人机协同的方式将是企业智能化的一种态度。

2、认知计算的一些概念

认知计算是指一种能够规模化学习、有目的推理，并与人类自然交互的系统。它们不需要事先精确地编程，而是从人与系统交互、流程等过程中不断学习和推理。

与一般的信息系统的决定论相比，认知系统是概率论。即是说前者是通过一系列预先编码设定的进程，指定逻辑规则的输入，再从结构化数据中计算输出结论；而后者是基于概率，意味着认知系统需要在设计上适应和理解更复杂的数据类型，尤其是非结构化数据，能够处理不确定性的输入，输出相应概率性的结果。

与人工智能系统相比，认知系统综合应用了多种认识技术。认知系统是建立在神经网络和深度学习之上，运用认知科学中的知识来构建能够模拟人类思维过程的系统。所以，认知科学覆盖了好多学科，例如机器学习、自然语言处理、视觉以及人机交互，而不仅仅是聚焦于某个单独的技术。认知系统可以与人类进行更自然的互动，可以强化预测性与描述性分析的结合，可以推动企业客户互动、创新、业务模式、运营管理的转型。IBM总结了7项认知计算技术：

1）人工智能：模拟人类智能过程；

2）机器人科学：构思、设计、制造和运行机器人；

3）机器学习系统：无须明确知道即可学习并改进；

4）自然语言处理：能够在人类交流时理解人类语言；

5）深度学习：通过人工神经网强行算法开展机器学习；

6）预测性分析：使用算法预测结果；

7）建议引擎：分析数据并根据用户兴趣提出建议；

可以说，相比人工智能，认识计算更强调综合使用智能相关技术，并应用于企业实际场景，让企业能够成为以数据为驱动、以AI洞察为引领的敏捷型企业。

3、认知系统三大核心能力：互动、洞察、决策

所有技术的革命不仅是被研究发现，更多的是由商业和社会需求推动。认知系统可以加快、增强知识的沉淀与学习。认知计算的解决方案可以加快、增强并扩展专业知识；沉淀表现优秀者的专业知识，并加快其它人加快知识的学习；增强企业及人员认知能力，提升数据洞察与决策。为此，IBM认为认知系统需要具备以下五个重要能力：

1）更深入的与人互动：认知系统可通过分析与推理所有结构化和非结构化数据，来找出什么是真正激发客户兴趣、产生互动的关键。这将颠覆传统的客户交互模式，使企业可以为客户提供大规模个性化产品及服务。

2）拓展并提升专业能力：认知系统利用更强大的计算能力，以及由领先的专业人员训练而来，能帮助专业工作人员更快的掌握新知识，并帮助专家更加深入快速地开展研究工作和分享成果，以高质量专业服务普惠大众。

3）将认知技术融入产品与服务：认知技术使得新型产品和服务可以感知、推理并且学习用户及周围的世界，并不断地进行改进与调整，增强能力，创造新的生活与工作方式。

4）将认知技术融入流程与运营：认知技术不仅能改变企业的服务能力、改善产品，同时还能改变企业运营的方式，优化企业管理。它让企业能够更加重视工作流程、标准规范化，这有利于持续性学习、改善预测、提高运营效率，并更快的洞察与决策。

5）提升探索和加速发现：通过将认知技术应用于大量数据，简化应对复杂世界的困难，领导者将能够发现模式、商机和有用的假设，从而推进尖端科研探索与应用。

对上面的5个能力进行分析，可以归纳三个核心能力：互动、洞察、决策。这三个能力在人机协同模式下形成互联。其中互动让企业的数据、知识、流程得以不断学习、完善、沉淀，一方面可以形成一个“活数据”的闭环，另一方面可以提升客户体验。洞察是分析更多的数据，获得更多、更深、更快的数据洞察。决策推动数据驱动的思维模式，收获更为准确的的决策支撑。

4、按企业“前中后”三类职能部门分类的分析模型

梳理这个分析模型是因为这个“前中后”的分析模型，可以作为一个梳理公司智能化的分析的框架，同时也可以向大中台的组织架构作扩展。当然，“前中后”三个分类包括的具体部门可以考虑结合企业特点进一步优化、调整、细分。IBM将企业的职能部门分为“前中后”三类职能部门，分别包括：

1）前端部门：包括客户服务部门、营销部门、销售部门；

2）中端部门：包括创新部门、制造部门、产品开发部门、风险管理部门、供应链管理部门；

3）后端部门：包括财务部门、人力资源部门、IT&信息安全部门、采购部门；

在前端部门，人工智能技术可促进实现深层客户互动，并伴随每一次互动不断提升、学习和改进。这样，认知系统可以帮助加强与客户密切关系，进而提升客户满意度和保留度。认识系统这个能力与前端业务系统的流程相融合，营销人员或销售人员可以利用最新或现有的客户细分市场，营造极致的个性化体验。比如客户服务部门，人工智能利用海量数据分析，更好的理解客户、一线员工，更好的感知一线客户体验。（关键词：客户、学习、个性化、密切关系、满意度、保留度）

在中端部门，人工智能利用对海量数据的分析能力，实现实时、在线、准确的洞察力，可以更快更有效的做出决策。比如在产品开发部门，认知系统可以提升原型开发能力，促进大规模测试能力；在制造部门，认知系统可以挖掘更多数据，实时监测制造过程中的自动化水平、故障情况，提升生产效率，减少生产中断影响；在风险部门，可以更有效的评估不同类型的风险，形成更全面的风险指标，预测合规风险。（关键词：海量数据，洞察、决策）

在后端部门，认知系统以自动化手段执行重复性、规律性、低价值的任务，释放人力资源。同时，可以提升对各共享职能部门中数据、流程、操作、真实成本及业务价值的洞察和控制。（关键词：自动化、成本控制、业务价值）

5、认知企业的三个实施步骤

1）设定未来愿景

一些关键行为：

• 制定为数字战略，制定可执行、可量化的项目计划；
• 确定有限的目标和时间范围；
• 借鉴跨职能资源、技术等合作伙伴生态系统；
• 确定各部门的KPI；
• 有针对性的确定运营、监管方案支持战略；
• 敏捷、协作的新工作方式；
• 建立数字化思维的企业文化；

2）形成概念

一些关键行为：

• 对用户开展定期评估，评估市场和用户需求；
• 以客户为中心，对员工进行培训；
• 根据认知能力来评估、设计业务和技术架构；
• 完善各个计划、业务案例及更广泛的重塑案例；

3）孕育和扩展

一些关键行为：

• 在快速探索和原型的基础中，构建用例中心型方法；
• 在目标市场试用新功能应对特定业务挑战；
• 设计并执行试点计划，提升敏捷性，限定现有客户和运营面临的风险；
• 量化、评测绩效指标，明确潜在价值。
• 完善基础设施：数据分析能力、云计算能力、IT应用平台架构、安全架构、人才
• 推动具体措施在企业中的大规模实施与扩展。
• 利用精益管理模型，审查进度和价值。
• 培训新技能；
• 敏捷的方式不断迭代，推出新功能；
• 获取持续的市场反馈，并作用调整。

注：IBM这三个实施步骤，我觉得更像是一个作为咨询公司的调研、梳理方法，大致上可以看到一个整体的思路：数字化思维、协同方式、企业文化；平台化思路（业务平台、运营平台、行业生态平台、跨行业生态平台）；前、中、后的工作流程与智能化结合；颠覆性的新技术的应用；基于数据驱动的洞察、决策、执行的应用；下一代数字化技术架构；设计思维的产品设计思路。虽然整体上看起来相对比较杂，但可以作为制定转型方案时的一个checklist，提供一个信息补充

6、我命在我，不在技术

写这点是因为上月在五道口分享数字化时，主持人问的一个关于人工智能是否会导致大量工作岗位向算法、数据岗位变化的问题。我觉得下面这句话是一个比较好的回答：

“技术创造可能性和潜力，但最终，我们的未来将取决于我们做了的选择。我命在我，不在技术。”

--Erik Brynjolfsson

认知计算将改变我们的工作，提高我们更快的完成工作任务，让一些工作成本更低，效果更好，会不断颠覆我们的认识。但是我们不仅无法阻止新技术对我们现有工作带来的冲击，甚至新技术在指数性的加快速冲击的力度，我们唯有加强我们自己的知识，利用并适应新技术，与技术一起协同起来，去拥抱更大的价值与挑战。

注：信息来源《认知计算与人工智能》、《认知型企业》等。