2013年6月19日星期三

IBM透過Watson系統,人工智能分析大數據

自從IBM提出了「智慧地球」(Smart Planet)理念,並且以三個「I」(instrumented, interconnected, intelligent)概括了其特質,表示所有物件皆有產生數據的性能,並且具互聯性,也就是所謂物聯網(Internet of things),從而令系統具備智能,馬上自動解決問題。而大量設備所產生大數據,通過實時的商業分析(Business Analytic),更可優化業務操作。

智慧地球的理念,所衍生了大數據,必須利用新工具來解決。今年,IBM在香港舉辦IBM Connect活動,邀請IBM專家,解釋如何利用不同平台,發掘大數據背後價值,其中Watson系統更能自行從浩瀚的資訊自行尋找答案,甚至根據個人的背景,作出獨特和具體建議。IBM稱此項人工智能技術為Engagement Advisor。

物聯裝置產生大數據

事實上,從機器或感應裝置產生的數據,正不斷增加,加上流動網絡發展,實時的數據大量增加,從電網、智慧電錶、油管感應裝置、物業資產管理、甚至互聯汽車,通過感應器可產生和傳送大量數據。

例如歐洲汽車業開始利用嵌入式流動技術,為每部汽車加入流動通訊,歐盟推動的eCall系統,令未來汽車可以互聯並具備智慧。2005年起,所有歐盟車輛都必須安裝eCall流動裝置,汽車發生意外後,車輛會呼叫緊急服務,並提供位置和受損訊息。

2018年,預計全球出售一億部新車,其中三千五百萬部搭載嵌入式流動技術,通過從大量交通工具傳回的資訊,設計最佳行車路線,連接到呼叫中心等。2018年,全球約一千五百萬部汽車支援遠端診斷和維護。這些大數據為車廠提供分析,獲悉車主如何使用車輛,改善汽車設計和維修。

例如空中巴士,每個引擎飛行半小時,就產生約10 TB數據,用以分析引擎飛行出現的各種問題。全球數以百億計RFID標籤,也不斷產生大量數據,通過實時分析這些數據,可以即時反饋到系統,作出反應並調整優化。

IBM開發出不同方案,應付上述實時產生的大數據;其中包括了Watson系統。2011年,IBM憑Watson系統,擊敗兩名人類參賽者,贏得電視常識問答比賽「Jeopardy!」冠軍,更多人認識IBM處理自然語言能力。Watson比之前Deep Blue,贏敗俄羅斯棋王Gary Kasparov意義更大。因為Watson能夠解讀句子,掌握抽象性概念,從比喻、譬喻,甚至是隱喻中學習。

Watson出現,預示超級電腦可通過學習,直接解決人類各項決策問題。IBM Connect也邀請了Watson方案發展及技術印度研究室的Vani Singh,介紹Watson方案的最新發展。

Watson方案幫助醫生斷症

Vani說,由於物聯化,加上社交網絡,人類九成數據,均是過去兩年產生出來。但是,這些數據有八成以上,皆所謂非結構數據(Unstructured data),除了來自感應裝置紀錄,不少來自社交網絡,包括了討論區和Facebook等,甚至是學術報告和專題著作。大數據除了非結構性,來源也甚為分散。但通過結合不同內容,加以分析,卻可判斷市場形勢變化,衡量消費者情緒,作為市務發展指南等等。

Vani說,Watson除了處理人類自然語言能力,可明白人類語言以外,也可通過產生假設,並蒐集證據不斷強化學習。IBM利用Watson的學習能力作醫學研究。近年,醫學研究高速發展,不少醫務人員,根本不可能追上汗牛充棟醫學文獻。研究顯示,醫務人員每日可能要花十六小時,才能閱讀其有關的醫療報告。

雖然,醫學文獻原來只供人類閱讀,但通過 Watson解讀能力,卻可幫助醫生記憶,並通過新研究和病例,幫助醫生斷症;從病人的病徵、家族遺傳和眾多因素,先推測可能的病因,並推荐療程。

IBM也利用Watson,與美國Memorial Sloan-Kettering癌症研究中心及Wellpoint合作,利用Watson「閱讀」醫學文獻,與病人的病歷比較,建議適當療程供醫生參考,甚至推算不同療程的實際效用。

IBM也開發出Watson財務應用,為零售銀行發展決策工具,通過分析市況、客戶過往決定、人生階段,向客戶介紹適當金融產品。

她表示,Watson發展出「認知運算」(cognitive computing)分析大數據,可提高客戶服務質素,甚至幫助客戶中心回應客戶,幫助消費者作選購決定。例如Watson就推出了「Engagement Advisor」,利用認知運算技術,擔任個人助理,Watson能根據客戶輸入個別問題,自行蒐集資料分析比較,根據發問者個人情況和人生階段,處理一些複雜的決策課題,為不同人生階段,作出規畫建議。

Watson發展加上大數據,令人確信,電腦為人類直接出謀畫策的日子,應該為期不遠。

沒有留言:

發佈留言