新闻中心

认知计算支持决策变革

2011年,“沃森机器人”(名叫沃森的计算机系统,简称沃森)与美国电视智力问答节目《危险边缘》(Jeopardy!)里,以优异的表现打败了最强的两位答题高手Ken Jennings和Brad Rutter。沃森体现了与人类思考问题能力相匹敌的人工智能技术,其展现的速度、精确度和置信度,令人震惊。

当时人们还不知道这项吸引眼球的新奇技术能做什么;短短两年时间,沃森已经实现了超越,正在为更多行业决策者提供决策支持。有专家表示,沃森的突破,未来将会带来更为深远的“智能计算支持决策变革”浪潮。

沃森是认知计算系统的杰出代表。谷歌、微软、IBM 都在进行人工智能研究,IBM中国研究院院长沈晓卫博士说:“对当前大量非结构化信息迅速有效浏览迫切需要一种新计算时代的到来,我们将它称之为认知计算系统。”

认知计算研究是一项庞大的研究工程,很多认知科学家在研究人脑的运行机制,致力于用计算机来实现这种机制,而且在不断突破计算的极限。脑科学界曾有观点认为自然语言是很难计算的。如果一个语言表达问题不能全部形式化,那么局部问题能否形式化?这是认知计算界要寻求突破的问题,而近年间已经实现长足进展,未来还将有更为震撼的突破。IBM认为,在认知计算时代,认知型计算机,在大数据感知环境下,将能“读取”人类用视觉、听觉、嗅觉、味觉等自然感官才能获取的信息,并且更为强大地实现人脑所具备的能力,即学习、感知和适应能力——这将从根本上改善人们生活、工作和人际交往的方式。

目前,基于认知计算技术的“沃森沟通顾问”(Watson Engagement Adviser)其功能已经用于金融行业的客服工作。辅助医疗诊断方面,沃森的自然语言处理能力可以直接阅读医学文献和各种医疗文档,从医生看病的活动记录中学到相应的经验,帮助准确确诊病人。上述应用都被视为率先将认知计算应用到商业和民生领域,创造决策价值的典型。也许在不远的将来,运营层面的商业决策可以交给“沃森机器人”做分析。企业高管将从日常海量的大数据分析中解放出来,专注于更需要依据判断力做出的方向性决策。

硬件方面,两年前参加电视竞赛节目的时候,沃森的配置是90台服务器,15TB的内存。现在它的运算速度已经是过去的240倍,且成本也低了很多,而且服务器的尺寸比披萨盒还要小,可放进任何一个数据中心——这让认知计算系统的普及拥有更加坚实的基础。

要想认知计算真正发挥作用,科学家们几乎需要对整个计算行业进行全方位改造——硅、系统、存储器和软件。在这个过程中,他们必须开发全新编程模式。具有突破性的是:IBM科学家发布突破性的软件生态系统,旨在通过编程来设计出具有大脑功能及低功率、小体积、结构紧凑等架构特征的硅片。这项技术将允许用户构建出能够模拟人脑的感知、行动和认知能力的新一代智能传感器网络。

现代计算系统是在几十年前依据预定义的程序设计完成的。它们虽然是快速精准的“会计师”,但传统的计算机设计在功率和规模方面都存在局限性,在实时处理海量的大数据时会降低效力。相比之下,人脑-速度和精准度都相对较低-却擅长执行识别、解释和基于模式采取行动等任务,且功耗仅相当于20瓦灯泡,体积仅相当于两公升的水瓶。

在技术不断实现突破的同时,商业决策者在问:在面对包括自然语言、图像在内的大量非结构化数据时,沃森的辅助判断可信度有多高?它的商业化又将给企业带来哪些影响?

解码沃森如何进行精确判断

IBM研究主管约翰·凯利(John Kelly III)偶然在餐厅看了一期《危险边缘》,突然萌生了“是否可以让问答机器人来参与这个项目”的想法。IBM那时已经在认知计算技术领域探索多年,但该档电视节目的问题非常深奥,大量运用比喻、谐音、双关等修辞方法,问题是陈述句的形式,却要求参与者用问句给出答案——总之,一切都不是通常计算机所熟知的、确定的、规范的问题与答案格式。

为了解决这些问题,参与竞赛的“沃森”由20多位成员组成的核心团队在5年多的时间内研发完成,IBM全球的多个实验室及合作伙伴参与其中。沃森团队在“回答复杂问题”目标上构筑起场景分析、推理链条(Inference Chaining)和学习工具三项功能,并建立起“沃森路径”的用户界面。它同时具备百科全书般渊博的知识以及迅速的反应能力,能够使用自然语言在回答复杂问题方面击败人类专家。但当时的沃森问答机器人受限于游戏规则,所有答案信息不能超过一页纸的篇幅,如今,沃森已经能够处理更具开放性的问题,能够识别并解读图像、数字、声音以及面部表情信息。它将能够与人类对话,使用海量信息来处理极端复杂的问题。正如约翰·凯利所言:“我们的目标是将人类解决问题的方式,运用到医疗和教育领域,再扩大到金融服务和政府工作中。”(见图1《沃森问答机器人的研发结构》

沃森1

沃森1

“沃森认知助手”有一套独特的“思考”流程,并配有置信评估体系,对每一步的分析推理给出可信度。沃森是如何从问题中提取出答案的呢?这需要经过以下过程:1.当问题首先提交给沃森时,它会对问题加以解析,以提取问题的主要特征。2.它会通过查阅资料汇编,寻找包含潜在有价值答案的段落,从而生成一系列假设。3.它会使用各种合理的算法对问题的语言和每一种潜在答案的语言进行深入比较。此步骤充满挑战。有数百种合理的算法,每一种都拥有不同的比较方式。例如,某些比较针对的是词汇和同义词的匹配,某些针对时间和空间特征,某些针对使用环境信息的相关资源。4. 每一种合理的算法都会生成一个或多个记分,以表明基于该算法所关注的特定领域,由问题推断出潜在答案的准确程度。5. 随后会利用统计模型对每个生成的记分加以权衡,此统计模型会捕获该算法在沃森“培训期”内针对该领域中两个类似段落之间建立推论的表现效果。然后,该统计模型可用于总结 沃森对于由此问题推断出候选答案证据的置信度级别。6. 沃森会针对每一个候选答案重复此过程,直至找到表现最强大的候选答案为止。

概括而言, 沃森系统集成了多元算法,从不同的维度分析备选假设的证据,如类型、时间、空间、流行度、段落支持度、来源可靠度、语义相关度等。每种分析都产生一些特征或评分,反映在相应维度上的证据对备选答案的置信程度。从而保障回答的精确度。(见图2 《沃森如何从问题推导出答案》

沃森2

沃森2

即便如此,科学家们无法用算法来保证沃森能够应对任何一个复杂情境,所以他们为沃森设计了一套动态学习机制,可帮助基于成果改善学习,使每一次迭代和交互都更智能。该学习系统能够在结构化数据和非结构化数据基础上进行学习,从多种来源获取信息,包括文本、数字、视觉、感应,以多种人类的自然方式进行交流,并在交流的过程中找出关联、建立假设,提出最佳行动建议。同时,沃森实现从由“决策树驱动的确定性应用程序”转变为“与用户共同演进的概率性系统,并有反馈环(Feedback Loops)用以评估建议的质量,并依据反馈信息改进决策辅助系统。由此,沃森能够在基于海量信息挖掘中找到表现最强大的答案。

沃森研究中心技术主管埃里克·布朗博士(Eric W. Brown)认为,场景决策情况下的沃森决策流程具有普适性,未来完全有可能运用到广泛的决策领域,从现在已经应用的医疗诊断、客户服务,到未来可能拓展到更广泛的商业战略决策——比如,进入新市场的决策分析,对新市场的不同市场现象进行推理分析,并得出结果。

“认知决策助手”的用武之地

如今企业大量投资于数据分析与聘用数据科学家,但投资收效微乎其微。究其原因,在于大数据很难被全公司需要使用数据的人所熟练掌握并经常运用。麻省理工学院斯隆商学院珍妮·罗斯(Jeanne W. Rossis)认为,企业需要进行变革,才能将大数据中得出的观点转化为竞争优势,而很多企业可能根本无法实现这种变革。(详见 《哈佛商业评论》2013年12月刊 《你也许不需要大数据》)

在认知计算时代,人类和计算机将更加紧密的连接。沃森已经在医疗和金融领域崭露头角,显示出了强大的认知分析能力。沃森的行业应用是认知计算系统助力行业决策的先驱性应用。已经开始体验这一应用的人们发现,问题解答能力很有用,但还有更有价值的部分,他们将沃森看作是发现工具,通过人机交互,这帮助他们以不同的方式思考和工作。

沃森具有个人判断难以企及的全面与准确性。在医疗行业中,病例记录、医学杂志上的文章以及卫生部门掌握的原始数据等都属于零散、不成体系的信息,从理论上来讲,沃森可以让这些数据派上用场。在对病人进行检查的时候,沃森会静静地在一旁收集数据,它接触病例越多,诊断准确率也越高。马蒂·卡恩是IBM负责训练沃森应用于临床小组的负责人,根据临床经验和学术研究,他认为1/3的医疗事故是由误诊引起的,造成误诊的重要原因是“锚定偏差”(又名沉锚效应,一种重要心理现象):人类倾向于过分依赖某个单一的信息。诊断过程中,医生通常在听取了病人对两三个症状的描述后,就会做出与症状相符的诊断,但这也意味着他们可能忽视了其他信息。卡恩表示,沃森出现这种失误的几率要小得多,它可以弥补人类无法处理大量信息的局限。他认为在未来,机器人医师会像听诊器一样,是医院必不可少的工具。

沃森具备发现和学习能力。沃森在进行病例诊断后,会给出多个治疗方案,每个方案都会附有相应的可信等级。在实时金融风险控制领域,认知计算技术可以让人们实现秒级的风险检测与防范。沃森可以被培训为行业专家,同时还能够通过学习系统和反馈环来不断更新它对知识库中信息的理解。比如,语言是令人机交互更加高效的关键,而各个领域的专家都有一套行业专属的术语体系。IBM沃森研究中心与克利夫兰医学院的医生以及Sloan-Kettering癌症中心合作来训练沃森适应新角色:帮助医生诊断疾病,为病人找到最佳治疗方案。与之同理,在应用认知决策助手之前,企业首先要“培训”认知助手,使之适应其行业所需。美国最大的健康福利提供商WellPoint就是一例。WellPoint公司与IBM合作训练沃森,使之能够理解美国的医疗编码系统以及WellPoint的医疗政策、诊断指南。2013年年初,沃森吸收了超过2.5万个测试案例以及1500个WellPoint的真实案例,能够解读询问的含义并分析问题。WellPoint已开始测试使用沃森作为医护人员治疗决定的工具。

沃森能够以人性化的方式输出数据洞察。想象一下,银行客户经理正在和客户顾问聊天,讨论客户的退休计划,但不确定该如何协调客户的投资、退休存款和保险,让其能享有安全、舒心的晚年;有认知助手辅助的客户顾问,则将能够迅速地按客户的需求量身定制出一个计划。沃森参与顾问人性化的交互方式使其在应用于客户服务领域时能够极大地提升客户体验。澳大利亚金融服务公司ANZ,在全球33家企业运作,在金融服务领域与IBM合作开发未来可能性。目标是向财富管理者提供认知助手,帮他们更好地给银行的200万客户提供建议。

花旗已经于2012年开始采用技术帮助分析客户需求,处理大量最新金融、经济、产品和客户数据的方法。花旗银行客户期望以整合的方式获得及时和高水平的服务,包括电话银行、ATM、在线客服、或在分行进行柜台交易等,为客户提供最佳服务。花旗集团首席行政总裁兼首席营运及技术官卡拉翰(Don Callahan)说:“花旗正在重新考虑并设计金融交易和交互的方法。运用沃森技术针对日益发展的数字和移动生活方式为客户提供全新的安全服务。”

包括澳新银行、马来西亚通信服务商Celcom、市场研究公司HIS、调研机构尼尔森及加拿大皇家银行等各行业的领先企业都在通过沃森参与顾问拓展顾客互动能力。

迎接决策变革的三个转变

不久的将来,建立在认知计算基础上的决策助手,可以帮助那些想从大数据中获益的企业解决两大障碍:一是数据来源不统一、格式混杂造成的整合难题;二是数据分析很难被直观地理解和运用的问题。

目前,中国企业的决策失误率一直居高不下。根据国家审计署披露的情况,在其2012年审计调查的53家中央骨干企业中,有1784项重大经济决策不合规,造成的损失及潜在损失达45.57亿元。根据世界银行统计,中国企业的决策失误率达到30%,远高于西方发达国家的5%左右。

认知计算参与企业决策,这对企业提出了新要求。企业若想在未来不被发展浪潮抛弃,应从三个方面尝试进行转变:一是扩大数据收集与分析范围;二是决策权分散化;三是建立循证决策文化。中国企业尤其应当做好准备,迎接未来变革。

扩大数据收集与分析范围。人们早就认识到仅仅靠处理和自动结构化流程数据是不够的。将认知计算辅助决策顾问纳入决策支持体系(DSS)中之后,很多此前无法读取或无法进行结构化分析的数据将能够被利用。未来的整合将有更多数据类型和更广泛的数据。大数据时代,数据增长速度更快、数据来源更复杂、数据容量更大、数据类型更富、用户对数据处理速度要求更高,即大数据所谓的4V特征(体量(Volume)、多样性(Variety)、周转速度(Velocity)和精确性(Veracity)),对大数据基础架构甚至是信息生命周期管理提出了巨大挑战。而认知计算决策助手提供了新的可能,通过识别和分析大量非结构化数据、尤其是视频、音频和图像数据,将帮企业构建起数据管理和分析的整体方案,将不同类别的数据融合在一起,随着情况变化不断地优化它对这些数据的理解,从而进一步释放大数据的商业价值。

分散运营决策权。一线员工最了解市场需求,他们也能作出高质量决策——这已被日本7-11连锁便利店所证明。该连锁店已将订货决策权交到了售货员手中。认知计算决策助手纳入规范的DSS系统运营法则后,将有助于让直接面向客户的员工掌握更全面、准确的信息。并且,以人类自然方式交流的特点,让企业无需过多培训就可以实现一线员工在与客户打交道过程中熟练应用。

这么做可以帮助他们做出很好的运营决策,企业高管可以把更多精力放在不确定性决策上。例如,ANZ已经将决策权进一步下放给客户顾问,以便更灵活地根据客户需求设定方案。

建立循证决策文化。为什么企业不能更好地利用数据、更好地分析?在珍妮·罗斯看来,原因之一可能是因为它们的管理实践没能跟上技术平台的发展。过去10到15年间,采用ERP、CRM、实时数据仓库、自有核心信息系统平台的企业,却并没有将这些平台带来的信息变现。

另一方面,部分企业内部治理机制不完善,管理层级多、信息不对称以及“一把手”独揽决策权的现象普遍存在——这一现象在国内企业中尤为常见。在国家审计署2012年审计的53家企业中,有21家未按公司法注册,仍实行总经理负责制;有45家内部层级超过4级、最多达11级;缺少约束力,子公司违规决策的情况时有发生。企业抢抓机遇的意识造成大量冲动型、随意型和经验型决策。

清除这些未来发展阻碍的有效方式是建立循证决策的文化。这将是一项艰难的文化转变:要重新定义工作流程、数据必须“干净”(未被人为篡改)、统一、还要建立清晰的企业决策流程机制对需要应用认知计算决策助手的员工进行指导。毫无疑问,这将是一个需要变革领导力、且必须循序渐进的过程。

熊静如是HBR中文版撰稿。