返回 登录
0

IBM转型认知商业,媾和科大讯飞

3月1日,在主题为“迎接认知时代,IBM与您智胜未来”的2016 IBM论坛上,IBM大中华区董事长陈黎明宣布:IBM认知商业战略在中国正式落地。

IBM认为,80%的数据无法被目前的IT系统处理或理解,企业需要全新的计算工具来挖掘这些资源——这就是IBM Watson所代表的具备规模化学习、根据目标推理以及与人类自然互动能力的认知系统。

IBM介绍了认知商业在中国的最新成果,包括与辉瑞中国、科大讯飞等本地伙伴的最新合作。

  1. IBM中国和辉瑞制药联合前沿医疗机构,利用大数据及以新型认知分析方法,建立了符合中国人群特征的慢性病风险预测模型,可高效甄别出关键风险因素,加速科研发现的进程。借助此疾病风险预测模型与临床决策支持系统,医生预期可以大幅度提高诊疗质量,并针对病人的个体情况提出个性化诊疗建议,节约患者的医疗成本。

  2. IBM和科大讯飞股份有限公司已经签署备忘录:在技术方面,双方将致力于推动在认知计算算法、云平台架构等层面合作;在业务方面,推动医疗、教育和智慧城市等领域的合作发展契机。

图片描述

在中国,客户已经可以享用到Watson解决方案, 如Watson Explorer, 获得拥有认知能力、具备本地特色的认知系统,并可以通过云服务调用认知API,开发出新型的行业应用,建立新的创新能力。

IBM:认知技术商用的五个优势

  1. 客户互动:认知系统可通过分析与推理所有结构化和非结构化数据,来找出真正激发客户兴趣、产生互动的关键。这将改变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的产品及服务。例如,IBM与软银机器人控股公司近期合作开发的Pepper机器人,可理解包括社交媒体、视频、图像和文字上下文中隐含的意义,增强自然语言互动的能力。在零售行业借助机器人小助手,用户所说的话以及相应的手势和表达都可以得到理解和回应。此外,两家公司目前正在探索从课堂教学助手到护士助理等一系列应用。

  2. 专业能力:认知系统能帮助专业工作人员掌握新知识,帮助专家更加深入快速地开展研究工作和分享成果,让高质量的专业服务惠及普罗大众。正如IBM和Under Armour合作推出“认知训练系统”,它可以被用作私人健康顾问、健身教练与助手,在睡眠、健康、运动和营养状况方面,提供及时、专业且有数据依据的指导。未来,它有望成为第一款能够综合评估众多健康影响因素的认知系统。

  3. 产品与服务:认知技术支持的产品和服务可以感知用户及周围的世界,通过推理和不断地进行自我学习,增强服务能力,为人们带来新的生活和工作方式。比如,IBM与Medtronic合作,使得Medtronic可穿戴医疗设备具备认知能力,从而便于为病患提供个性化的糖尿病管理服务。此类应用还能够给病患带来自我诊疗能力,例如预测可能的低血糖风险,以及发现食物和活动对血糖趋势的影响等。

  4. 流程与运营:认知技术还能改变企业运营的方式,优化企业管理。汽车巨头SCANIA GROUP运用认知技术,利用车辆自身和工作环境中的物联网数据,实现降低油耗、优化车队运营规划并降低驾驶员风险。

  5. 探索和发现:将认知技术应用于海量数据源,人们将能够发现新商业模式、创新机会。认知系统有价值的假设推断,还可以推进尖端科研探索与发现。IBM正在用Watson认知计算能力,和十多家前沿性癌症机构合作,协助肿瘤医生通过海量丰富的基因组数据快速获取洞察,针对患者的具体基因档案,发现新的有效药物。

IBM:认知转型有五个关键要素:

  • 制定一套完备的认知策略:企业领袖要明确需要怎样的数据,负责训练认知系统的专家,需要融入认知技术的产品、服务、流程和运营环节,以及在80%非结构化数据中,在预测未来时最有可能需要的数据。

  • 加强认知型数据分析能力:企业领袖需确保企业能够收集、管理正确的结构化和非结构化数据,包括企业内部拥有的数据、来自他人的外部数据和所有公开的数据,以便进行感知、学习和调整,从而帮助企业打造竞争优势。

  • 优化用于行业、数据和认知API的云服务来打造面向新型开发的平台:开发者是新时代的建造者,他们构建的新产品和新服务能够带来全新价值。企业所选择的开发平台以及敏捷的开发文化和方法都是转型成功的关键要素。

  • 优化用于认知工作负载的IT基础架构:为了将认知能力构建在重要的物件、产品、系统和企业资源中,企业必须构建新型IT基础架构。若想快速且经济地完成这项工作,企业必须确保公共云、私有云及混合云提供的技术、分布各地的设备、连于物联网的设备及现有的系统互相协调一致。

  • 保证在认知时代下的数据安全:认知能力正逐渐渗透汽车、建筑物、道路、商业流程、车队及供应链等领域,这意味着保护每笔交易、每笔数据及每次互动的安全性,对于确保整个系统、品牌及公司声誉得到信任都非常重要。

评论