2011年2月，IBM的沃森（Watson）计算系统在《危险边缘》（Jeopardy！）节目中与两名强大的人类对手进行了对抗：在节目中拥有74场连胜纪录的肯·詹宁斯（Ken Jennings）和累积奖金总额最高325万美元的布拉德·拉特（Brad Rudder）。沃森击败了它的人类对手。在这场播出三天的比赛中，沃森在第二轮比赛之后就遥遥领先对手。尽管人机大战是否公平仍不确定（在节目中获得成功很大程度上取决于按铃的速度，而沃森的优势可能在于它更清楚什么时候按铃），这期节目让人印象非常深刻。
这让很多人想知道这项技术除了参加电视游戏节目以外还能做什么。从2012年开始，IBM就开始对沃森在卫生保健等领域进行试验。该公司从那时起推出了一系列基于该技术的产品，IBM将该技术称为“认知计算”（cognitive computing）。
沃顿知识在线对IBM沃森的首席设计师贝克（Brad Becker）进行了采访，谈论了认知计算当前和未来的应用，以及他希望如何让计算机变得“更人性化”。以下为经过编辑的访谈记录。
沃顿知识在线：你的背景是用户体验设计。这在IBM的沃森项目中发挥了怎样的作用？
贝克：我们设计沃森的理念是技术是服务于人的，而不是人服务于技术。很长时间以来，人们一直在努力更好地理解技术。而沃森则是让技术来理解我们。它更加地人性化，能够帮助人类，它说我们的语言，它可以处理模糊信息，可以创建假设，也可以向我们学习。还有，当然，因为它是一台计算机，它可以进行大规模运算，并且拥有比人类好得多的记忆力。
沃森拥有计算机的传统优势，但在某种程度上它让人觉得更加舒适和高效，或者我喜欢将其称为更人性化。它能够让专业人士，甚至是非专业人士做比原来更多的事情。
沃顿知识在线：你所说的“更人性化的”计算机，这是什么意思？
贝克：传统上来说，技术是由技术人员开发的。这听上去像同义反复，但是通常创造技术的人热爱技术并且接受它本来的样子。艾伦·库伯（Alan Cooper）在《交互设计之路》（The Inmates Are Running the Asylum）一书中探讨了这个问题。那么解决方案是什么？
部分解决方案是花时间专注于谁会使用这项技术，他们的需求是什么，人类如何工作，真正使用这项技术的人的人群特征和认知心理是怎样的。我们如何能让这项技术更好地适应人类？这有点类似家具的人体工学设计。
这里我们用的是IBM Design Thinking，我们看的不仅仅是IBM及其客户的商业问题，还为理解最终用户和他们的具体需求进行了实际研究。我们还考虑了一些更加横向的问题：在一般情况下，该技术如何能够更好地为人服务？你有没有被技术难倒过，并且想“到底是谁发明了这个东西？”或者觉得也许是自己笨，因为自己无法理解本应为我们服务的工具。
这就是我们所真正追求的。我们尝试现在提出未来认知计算的概念。这一概念的全部焦点在于技术应该服务于人，而不是人服务于技术。它始于我们需要什么，以及我们认为什么是对人类有益的。我们如何能够帮助提高人类的能力？自行车没有取代双腿，但它增强了双腿的能力。这就是我们的目标：取人之所长，补人之所短，例如阅读5,000万篇文章并且记住每一个单词对于人类来说是及其困难的；在沃森的帮助之下，我们希望让人类能够做到比原本更多的事。
沃顿知识在线：你能用基本术语解释一下沃森的工作原理吗？
贝克：沃森并不是人脑的复制，但它采用类似的方法解决问题，其运算时有多个完全独立的步骤同时运行。我们根据问题的本质用不同的方式处理不同类型的查询。
我们也从纯粹的问与答转向了发现，也就是说，你寻找的不仅仅是“答案”。即便答案存在，今天的答案也不一定是明天的答案。凡事都在快速变化着；具有模糊性。而沃森则擅于处理这一点。
发现是一项有趣的运用，因为这就好比你在噪音当中寻找微弱的信号。这是一个大数据问题，但你要找的并不仅仅是最明显的东西。这并不像做一个线性回归或者浅显地学习如何使用机器那样简单。这是人类专家与沃森合作共同筛选从而实现大海捞针的一个很好的例子。
最近新闻报道中有一些例子，描述了贝勒大学（Baylor University）为了测试沃森，让它处理所有现有的材料，从而得出了一些发现。他们用比较陈旧的材料测试沃森，看它是否会得出与科学界在过去十年中所得出的相同发现，沃森在几周之内找出了其中一些。
沃顿知识在线：所以你是对人类已经发现的东西进行了回归测试，看沃森是否会得出相同的结论，对吗？
贝克：没错。我们需要18年才能把一个人培养到被我们称为“成人”的水平。但是，对沃森来说，我们可能只需要几周或几个月的时间就可以把它训练到能够在一个特定的领域提供价值。在前面提到的例子中，贝勒大学通过运用自己的数据来检测沃森技术。当然，沃森能够找到那些既定的隐藏联系。
沃顿知识在线：你说沃森的认知计算方式与人类的思维方式并不完全一样。那它们有哪些相似之处和不同之处？
贝克：从一方面来说，人类思维的有趣之处在于人脑是非常低功耗的小型的便携式电脑，连接的是可以通过浆果和坚果提供能量的胃。人类大脑的所有这些生理方面既是局限也是优势。大脑有各种不同的分工。
我们并不希望复制人脑，因为坦率地说，自然已经做到了这一点。我们考虑的是人脑的工作原理、人们喜欢的工作方式，然后审视传统的计算机，并指出：这并不是非常适合。通过学习人脑所做的一些事情，我们可以让计算机变得对人更有帮助。我们不想失去计算机完美的记忆力、扩展能力和完成机械任务的速度，但是，通过结合从人脑中获得的一些经验，以及人脑的不同部位相互协作的方式，我们可以找到一种理解的途径。
我们还加入了大量的自然语言处理，这样计算机就可以说与我们相同的语言。从巴别塔（Tower of Babel）的故事开始，我们就知道了共同的语言对于相互理解和与他人合作的重要性。直到现在，计算机只能识别代码，你需要对计算机进行编程。但现在，我们正在进入到一个我们能用人类语言与计算机共事的世界。不同于以往的编程，你可以训练一台计算机。
沃顿知识在线：你提到了IBM与贝勒大学合作的项目。和我们说说这个项目的具体内容吧。
贝克：贝勒医学院（Baylor College of Medicine）与IBM的联合项目使用了一种特定的工具包，让沃森识别更改了p53的蛋白质，p53是一种与多种癌症相关的蛋白质。他们看了7万篇关于p53的科学论文，并且预测了能够开启或关闭p53蛋白质活性的蛋白质。他们发现了6种潜在的蛋白质作为新的研究目标。一般情况下，医学界每年能够发现一种潜在的蛋白质。通过看7万篇文章，沃森能够大规模地处理其中所有的信息，并提出6个有可能的研究方向。然后再由人去探索这些方向。
沃顿知识在线：现在有许多以沃森为基础开发的产品，例如你提到的在医学上的应用，以及一款叫做Chef Watson的产品等。你能大致介绍一下由沃森核心技术派生出来的产品吗？
贝克：好的。我们有Watson Engagement Advisor，这是一个能够提高你与客户关系的解决方案。它从你那里获得非结构化数据，并提供给你的客户；它帮助客户自己找到他们所需要的信息。这样，作为企业，你也能够看到客户所提出的问题等等。
第二个产品我们前面已经提到了，是Watson Discovery Advisor，这是为了寻找大数据内的关联而设计的产品。例如，让沃森检查执法数据库和非结构化数据，找到犯罪嫌疑人之间和案件之间的潜在联系等。
我们已经谈过了药物发现：尚未充分探讨的不同元素之间的联系是什么？找出一个明显的联系是一回事，而找到一个较弱的不那么明显的，或者比较间接的联系则不那么简单。
Chef Watson是发现的另一个领域，你会发现烹饪食谱的不同原料之间可能会有一些有趣的联系。当人们在寻找有趣和新鲜的东西的时候，从发现的角度来说，人们喜欢冰淇淋胜于苹果派并不是什么有趣的事，但是草莓与蘑菇有类似的化学成分，并且可能会形成很好的饮食搭配则会引起人们的关注。
另一个项目是Watson Explorer，它始于Enterprise Search。它可以用来探索已经存在的知识体系，但是每个机构本身又有自己内部的知识体系。Watson Explorer能够收集已经在你的机构中的所有信息，并且把这些信息提供给公众，让他们能够探寻需要的信息和答案。
我们不久前还公布了Watson Developer Cloud。现在开发者可以使用Watson的服务和IBM Bluemix（IBM的云计算平台），基于平台上已有的服务来创建他们自己的认知应用。学生、大学、公司，甚至独立的开发人员都可以参与进来，尝试开发认知计算应用。
沃顿知识在线：这些都是基于云计算托管的服务吗？
贝克：不是。Watson Developer Cloud是一种基于托管的SaaS（软件即服务）模式可扩展的解决方案。也有一些解决方案是基于云技术，但是由公司在本地托管。
例如，Watson Explorer是基于本地的，它可以找到你的所有信息。我认为云技术、API和可扩展服务器的概念一定会与之密切相关，但是也会有根据客户偏好设计的本地版本。
沃顿知识在线：当你谈到沃森在卫生保健和案件侦查等领域的运用时，我们是不是应该担心人们会过于相信它的分析？例如，我们知道一些关于配偶被杀的案件，往往丈夫或妻子是最有可能的犯罪嫌疑人，但这样的认识可能会规避对其他可能性的探索。那么对于沃森，是否会有类似的担忧，由于我们过于相信它的分析，以至于其他的途径（尽管可能性不大但仍可能是正确的）就被忽视了？
贝克：这恰恰就是Discovery Advisor的主要目的，即寻找潜在的、微妙的联系，并不一定是明显的联系。最明显的联系是不言自明的，所以你不需要依靠沃森来找到它们。我们都知道在家庭谋杀案中配偶是最明显的犯罪嫌疑人，我们并不需要沃森来说明这一点。
Discovery Advisor的重点是相反的问题：那些微妙的、间接的，微弱的信号联系；找到不明显的联系，开辟调查沃土，让人类专家引起注意；以及帮助人们实现大海捞针。
沃顿知识在线：“电脑应该像人一样工作，而不是人应该像电脑一样工作“这个概念已经存在了很长一段时间了，至少可以追溯到1984年苹果拖出Macintosh电脑的时候。事实上，史蒂夫·乔布斯（Steve Jobs）也用了你提到的自行车比喻。他把Macintosh视为“思维的引擎”。我们为什么需要花这么长时间才能在这一领域取得进展？
贝克：这是一个非常艰难的有价值的挑战。它有很多不同的方面。理解人类是一个挑战。对于我们自己的大脑和我们自己的行为，我们还有很多地方不能理解，更不用说如何利用技术来进一步了解人类了。
但是其中一些只是常识，是实际的东西。在IBM，我们聘请了很多的人致力于建立更人性化的计算机。我们不仅有能够设计合适的外观和完善视觉细节的视觉设计师，还有很多站在客户的角度完善工作流程的人。
做一个生命科学家或药物研究院是什么样的？做一个客户服务代表是什么样的？我们与金融服务与保险公司USAA合作；与军事分离开来是什么样的？你有什么问题？有何种担忧？你的心理状态是什么样的？那是什么感受？
实际上我们做的是人类学。我们向各行各业的人了解他们所关心的东西。其中有很多共同的模式，我们正在找出其中的一些，但事实是人类往往是混乱而复杂的。我们正在尝试创造一种能够与动态和复杂的东西相匹配的技术。
沃顿知识在线：对很多公司来说，用户体验设计似乎往往是一种事后的想法。这么说对吗？
贝克：传统上，我认为这完全是一种事后的想法。试想一个物理空间，比如一个房子，如果每次你走进这个房子的时候，在你前方两英尺的地方都有一面墙，你可能会撞到这面墙，或者你的头可能会撞到一个比较低的东西。所以我们为这些问题设定了标准。出于某种原因，更加虚拟的技术没有受到太大的影响。我认为技术正在不断地提高。从网络和应用程序上可以看出，业内对于用户体验的关注正在不断增加。
沃顿知识在线：如果一家公司的总经理来找你，说，“我想通过用户体验来区分我的产品。”你会给出什么建议？
贝克：最好的办法是走出办公大楼，观察使用你的产品的消费者。这会让你知道你的产品有什么问题。至于解决方案，我们有一些很好的方法（例如IBM Design Thinking）可以帮助你进行头脑风暴、尝试、快速失败、再尝试并集中找出这些问题最重要的解决方案。但是这一切都始于理解你的用户，以及，当然，理解你的技术的能力。大多数技术公司对于技术方面都很擅长，但是理解你的用户才是头等重要的事。
我想说的第二点是聘请专业人士。我会雇佣在这方面有经验并且有激情的人。这样你就能知道如何管理一种能够促进用户体验的企业文化。
最终，你的文化会促进用户体验。你提到了苹果，他们并不一定拥有最多的设计师，但是从史蒂夫·乔布斯下到整个公司，他们都能够充分理解设计，以及产品服务于人的概念和牢记你之所以这样做的重要性。相同的企业文化也在IBM不断发展。你必须要灌输这样一种文化，“在每天结束的时候，我们都在尝试为某个人解决问题或者提供某种价值。我们最好能够理解并能表达出这种价值是什么。”
沃顿知识在线：沃森这样的技术会如何重塑未来的就业前景？这些技术是否会消除大量的就业机会？
贝克：这是个很有趣的问题，因为我一直在看IBM历史上的一些资料，讲的是关于上世纪60年代的电脑。在上世纪5、60年代，有很多关于这些新电脑将会如何取代办公室员工和工作的讨论。我不知道你是什么情况，但是我是在办公室办公的，那里有很多人，当然也有很多电脑。
人类是非常有趣和复杂的，他们很难被直接取代。但是认知计算可以弥补我们的短处，并帮助我们突破自己的局限。
沃顿知识在线：你认为什么时候会出现奇点？计算机思维什么时候会超越人类思维？
贝克：我并不认为这些线路会完全融合。我不确定我们是否会100%地到达那里。但在这个方向上的进展将对我们大有帮助，尤其是，当我们越来越了解自己的时候，我们可以让技术更好地为我们服务。但我并不认为计算机将会超越人类。因为归根结底，是人在指示计算机或机器如何达到创造自身和创造他物的程度。这必须由人来设计。
沃顿知识在线：展望未来十年或以上，你认为认知计算的未来是什么？
贝克：我们很难看全它将会结出的所有果实。现在它已经让人非常兴奋了，但是我认为它将会实现更多的承诺。它将会变得更容易、更快，以及更加普遍。你将会看到技术将会变得更加专注于人、更适应人的需求、更有用，以及更加地人性化。
我对技术如何能够服务于人思考了很多。有时候，因为越来越多的技术出现在我们生活中，感觉就像我们在服务于技术。我们考虑事物的碳足迹，这没错，但我认为技术行业也有责任确保他们考虑了自己所创造的技术的认知足迹。它到底是一种负担，还是一件好事？我们希望确保我们理解用户和他们的需求，这样我们就可以创造出与之相对应并且能够创造出正面价值的技术。
确保技术服务于人，特别是通过沃森来看认知计算将如何能够比传统的超级计算机更好地适应人类，我认为这是非常令人兴奋的。
图片来源：Clockready的“IBM Watson”，自行拍摄。经Creative Commons Attribution-Share Alike 3.0授权在维基共享资源（Wikimedia Commons）上分享。
Join The Discussion
No Comments So Far