2011年2月，IBM的沃森（Watson）計算系統在《危險邊緣》（Jeopardy！）節目中與兩名強大的人類對手進行了對抗：在節目中擁有74場連勝紀錄的肯·詹寧斯（Ken Jennings）和累積獎金總額最高325萬美元的布拉德·拉特（Brad Rudder）。沃森擊敗了它的人類對手。在這場播出三天的比賽中，沃森在第二輪比賽之後就遙遙領先對手。儘管人機大戰是否公平仍不確定（在節目中獲得成功很大程度上取決於按鈴的速度，而沃森的優勢可能在於它更清楚什麼時候按鈴），這期節目讓人印象非常深刻。
這讓很多人想知道這項技術除了參加電視遊戲節目以外還能做什麼。從2012年開始，IBM就開始對沃森在衛生保健等領域進行試驗。該公司從那時起推出了一系列基於該技術的產品，IBM將該技術稱為“認知計算”（cognitive computing）。
沃頓知識線上對IBM沃森的首席設計師貝克（Brad Becker）進行了採訪，談論了認知計算當前和未來的應用，以及他希望如何讓電腦變得“更人性化”。以下為經過編輯的訪談記錄。
沃頓知識線上：你的背景是用戶體驗設計。這在IBM的沃森項目中發揮了怎樣的作用？
貝克：我們設計沃森的理念是技術是服務於人的，而不是人服務於技術。很長時間以來，人們一直在努力更好地理解技術。而沃森則是讓技術來理解我們。它更加地人性化，能夠幫助人類，它說我們的語言，它可以處理模糊資訊，可以創建假設，也可以向我們學習。還有，當然，因為它是一台電腦，它可以進行大規模運算，並且擁有比人類好得多的記憶力。
沃森擁有電腦的傳統優勢，但在某種程度上它讓人覺得更加舒適和高效，或者我喜歡將其稱為更人性化。它能夠讓專業人士，甚至是非專業人士做比原來更多的事情。
沃頓知識線上：你所說的“更人性化的”電腦，這是什麼意思？
貝克：傳統上來說，技術是由技術人員開發的。這聽上去像同義反復，但是通常創造技術的人熱愛技術並且接受它本來的樣子。艾倫·庫伯（Alan Cooper）在《交互設計之路》（The Inmates Are Running the Asylum）一書中探討了這個問題。那麼解決方案是什麼？
部分解決方案是花時間專注於誰會使用這項技術，他們的需求是什麼，人類如何工作，真正使用這項技術的人的人群特徵和認知心理是怎樣的。我們如何能讓這項技術更好地適應人類？這有點類似傢俱的人體工學設計。
這裡我們用的是IBM Design Thinking，我們看的不僅僅是IBM及其客戶的商業問題，還為理解最終用戶和他們的具體需求進行了實際研究。我們還考慮了一些更加橫向的問題：在一般情況下，該技術如何能夠更好地為人服務？你有沒有被技術難倒過，並且想“到底是誰發明了這個東西？”或者覺得也許是自己笨，因為自己無法理解本應為我們服務的工具。
這就是我們所真正追求的。我們嘗試現在提出未來認知計算的概念。這一概念的全部焦點在於技術應該服務於人，而不是人服務於技術。它始於我們需要什麼，以及我們認為什麼是對人類有益的。我們如何能夠幫助提高人類的能力？自行車沒有取代雙腿，但它增強了雙腿的能力。這就是我們的目標：取人之所長，補人之所短，例如閱讀5,000萬篇文章並且記住每一個單詞對於人類來說是及其困難的；在沃森的幫助之下，我們希望讓人類能夠做到比原本更多的事。
沃頓知識線上：你能用基本術語解釋一下沃森的工作原理嗎？
貝克：沃森並不是人腦的複製，但它採用類似的方法解決問題，其運算時有多個完全獨立的步驟同時運行。我們根據問題的本質用不同的方式處理不同類型的查詢。
我們也從純粹的問與答轉向了發現，也就是說，你尋找的不僅僅是“答案”。即便答案存在，今天的答案也不一定是明天的答案。凡事都在快速變化著；具有模糊性。而沃森則擅於處理這一點。
發現是一項有趣的運用，因為這就好比你在噪音當中尋找微弱的信號。這是一個大資料問題，但你要找的並不僅僅是最明顯的東西。這並不像做一個線性回歸或者淺顯地學習如何使用機器那樣簡單。這是人類專家與沃森合作共同篩選從而實現大海撈針的一個很好的例子。
最近新聞報導中有一些例子，描述了貝勒大學（Baylor University）為了測試沃森，讓它處理所有現有的材料，從而得出了一些發現。他們用比較陳舊的材料測試沃森，看它是否會得出與科學界在過去十年中所得出的相同發現，沃森在幾周之內找出了其中一些。
沃頓知識線上：所以你是對人類已經發現的東西進行了回歸測試，看沃森是否會得出相同的結論，對嗎？
貝克：沒錯。我們需要18年才能把一個人培養到被我們稱為“成人”的水準。但是，對沃森來說，我們可能只需要幾周或幾個月的時間就可以把它訓練到能夠在一個特定的領域提供價值。在前面提到的例子中，貝勒大學通過運用自己的資料來檢測沃森技術。當然，沃森能夠找到那些既定的隱藏聯繫。
沃頓知識線上：你說沃森的認知計算方式與人類的思維方式並不完全一樣。那它們有哪些相似之處和不同之處？
貝克：從一方面來說，人類思維的有趣之處在於人腦是非常低功耗的小型的可擕式電腦，連接的是可以通過漿果和堅果提供能量的胃。人類大腦的所有這些生理方面既是局限也是優勢。大腦有各種不同的分工。
我們並不希望複製人腦，因為坦率地說，自然已經做到了這一點。我們考慮的是人腦的工作原理、人們喜歡的工作方式，然後審視傳統的電腦，並指出：這並不是非常適合。通過學習人腦所做的一些事情，我們可以讓電腦變得對人更有幫助。我們不想失去電腦完美的記憶力、擴展能力和完成機械任務的速度，但是，通過結合從人腦中獲得的一些經驗，以及人腦的不同部位相互協作的方式，我們可以找到一種理解的途徑。
我們還加入了大量的自然語言處理，這樣電腦就可以說與我們相同的語言。從巴別塔（Tower of Babel）的故事開始，我們就知道了共同的語言對於相互理解和與他人合作的重要性。直到現在，電腦只能識別代碼，你需要對電腦進行程式設計。但現在，我們正在進入到一個我們能用人類語言與電腦共事的世界。不同於以往的程式設計，你可以訓練一台電腦。
沃頓知識線上：你提到了IBM與貝勒大學合作的項目。和我們說說這個專案的具體內容吧。
貝克：貝勒醫學院（Baylor College of Medicine）與IBM的聯合專案使用了一種特定的工具包，讓沃森識別更改了p53的蛋白質，p53是一種與多種癌症相關的蛋白質。他們看了7萬篇關於p53的科學論文，並且預測了能夠開啟或關閉p53蛋白質活性的蛋白質。他們發現了6種潛在的蛋白質作為新的研究目標。一般情況下，醫學界每年能夠發現一種潛在的蛋白質。通過看7萬篇文章，沃森能夠大規模地處理其中所有的資訊，並提出6個有可能的研究方向。然後再由人去探索這些方向。
沃頓知識線上：現在有許多以沃森為基礎開發的產品，例如你提到的在醫學上的應用，以及一款叫做Chef Watson的產品等。你能大致介紹一下由沃森核心技術派生出來的產品嗎？
貝克：好的。我們有Watson Engagement Advisor，這是一個能夠提高你與客戶關係的解決方案。它從你那裡獲得非結構化資料，並提供給你的客戶；它説明客戶自己找到他們所需要的資訊。這樣，作為企業，你也能夠看到客戶所提出的問題等等。
第二個產品我們前面已經提到了，是Watson Discovery Advisor，這是為了尋找大資料內的關聯而設計的產品。例如，讓沃森檢查執法資料庫和非結構化資料，找到犯罪嫌疑人之間和案件之間的潛在聯繫等。
我們已經談過了藥物發現：尚未充分探討的不同元素之間的聯繫是什麼？找出一個明顯的聯繫是一回事，而找到一個較弱的不那麼明顯的，或者比較間接的聯繫則不那麼簡單。
Chef Watson是發現的另一個領域，你會發現烹飪食譜的不同原料之間可能會有一些有趣的聯繫。當人們在尋找有趣和新鮮的東西的時候，從發現的角度來說，人們喜歡霜淇淋勝於蘋果派並不是什麼有趣的事，但是草莓與蘑菇有類似的化學成分，並且可能會形成很好的飲食搭配則會引起人們的關注。
另一個專案是Watson Explorer，它始於Enterprise Search。它可以用來探索已經存在的知識體系，但是每個機構本身又有自己內部的知識體系。Watson Explorer能夠收集已經在你的機構中的所有資訊，並且把這些資訊提供給公眾，讓他們能夠探尋需要的資訊和答案。
我們不久前還公佈了Watson Developer Cloud。現在開發者可以使用Watson的服務和IBM Bluemix（IBM的雲計算平臺），基於平臺上已有的服務來創建他們自己的認知應用。學生、大學、公司，甚至獨立的開發人員都可以參與進來，嘗試開發認知計算應用。
沃頓知識線上：這些都是基於雲計算託管的服務嗎？
貝克：不是。Watson Developer Cloud是一種基於託管的SaaS（軟體即服務）模式可擴展的解決方案。也有一些解決方案是基於雲技術，但是由公司在本地託管。
例如，Watson Explorer是基於本地的，它可以找到你的所有資訊。我認為雲技術、API和可擴展伺服器的概念一定會與之密切相關，但是也會有根據客戶偏好設計的本地版本。
沃頓知識線上：當你談到沃森在衛生保健和案件偵查等領域的運用時，我們是不是應該擔心人們會過於相信它的分析？例如，我們知道一些關於配偶被殺的案件，往往丈夫或妻子是最有可能的犯罪嫌疑人，但這樣的認識可能會規避對其他可能性的探索。那麼對於沃森，是否會有類似的擔憂，由於我們過於相信它的分析，以至於其他的途徑（儘管可能性不大但仍可能是正確的）就被忽視了？
貝克：這恰恰就是Discovery Advisor的主要目的，即尋找潛在的、微妙的聯繫，並不一定是明顯的聯繫。最明顯的聯繫是不言自明的，所以你不需要依靠沃森來找到它們。我們都知道在家庭謀殺案中配偶是最明顯的犯罪嫌疑人，我們並不需要沃森來說明這一點。
Discovery Advisor的重點是相反的問題：那些微妙的、間接的，微弱的信號聯繫；找到不明顯的聯繫，開闢調查沃土，讓人類專家引起注意；以及幫助人們實現大海撈針。
沃頓知識線上：“電腦應該像人一樣工作，而不是人應該像電腦一樣工作“這個概念已經存在了很長一段時間了，至少可以追溯到1984年蘋果拖出Macintosh電腦的時候。事實上，史蒂夫·約伯斯（Steve Jobs）也用了你提到的自行車比喻。他把Macintosh視為“思維的引擎”。我們為什麼需要花這麼長時間才能在這一領域取得進展？
貝克：這是一個非常艱難的有價值的挑戰。它有很多不同的方面。理解人類是一個挑戰。對於我們自己的大腦和我們自己的行為，我們還有很多地方不能理解，更不用說如何利用技術來進一步瞭解人類了。
但是其中一些只是常識，是實際的東西。在IBM，我們聘請了很多的人致力於建立更人性化的電腦。我們不僅有能夠設計合適的外觀和完善視覺細節的視覺設計師，還有很多站在客戶的角度完善工作流程的人。
做一個生命科學家或藥物研究院是什麼樣的？做一個客戶服務代表是什麼樣的？我們與金融服務與保險公司USAA合作；與軍事分離開來是什麼樣的？你有什麼問題？有何種擔憂？你的心理狀態是什麼樣的？那是什麼感受？
實際上我們做的是人類學。我們向各行各業的人瞭解他們所關心的東西。其中有很多共同的模式，我們正在找出其中的一些，但事實是人類往往是混亂而複雜的。我們正在嘗試創造一種能夠與動態和複雜的東西相匹配的技術。
沃頓知識線上：對很多公司來說，用戶體驗設計似乎往往是一種事後的想法。這麼說對嗎？
貝克：傳統上，我認為這完全是一種事後的想法。試想一個物理空間，比如一個房子，如果每次你走進這個房子的時候，在你前方兩英尺的地方都有一面牆，你可能會撞到這面牆，或者你的頭可能會撞到一個比較低的東西。所以我們為這些問題設定了標準。出於某種原因，更加虛擬的技術沒有受到太大的影響。我認為技術正在不斷地提高。從網路和應用程式上可以看出，業內對於用戶體驗的關注正在不斷增加。
沃頓知識線上：如果一家公司的總經理來找你，說，“我想通過用戶體驗來區分我的產品。”你會給出什麼建議？
貝克：最好的辦法是走出辦公大樓，觀察使用你的產品的消費者。這會讓你知道你的產品有什麼問題。至於解決方案，我們有一些很好的方法（例如IBM Design Thinking）可以幫助你進行頭腦風暴、嘗試、快速失敗、再嘗試並集中找出這些問題最重要的解決方案。但是這一切都始於理解你的用戶，以及，當然，理解你的技術的能力。大多數技術公司對於技術方面都很擅長，但是理解你的用戶才是頭等重要的事。
我想說的第二點是聘請專業人士。我會雇傭在這方面有經驗並且有激情的人。這樣你就能知道如何管理一種能夠促進用戶體驗的企業文化。
最終，你的文化會促進用戶體驗。你提到了蘋果，他們並不一定擁有最多的設計師，但是從史蒂夫·約伯斯下到整個公司，他們都能夠充分理解設計，以及產品服務於人的概念和牢記你之所以這樣做的重要性。相同的企業文化也在IBM不斷發展。你必須要灌輸這樣一種文化，“在每天結束的時候，我們都在嘗試為某個人解決問題或者提供某種價值。我們最好能夠理解並能表達出這種價值是什麼。”
沃頓知識線上：沃森這樣的技術會如何重塑未來的就業前景？這些技術是否會消除大量的就業機會？
貝克：這是個很有趣的問題，因為我一直在看IBM歷史上的一些資料，講的是關於上世紀60年代的電腦。在上世紀5、60年代，有很多關於這些新電腦將會如何取代辦公室員工和工作的討論。我不知道你是什麼情況，但是我是在辦公室辦公的，那裡有很多人，當然也有很多電腦。
人類是非常有趣和複雜的，他們很難被直接取代。但是認知計算可以彌補我們的短處，並幫助我們突破自己的局限。
沃頓知識線上：你認為什麼時候會出現奇點？電腦思維什麼時候會超越人類思維？
貝克：我並不認為這些線路會完全融合。我不確定我們是否會100%地到達那裡。但在這個方向上的進展將對我們大有幫助，尤其是，當我們越來越瞭解自己的時候，我們可以讓技術更好地為我們服務。但我並不認為電腦將會超越人類。因為歸根結底，是人在指示電腦或機器如何達到創造自身和創造他物的程度。這必須由人來設計。
沃頓知識線上：展望未來十年或以上，你認為認知計算的未來是什麼？
貝克：我們很難看全它將會結出的所有果實。現在它已經讓人非常興奮了，但是我認為它將會實現更多的承諾。它將會變得更容易、更快，以及更加普遍。你將會看到技術將會變得更加專注於人、更適應人的需求、更有用，以及更加地人性化。
我對技術如何能夠服務於人思考了很多。有時候，因為越來越多的技術出現在我們生活中，感覺就像我們在服務於技術。我們考慮事物的碳足跡，這沒錯，但我認為技術行業也有責任確保他們考慮了自己所創造的技術的認知足跡。它到底是一種負擔，還是一件好事？我們希望確保我們理解用戶和他們的需求，這樣我們就可以創造出與之相對應並且能夠創造出正面價值的技術。
確保技術服務於人，特別是通過沃森來看認知計算將如何能夠比傳統的超級電腦更好地適應人類，我認為這是非常令人興奮的。
圖片來源：Clockready的“IBM Watson”，自行拍攝。經Creative Commons Attribution-Share Alike 3.0授權在維琪共用資源（Wikimedia Commons）上分享。
Join The Discussion
No Comments So Far