服務創新電子報

IBM吉姆·斯波勒解析AI時代服務科學的未來

IBM認知開放技術(Cognitive Open Tech)小組的主任吉姆·斯波勒,也是IBM全球大學計畫的主任,特別受邀參加2020 ICSSI演講,主題是服務科學和人工智慧未來的路線圖,講演包括以下幾個面向:從服務科學的角度來看,人類技能,技術,設計,管理決策和公共政策的進步有何關聯?複雜系統中的基本價值創造原則為何?解決AI / IA(智能增強)需要多長時間?這些進步如何解決服務科學所構成的學科整合問題?誰是推動人工智能發展的領導者?開放數據來源和AI對於未來經濟增長和社會福祉為何如此重要?我們應該從COVID-19社會疏遠政策中學到什麼教訓?

IDM是指從設計、製造、封裝測試到銷售自有品牌IC都一手包辦的半導體垂直整合型公司

吉姆·斯波勒在麻省理工學院與耶魯大學學習物理、人工智慧和認知科學以及研究IDM的服務系統,幫助制定服務科學以增加創新和服務系統,為IBM在服務方面增長收入。以下為講演內容重點整理:

複雜系統中的基本價值創造原則為何?

AI是一門相對成熟的學科,大約已經有70年歷史了,您可以將服務科學視為一門新興的趨勢學科,至今還不到20年,而且專注於服務的科學實際上是關於轉換和服務系統。當您考慮學科時,學科是電腦資訊科學,化學,AI,生物學還是服務科學,了解正在研究的實體類型非常重要。

例如,紐維爾(Newell)和西蒙(Simon)在接受圖靈獎時的論文,他們在談論計算機科學,以構建服務於社會的電腦科學,也談論符號抽象的基本層次,以及符號的重要性。將電腦理解為物理符號系統,或者將智能手機理解為筆記型電腦,這都是用於處理物理符號的系統。

布萊恩·亞瑟(Brian Arthur)是經濟學家,吉姆·斯波勒認為他最近的許多著作都是有關於技術及其發展,尤其是官方情報將對經濟產生什麼樣的影響。他談到博物館方面的知識,亦即使用先進技術能夠滿足大眾的需求。我們已經通過就業獲得了社會的利益,但是在未來,如果自動化達到了相當程度的水平,布萊恩提出了技術性失業的問題,人們可透過完美的設置獲得這些利益。

服務科學可以解決技術問題,甚至可能超出人們的能力,但是仍然沒有解決需要解決的社會問題,這不是關於自動化,而是關於實體的轉變,在於價值主張中的轉變以及如何互動。同時IBM 的Watson(辯論者技術)收集了3500個論點,並總結了贊成和反對的論點,向您顯示AI在這方面的進步,對於總結人們正在提出的論點非常有用。

如何解決服務科學所構成的學科整合問題?

思考服務科學的方式,首先是跨學科,它已經與許多不同學科合作,這服務系統實體類型,有人稱它們為社會技術系統。一個大學,一個國家,都有一個實體的服務系統,規模各異,但是有趣的是,在交互服務系統的生態學中,觀察它們以及它們產生什麼樣的結果。吉姆認為社會技術系統是關於內部的東西,那裡有服務科學試圖達到的技術。

如果您觀察組織和個人,以及正在發生的變化,就可以廣泛地了解我們所看到的一切。在通才的時代,他們要懂如何生火,要知道如何製造工具,他們可以自己做衣服。我的意思是,如果您考慮一下出去購買東西的數量,如果都必須自己製作建造,可以是通才的生存者,但為了成功就必須競爭合作。

在製造服務領域中,將有更多實體服務系統,例如商業機構和國家,如果您獲得了計算機科學或數據科學或運營研究的學位,並且對該專業進行了更深入的研究,你可以獲得巨大的優勢。

但不僅僅是國家和企業成為全球網絡社群和虛擬世界的一部分,越來越多的人將使用AI來增強自我,但始終不變的事情是如果您想做更大的事情,就必須競爭合作。

解決AI / IA(智能增強)需要多長時間?

你看到這個AI平台將人們帶入他們的生態系統,這似乎是一個常數,因為我們著眼於未來的服務科學路線圖和價值協作的合作。因此,讓我們開始談論AI,對於CEO或企業家來說,最重要的大概是什麼時候我才能以這樣的價格購買AI功能。

探索這一點,首先,AI投入了大量資金。如果僅看IBM的話,我們在10年中僅向麻省理工學院就投資了2.4億美元,一起從事AI工作。IBM腦神經形態的大腦晶片已經在《科學》雜誌上發表,計算能量等級比傳統計算機低10,000倍。除了在腦晶片領域投資之外,我們還在量子電腦方面投入大量資金。這是另一種使我們可以按指數方式減少某些類型問題的計算成本。

人為水平的性能大約有百分之五的錯誤率,吉姆認為我們語音聊天不是流利的自然語言交流,我們可以進行視頻理解,請注意電腦並不如人,而且沒有系統一種類似於我們的人類記憶系統的記憶,用於回答一般性的問題。

我們如何才能知道何時將有一種解決AI的通用方案,或者一種解決方法,思考摩爾定律。上圖分析圖表中2020年之前的一切都是歷史,之後的一切都是預測,如果這是摩爾版本,從1960-1980年到2080年,可以看出每20年計算成本下降一千倍。在1960年代,計算機每秒可完成約一千條指令,今天是每秒1億條指令。

那台電腦價值數十億美元,我們可以看到摩爾定律還在繼續,到2060年將達到百億億級。沒人能真正預測未來,但如果這種模式繼續下去,您可以看到您智慧型手機上的應用程式,您可能有一百個用於娛樂、金融、醫療、保健、教育,而每個應用將不斷發展,它將具有流利的對話能力。也將具有記憶能力,它會記住您在進行最後一分鐘的互動功能。

如何準備好獲得收益並避免風險?

您的應用程式在2016年左右為個人工作者所用,您可能會有一百名數位工作者為您工作。而且,如果您是公司的企業家或首席執行官,這可以幫助您開始預測何時具備以下能力:

令人興奮的是每位員工的GDP也會上升。因此,如果您的首席執行官或您對公司僱用的每個人都不是很了解,那麼將有數百名數位工作者在為他們工作,他們甚至期望從增加的勞動力中獲得更多收益。

我們獲得何時將擁有人工智慧的想法的另一種方法是查看排行榜,而排行榜只是在特定區域具有快速AI排名的能力,從AI前進的路線圖,您可以看到語言模式識別視頻理解,在發展認知和記憶推理方面有所困難,常識推理類似於人的記憶。我們目前還沒有完成,但我們正在這些領域處理特定社交任務的AI系統建立對話關係,最終是可以協助自己的助理AI。

您可以做的是查看https://paperswithcode,com/sota的排行榜和論文的性能水平。這個網站很好,您可以在這裡看到代表最新技術水平排行榜上的性能。如果您想像使用IDM進行兩年以上的繪製,則可以開始了解它的軌跡,並開始感覺到,除了計算能力的成本外,還有證實證據了解該程序是什麼。

誰是推動AI發展的領導者?

現在誰贏了?在當時技術評論的報告,微軟在AI出版物中排名第一,Google緊隨其後。今日在科學出版物方面,Google已經穩步超過了微軟和IBM。

但是,如果您查看專利,則IBM在這裡連續28年位居專利第一,並且您還應該查看其他因素,例如按國家/地區劃分的工業機器人,查看他們在各個小組中進行的研究,研究公共政策和國家如何幫助您陪伴過渡到AI驅動的經濟報告。

我們應該從COVID-19社會疏遠政策中學到什麼教訓?

如您所見,當我們開始考慮Covid-19有三件事。我希望您考慮一下,當然可能是您與家人在家工作,您正在網上做更多的事情,您正在努力避免與另一項重大進展取得實質性聯繫,而這些進展在本質上加速了AI和機器人的發展。

這裡有一個有趣的想法,家裡的機器人可以減輕工作,例如修剪草坪可以對草坪進行維護。吉姆一直在籌集資金,以鼓勵在新冠肺炎疫情時期內不願意做的所有事情交給一些很棒的家用機器人,這些機器人開始在這種情況下發展起來。因此,當然要談一談AI的好處,這將使獲得專業知識的人能夠做出更好的選擇。而且吉姆認為肯定還有其他技術,擴充實境,虛擬實境,區塊鏈,安全性先進的材料和能源系統等,像科學研究一樣,它們對未來的影響遠不止於AI,包括未來20年的生活質量和服務科學課程必須學習。

所有這些不同的技術以及它如何影響生活質量都是我們的目光。因此,您可以考慮一下當新加坡因為3D打印技術而在當地進行生產製造時,在15天內建造30層的建築,無人駕駛汽車解決了回收的問題。

資訊通信技術將徹底改變社會、金融、醫療、保健,有更多機器人手術、3D列印的內臟器官等。想像一下,擁有智慧型手機和受過教育的孩子,將在企業家的團隊中工作,即使政府在20年內都能更好地工作,也要感謝這方面的進步。

服務科學的發展歷程與途徑

提到電話,吉姆今年64歲,當他在緬因州長大時,還不會在牆上撥通電話。當他在麻省理工學院時,電話有一個旋轉撥盤,現在,當然已經有他的iPhone,想像到2035年將擁有什麼?吉姆可以肯定的是未來會越來越好。

1972年,當吉姆離開IBM全球大學計劃時,已經為全球300,000名教職員工和學生提供了在線上訪問IBM AI的機會。並進行了大量的模擬,可以使用內部和外部刺激,一旦獲得了大約18至20年歷史的數據,可成為某個特定行業的專家大約有200萬分鐘的經驗,無論是醫療技術人員或舞者,都清楚地知道,一點一點地計算出來,就成就了美國經濟大約2,000個工作崗位,從會計到動物學家,就像生化工程師一樣,他們試圖找到更好的方法來製造抗癌分子。

您會看到他們必須大量閱讀,並且知道要掌握科學技術文獻,但是如果他們只會說英語,對於中文期刊、德國期刊、俄羅斯、葡萄牙文,這些不同的語言如何閱讀?顯然需要增強智能來跟上所有這些知識。因此,這裡有IBM合作夥伴生化工程師Baylor的一個例子,可以幫助大家找到關鍵的知識,他們正在研究如何提高生產力並在這裡發現抗癌治療藥物。

您不必是程序員就可以從GitHub下載新軟體,因為就開源項目而言,它已經擁有了一切。因此,無論您是否為程序工程師,您都可以獲取訪客帳戶。這是洞察技術民主化的關鍵。

開放數據來源和AI對於未來經濟增長和社會福祉為何如此重要?

IBM正在建立AI信任關係,並為開源提供了託管權。吉姆研究的項目來自IBM Linux基礎研究。許多其他公司也在開發開源受信任的AI技術。但是IBM將其建立在與供應商無關的開放式管理方面處於領先地位,並且有數百個開放數據來源和AI項目,大家都可以進入Linux基金會了解更多。

總而言之,所有這些平台開發出來都非常困難,您可以閱讀、重做和移植,您可以學習的21世紀所擁有技能的不同用法,並且更善於使用所有這些技術,而這些都是公開的,您可以在這裡找到各種各樣的東西。

吉姆認為是將人工智慧與服務科學聯繫起來的東西,使大眾可以在沒有信任的情況下擁有創造的價值,您當然不希望使用未分類的AI系統。因此,從科學的角度而言,我們必須開始構建彈性系統,當發生某些不良情況時會迅速從頭開始建立知識的提示,大眾可以善加運用共謀進步。 (整理·翻譯/盧懿娟)

吉姆·斯波勒(Jim Spohrer)簡介:

Jim畢業於麻省理工學院,獲得物理學理學學士學位,並在埃克森美孚公司Verbex開發語音識別系統後,他在耶魯大學獲得計算機科學/人工智慧博士學位。專攻人工智慧和認知科學,專門用於從事複雜問題解決任務的建模學習者。他並且是PICMET(波特蘭國際工程技術管理中心)院士,致力於推進服務科學。

2006年,Jim與他人合著了《ACM通訊》特刊,重點是服務科學,其中包括與開放創新的先驅加州大學伯克利分校的亨利·切斯布魯教授共同撰寫的服務科學研究宣言。 2010年,他與Paul Maglio和Cheryl Kieliszewski共同編輯了《服務科學手冊》。

他已經撰寫或貢獻了90多個出版物和9項專利。為了支持服務科學,AI服務系統和技術平台以及服務創新方面的新跨學科思維,他於2012年與其他資訊技術公司和大學的同事共同創立了國際服務創新專業人員協會(ISSIP),積極推動互聯網世界的服務創新。

 

Share
標籤: , ,

留下您的評論

Share