IBM Research Lab的雲與人工智能部門的研究人員兼負責人回到了美國跨國公司IA平台Watsonx的誕生的一年。他和瑞士蘇黎世的其他3000名研究人員準備下一個。該計劃中有廣義的人工智能和象徵智能。
這是一頭大象的故事，該大象設法像野兔一樣快地轉動。 2023年，IBM面對強大的創業公司和巨頭，例如Google，Amazon和Meta，開始了人工智能競賽。幾個月後，她向Watsonx平台介紹了滿足各種需求使用新工具和強大的語言模型。 IBM甚至創建了自己的型號，在電池頂部添加了這個平台，包括紅帽和Z服務。
對於蘇黎世（瑞士）IBM研究實驗室的研究人員羅伯特·哈斯（Robert Haas）來說，2023年是非凡的一年。他在“大藍色”職業生涯的27年中，認為這次發射是對悲觀外部預測的良好報仇。這是一種將成千上萬的IBM班輪員工匯集在一起的美好方式。喜歡量子，AI佔據了中心位置。邀請15萬名跨國公司來進行測試。目的：要盡快實現技術的大小。並參與其中。
01NET：專業流動性和業務壽命不足似乎並沒有觸及IBM，它設法使您保持了27年的成績。我們想像許多其他演員想放棄您。你為什麼從未離開？
羅伯特·哈斯（Robert Haas）：這很簡單：我離開了其他地方，但仍然與IBM在一起。這就是我簡單地說的，但這是事實。這是跨國公司的優勢，我在同一位置上的工作不超過5年。我從研究到開發，再到業務策略。我回到了研究中。這些經歷中的每一個都幫助了我。每當我更改時，我都會對公司感到更加相關。經歷過這樣不同位置的配置文件使您可以在這個巨大的星座中連接這些點。
隨著時間的流逝，我們帶來了更多的價值。通過從研究到策略，我能夠將與客戶的聯繫增加到我的日常生活中，而當您只從事研究時，這是不可能的。同時，我的研究技能使我對他們更加清晰，更簡單地解釋他們在研發方面發生了什麼。產品和未來發展的現狀。然後，當我重返研究時，我還可以從所有這些方面學習並更改過程以找到更好的工作方式。
現在我回到了研究，它非常適合我，因為我可以繼續自由表達自己。我執行的項目不一定是明天會導致IBM產品的項目，因此更簡單。
01NET：實驗室研究人員由於世代的多樣性而具有各種觀點，特別是關於人工智能的觀點嗎？
RH：顯然，當我觀察新的新兵加入我們的團隊作為博士生的學生時，對他們來說，工具很自然。有點先天。對於前幾代人，這需要努力。但是，IBM有智能可以實現這一目標，升級每個人，並讓所有人進行實驗，無論他們的帖子，新的人工智能工具。今年我們都以黑客馬拉鬆的形式聚集在一起。我們或多或少的研究，銷售，人力資源，溝通...每個人都被邀請測試AI。
通過這些研討會，我們開始做及時調整，我們意識到我們可以實現的目標。有些已經了解了大語言模型（LLM），遠遠超出了預期的。但是，在在某個地方閱讀它和嘗試它之間，存在差異。我們意識到LLM可以解決我們從未訓練過的問題。這是當今稱為基礎模型的主要特異性之一（基礎模型）。
01net：一年前與Chatgpt獲得了點擊。在IBM，您什麼時候了解發生了什麼？
RH：總體而言，一切發生在2023年，隨著WATSONX的整合，我們在年初的思想會議上宣布了這一點。當然，在我們的研發分支機構中，人工智能並不是什麼新鮮事。最近，我們與客戶進行了一個用於客戶支持工具的研討會，該項目始於三年前。現在，一切都在規模上發生了變化。在效率方面，有一種方法可以超越，而Chatgpt Boom已經表明了這一點。
當時在IBM，我們意識到是時候將所有方向都定向了。匯集我們所做的所有工作並擴大我們的行動。幸運的是，它在內部有理由。因為人們真的感到投入，這要感謝我們組織的黑客馬拉松。這具有改變分析師對IBM的看法的影響。
01net：他們的看法是什麼？
RH：長期以來，我們一直被視為大象。一個巨大的襯裡，需要很長時間才能輪到它。並非每個人都希望我們能做到。但是，我們所表明的是，當IBM置於工作狀態並將其所有力量保持在特定目標方面時，它就可以。
現在，這些分析師說，該公司應在這些主題上遵循。他們還告訴自己，我們為客戶做得很好。願我們的產品簡化任務，而不是使其更複雜。 AI的潛力，我們知道。困難是要確保我們的產品不作為我們打開的潘多拉盒，並且在我們不了解的一堆信息中失去了我們的失落，並且我們不控制。
與其他公司不同，IBM的歷史沒有參與大醜聞。許多人工智能公司都支付了高額罰款。公司試圖擁有一個允許他們進化而沒有風險的合作夥伴。他們現在知道該轉向誰。
01net：這是否意味著AI是今天IBM的增長引擎？還是您還在最初的體育場？
RH：我們很快就完成了WATSONX項目中的所有磚塊。它只是缺少我們剛剛宣布的治理部分。她加入了Watsonx AI，我們為客戶提供許多模型和Watsonx數據，以便客戶可以通過使他們與模型培訓兼容，以收集他們希望能夠集成到AI中的所有信息。 WATSONX治理將確保所有這些新實踐都符合藝術規則，而不會給用戶帶來風險。
我們的客戶有需求。我們回答。我們已經開發了這個新的WATSONX平台，該平台被添加到已經擁有的那些平台中。那些像紅帽子一樣多年工作的人。
01net：我們今天在IBM上知道的AI會保留嗎？還是您打算走得更遠，尤其是在廣義人工智能中？
所有這些都會增長。該平台注定要像其他大型IBM平台一樣開發該平台。我喜歡將其與我們在Z平台上所做的事情進行比較。幾乎每次交易中的背景運行在世界上製作的信用卡。大型銀行依靠它。這些系統，即使在人群強烈的時期黑色星期五，繼續工作，沒有問題。他們從不受到病毒的攻擊。將來，Watsonx必須具有同樣的知名度。
在蘇黎世的實驗室中，我們正在努力。在接下來的十年中，將有與人工智能技術有關的創新，例如通用人工智能（AG）。更聰明的人工智能。我的團隊在這里工作的概念之一是像徵性的部分，稱為像徵情報。這個想法不僅取決於需要大量重複數據才能學習的神經元網絡。
我為您舉例說明了汽車駕駛系統的示例，以便更容易理解。我們可以直接攝入行為守則，並將該概念集成到其中，而不是用大量的汽車視頻拖動系統，這些視頻會停在十字路口。我們將達到同一觀點，但是有了經典的神經學習，它需要大量不同的視頻，必須重複幾次網絡來理解和調整其權重以獲得正確的答案。
因此，這項工作是要進行的，並擁有這50頁的模型包括所有規則及其描述，然後將此符號智能與基於數據的智能結合使用，深神經網絡。這也將更加有效。尤其是在獨特的情況下，該模型將無法接受培訓。使用駕駛系統，如果汽車遇到落在道路側面的停車標誌，這可能會很有用。我們可以進一步說明我們所謂的分配概括 ：我們在學習過程中提供的數據之外學到的知識的概括。
