這是一個大象像兔子一樣快速轉身的故事。 2023 年，IBM 加入了人工智能競賽，與穀歌、亞馬遜和 Meta 等強大的初創公司和巨頭展開競爭。在幾個月內，它推出了 WatsonX 平台使用新工具和強大的語言模型。 IBM 甚至創建了自己的模型，添加了這個“堆棧頂部”平台，包括 Red Hat 和 Z 服務。
對於瑞士蘇黎世 IBM 研究實驗室的研究員 Robert Haas 來說，2023 年是不平凡的一年。憑藉在“藍色巨人”工作 27 年的職業生涯，他認為此次推出是對外部悲觀預測的一次很好的報復。這是將 IBM 這艘巨型郵輪上數万名員工聚集在一起的好方法。喜歡，人工智能佔據中心地位。跨國公司15萬名員工受邀前來親自測試。目標：盡快實現技術規模化。並參與其中。
01net：職業流動性和業務壽命的缺乏似乎並沒有影響IBM，它成功地讓您在其行列中保持了27年。我們想像很多其他演員都想挖走你。為什麼你一直沒有離開？
羅伯特·哈斯：很簡單：我去了其他地方，但仍然在 IBM。為了簡單起見，我就是這麼說的，但這是事實。這就是跨國公司的優勢，我在同一個崗位上呆的時間不超過5年。我從研究轉向開發再到商業戰略。我又回到了研究領域。這些經歷都對我有幫助。每一次改變，我都會感覺自己與公司更相關。經歷過此類不同職位的個人資料有助於將這個巨大的星座中的點聯繫起來。
隨著時間的推移，我們會增加更多的價值。通過從研究轉向策略，我能夠在日常生活中增加與客戶的接觸，這在僅從事研究時是不可能的。同時，我的研究能力讓我能夠更清楚地跟他們溝通，更簡單地向他們解釋研發方面發生的事情；產品的現狀和未來的發展。然後，當我重新投入研究時，我也能夠從所有這些中學習並改變流程以找到更好的工作方式。
現在我又回到了研究領域，這很適合我，因為我可以繼續自由地表達自己。我執行的項目不一定是明天在 IBM 推出產品的項目，所以它更簡單。
01net：實驗室的研究人員由於代際差異，是否有不同的觀點，特別是在人工智能方面？
相對濕度：顯然，當我觀察以博士生身份加入我們團隊的新員工時，對他們來說，這些工具是很自然的。這有點與生俱來。對於前幾代人來說，這需要付出努力。但 IBM 擁有足夠的智慧來實現這一點，讓每個人都能跟上進度，並讓每個人，無論其職位如何，都可以嘗試新的人工智能工具。今年我們以黑客馬拉鬆的形式聚集在一起。我們大約有 150,000 人。研究、銷售、人力資源、溝通……每個人都被邀請來測試人工智能。
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什麼。有些人已經了解了它的價值大語言模型（LLM），這遠遠超出了人們的預期。但在某處讀過這篇文章和經歷過它之間是有區別的。我們意識到法學碩士可以解決我們以前從未培訓過的問題。這是我們今天所說的基礎模型的最大特點之一（基礎模型）。
01net：一年前，ChatGPT 引起了公眾的關注。在 IBM，您什麼時候明白髮生了什麼？
相對濕度：總的來說，一切都發生在 2023 年，隨著我們在今年早些時候的 Think 會議上宣布的 WatsonX 的集成。當然，在我們的研發部門，人工智能並不新鮮。我們最近與客戶一起舉辦了一個關於客戶支持工具的研討會，這個項目在三年多前開始。現在一切都在規模上發生了變化。在效率方面還有一種方法可以走得更遠，ChatGPT 的繁榮已經清楚地表明了這一點。
當時在 IBM，我們意識到是時候將一切都朝這個方向發展了。匯集我們所有的工作並擴大我們的行動。幸運的是，它在內部運作得很好。因為我們組織的黑客馬拉松讓人們真正感受到了投入。這改變了分析師對 IBM 的看法。
01net：他們的看法是什麼？
相對濕度：長期以來，我們被視為一頭大象；一艘巨大的客輪需要很長時間才能轉彎。並不是所有人都期望我們能夠做到這一點。然而，我們已經證明，當 IBM 讓自己處於工作狀態並調動所有力量實現特定目標時，它就會發揮作用。
現在，這些分析師表示，該公司在這些問題上值得關注。他們還告訴自己，我們為客戶做好事。我們的產品將簡化他們的任務，而不是使其變得更加複雜。我們知道人工智能的潛力。困難在於確保我們的產品不會像我們打開的潘多拉盒子一樣，讓我們迷失在大量我們不理解的信息中，並且。
與其他公司不同，IBM 沒有捲入重大醜聞的歷史。相當多的人工智能公司已經繳納了巨額罰款。公司尋求一個能夠讓他們在沒有風險的情況下發展的合作夥伴。他們現在知道該轉向哪裡。
01net：這是否意味著人工智能是當今 IBM 的增長引擎？或者你還處於初級階段嗎？
相對濕度：我們幾乎已經完成了所有 WatsonX 項目構建塊的部署。所缺少的只是我們剛剛宣布的治理部分。它加入了 WatsonX AI（我們為客戶提供多種模型）和 WatsonX Data，因此客戶可以將他們希望能夠放入 AI 中的所有信息匯集在一起，使其與模型訓練兼容。 WatsonX Governance 將確保所有這些新實踐都遵循現有技術規則，不會給用戶帶來風險。
我們的客戶中存在著這種需求。我們回答了它。我們開發了這個新的 WatsonX 平台，該平台已添加到我們已有的平台中。那些我們多年來一直致力於開發的項目，例如紅帽。
01net：我們今天所知道的 IBM 人工智能還會保持現狀嗎？或者您打算走得更遠，特別是在通用人工智能領域？
這一切都會成長。首先在 WatsonX 方面，該平台注定會像其他主要 IBM 平台一樣進行開發。我喜歡將其與我們在 Z 平台上所做的進行比較。不為大眾所知，但有責任在世界各地進行的信用卡。大銀行依賴於此。這些系統即使在繁忙時期（例如黑色星期五，繼續工作沒有問題。他們永遠不會受到病毒的攻擊。未來，WatsonX也一定有同樣的名氣。
在蘇黎世實驗室，我們正在研究後續工作。未來十年，將會出現與人工智能技術相關的創新，例如通用人工智能（AGI）。更智能的人工智能。我的團隊正在研究的概念之一是符號部分，我們稱之為符號智能。這個想法是不僅僅依賴於需要大量數據重複才能學習的神經網絡。
我將舉一個汽車駕駛系統的例子，以使其更容易理解。我們可以讓它直接攝取駕駛代碼，並將這一概念集成到其中，而不是用大量汽車在十字路口停下來時另一輛車從右側駛來的視頻來訓練系統。我們將達到相同的點，但通過經典的神經學習，您需要大量不同的視頻，這些視頻必須重複多次才能使網絡理解並調整其權重以獲得正確的答案。
因此，工作就是攝取這 50 頁的模型，包括所有規則及其描述，然後將這種符號智能與基於數據的智能結合使用，深度神經網絡。這樣效率會高很多。特別是在模型未經過訓練的特殊情況下。對於駕駛系統來說，如果汽車遇到倒在路邊的停車標誌，這可能會很有用。我們可以進一步探討我們所說的分佈外泛化 ：我們在學習期間提供的數據之外學到的知識的概括。
👉🏻實時關注科技新聞：將 01net 添加到您的來源Google，訂閱我們的頻道WhatsApp或通過視頻關注我們抖音。
