IBM 研究实验室云与人工智能部门的研究员兼负责人回顾了美国跨国公司人工智能平台 WatsonX 诞生的一年。他和瑞士苏黎世的其他 3,000 名研究人员正在为接下来的事情做准备。广义人工智能和符号智能都在该计划中。
这是一个大象像兔子一样快速转身的故事。 2023 年，IBM 加入了人工智能竞赛，与谷歌、亚马逊和 Meta 等强大的初创公司和巨头展开竞争。在几个月内，它推出了 WatsonX 平台满足各种需求使用新工具和强大的语言模型。 IBM 甚至创建了自己的模型，添加了这个“堆栈顶部”平台，包括 Red Hat 和 Z 服务。
对于瑞士苏黎世 IBM 研究实验室的研究员 Robert Haas 来说，2023 年是不平凡的一年。凭借在“蓝色巨人”工作 27 年的职业生涯，他认为此次推出是对外部悲观预测的一次很好的报复。这是将 IBM 这艘巨型邮轮上数万名员工聚集在一起的好方法。喜欢量子，人工智能占据中心地位。跨国公司15万名员工受邀前来亲自测试。目标：尽快实现技术规模化。并参与其中。
01net：职业流动性和业务寿命的缺乏似乎并没有影响IBM，它成功地让您在其行列中保持了27年。我们想象很多其他演员都想挖走你。为什么你一直没有离开？
罗伯特·哈斯：很简单：我去了其他地方，但仍然在 IBM。为了简单起见，我就是这么说的，但这是事实。这就是跨国公司的优势，我在同一个岗位上呆的时间不超过5年。我从研究转向开发再到商业战略。我又回到了研究领域。这些经历都对我有帮助。每一次改变，我都会感觉自己与公司更相关。经历过此类不同职位的个人资料有助于将这个巨大的星座中的点联系起来。
随着时间的推移，我们会增加更多的价值。通过从研究转向策略，我能够在日常生活中增加与客户的接触，这在仅从事研究时是不可能的。同时，我的研究能力让我能够更清楚地跟他们沟通，更简单地向他们解释研发方面发生的事情；产品的现状和未来的发展。然后，当我重新投入研究时，我也能够从所有这些中学习并改变流程以找到更好的工作方式。
现在我又回到了研究领域，这很适合我，因为我可以继续自由地表达自己。我执行的项目不一定是明天在 IBM 推出产品的项目，所以它更简单。
01net：实验室的研究人员由于代际差异，是否有不同的观点，特别是在人工智能方面？
相对湿度：显然，当我观察以博士生身份加入我们团队的新员工时，对他们来说，这些工具是很自然的。这有点与生俱来。对于前几代人来说，这需要付出努力。但 IBM 拥有足够的智慧来实现这一点，让每个人都能跟上进度，并让每个人，无论其职位如何，都可以尝试新的人工智能工具。今年我们以黑客马拉松的形式聚集在一起。我们大约有 15 万人，包括研究人员、销售人员、人力资源人员、沟通人员……每个人都被邀请来测试人工智能。
通过这些研讨会，我们开始做及时调整，我们意识到我们可以实现什么。有些人已经了解了它的价值大语言模型（LLM），这远远超出了人们的预期。但在某处读过这篇文章和经历过它之间是有区别的。我们意识到法学硕士可以解决我们以前从未培训过的问题。这是我们今天所说的基础模型的最大特点之一（基础模型）。
01net：一年前，ChatGPT 引起了公众的关注。在 IBM，您什么时候明白发生了什么？
相对湿度：总的来说，一切都发生在 2023 年，随着我们在今年早些时候的 Think 会议上宣布的 WatsonX 的集成。当然，在我们的研发部门，人工智能并不新鲜。我们最近与客户一起举办了一个关于客户支持工具的研讨会，这个项目在三年多前开始。现在一切都在规模上发生了变化。在效率方面还有一种方法可以走得更远，ChatGPT 的繁荣已经清楚地表明了这一点。
当时在 IBM，我们意识到是时候将一切都朝这个方向发展了。汇集我们所有的工作并扩大我们的行动。幸运的是，它在内部运作得很好。因为我们组织的黑客马拉松让人们真正感受到了投入。这改变了分析师对 IBM 的看法。
01net：他们的看法是什么？
相对湿度：长期以来，我们被视为一头大象；一艘巨大的客轮需要很长时间才能转弯。并不是所有人都期望我们能够做到这一点。然而，我们已经证明，当 IBM 让自己处于工作状态并调动所有力量实现特定目标时，它就会发挥作用。
现在，这些分析师表示，该公司在这些问题上值得关注。他们还告诉自己，我们为客户做好事。我们的产品将简化他们的任务，而不是使其变得更加复杂。我们知道人工智能的潜力。困难在于确保我们的产品不会像我们打开的潘多拉盒子一样，让我们迷失在大量我们不理解的信息中，并且我们无法控制。
与其他公司不同，IBM 没有卷入重大丑闻的历史。相当多的人工智能公司已经缴纳了巨额罚款。公司正在寻求一个能够让他们在没有风险的情况下发展的合作伙伴。他们现在知道该转向哪里。
01net：这是否意味着人工智能是当今 IBM 的增长引擎？或者你还处于初级阶段吗？
相对湿度：我们几乎已经完成了所有 WatsonX 项目构建块的部署。所缺少的只是我们刚刚宣布的治理部分。它加入了 WatsonX AI（我们为客户提供多种模型）和 WatsonX Data，因此客户可以将他们希望能够放入 AI 中的所有信息汇集在一起，使其与模型训练兼容。 WatsonX Governance 将确保所有这些新实践都遵循现有技术规则，不会给用户带来风险。
我们的客户中存在着这种需求。我们回答了它。我们开发了这个新的 WatsonX 平台，该平台已添加到我们已有的平台中。那些我们多年来一直致力于的项目，例如红帽。
01net：我们今天所知道的 IBM 人工智能还会保持现状吗？或者您打算走得更远，特别是在通用人工智能领域？
这一切都会成长。首先在 WatsonX 方面，该平台注定会像其他主要 IBM 平台一样进行开发。我喜欢将它与我们在Z平台上所做的事情进行比较，它不为大众所知，但它是负责任的。在后台运行几乎每笔交易在世界各地进行的信用卡。大银行依赖于此。这些系统即使在繁忙时期（例如黑色星期五，继续工作没有问题。他们永远不会受到病毒的攻击。未来，WatsonX一定有同样的名气。
在苏黎世实验室，我们正在研究后续工作。未来十年，将会出现与人工智能技术相关的创新，例如通用人工智能（AGI）。更智能的人工智能。我的团队正在研究的概念之一是符号部分，我们称之为符号智能。这个想法是不仅仅依赖于需要大量数据重复才能学习的神经网络。
我将举一个汽车驾驶系统的例子，以使其更容易理解。我们可以让它直接摄取驾驶代码，并将这个概念集成到其中，而不是用大量汽车在十字路口停下来时另一辆车从右侧驶来的视频来训练系统。我们将达到相同的点，但通过经典的神经学习，您需要大量不同的视频，这些视频必须重复多次才能使网络理解并调整其权重以获得正确的答案。
因此，工作就是摄取这 50 页的模型，包括所有规则及其描述，然后将这种符号智能与基于数据的智能结合使用，深度神经网络。这样效率会高很多。特别是在模型未经过训练的独特情况下。对于驾驶系统来说，如果汽车遇到倒在路边的停车标志，这可能会很有用。我们可以进一步探讨我们所说的分布外泛化 ：我们在学习期间提供的数据之外学到的知识的概括。
