由世界O2O組織(WOO)、全球移動游戲聯盟(GMGC)及光合資本共同主辦的世界O2O博覽會暨IN+2016創新大會于2016年6月22日在北京國家會議中心盛大舉行。來自全球O2O領域的眾多企業代表及行業精英齊聚一堂，共話年度O2O領域的熱點議題。IBM公司IBM全球杰出工程師、IBM中國創新工程院院長田忠博士接受了媒體采訪。

記者：大家好!今天世界O2O組織暨IN+2016創新大會新聞中心請到了IBM全球杰出工程師、IBM中國創新工程院院長田忠博士。

您剛才在主會場發表題為“認知計算***產業智能化的精彩演講”，您能給我們解釋一下“認知計算”的概念嗎?

田忠：當年計算是一個高大上的東西，在實驗室里穿白大褂進去，后來有了個人電腦，可以跟機器有交流，打入專門的命令，有專門的程序，或者專門的了解，今天認知計算使得人類能夠真正了解“你”，不是簡單的人情交互，是人情交流，是真正能夠回答你的問題。第三是它能夠自己學習，不再是固化的程序，而是通過程序編程有這樣的了解，能夠根據所獲得的知識，根據跟您過往的交流，能夠更深入學習了解你的習慣，它更多有一種伙伴關系和交流關系，有自我提升和自我提高的能力，更像一種靈活的活動的能力。

記者：您覺得IBM在這個領域當中做出了什么樣的貢獻和突破?

田忠：在表面上看起來這個應用是更親切，更可愛，能夠更深入回答您的問題，而在這之下有很多科學工作要做。首先***個問題是結構化數據和非結構化數據的統一，今天所說的數據庫，大家了解過了，每天都在使用，到銀行取款、存款都依靠這樣的數據庫，結構化數據。計算機和信息技術長久以來都非常擅長處理結構化數據，非結構化數據是噩夢，如何能在這里回答你的問題是非常復雜的問題。

非結構化數據就是微博、微信、社交網站上各種各樣的推送，今天的錄音、錄像都是非結構化數據，同時又很多來自其它設備的非結構化數據，總量是遠遠超過所謂的結構化數據，能夠把海量的非結構化數據，都能夠應用起來這是一個非常大的突破。所以這是在數據處理層面上。

在人機處理，情感交流上面能夠在通過自然語言的交流獲得和問題的輸入，并且給出輸出。同時，還能夠不僅文字上，一個人很聰明的時候，是叫做能夠讀懂言外之意，了解您真的在問什么，真的想了解什么。所以這些方方面面，包括更多硬件領域里更強的計算能力，通過云平臺更廣泛的計算能力，這都是一些方方面面的突破。

記者：現在很多企業，不同的創新企業，成熟企業，都在產業智能化作為企業信息化的建設，您是如何理解產業智能化的，如何界定這個范圍?

田忠：可能沒有一個嚴格界定的過程，因為這不是一個評審會，這是一個自然的應用。當IT技術、信息技術應用到生產領域當中去的時候，從最初的數字化開始，到數字化之后就開始了很多的可能性，這些可能性通過信息化，使得我們能夠就這些獲得信息。獲得的數字輸入能夠做及時的處理，能夠做更深入的處理，能夠處理歷史的數據，能夠高效的方法運作。這部分其實就是一個開始，越來越多把更多認知能力帶進來。包括早年的決策支持系統，包括早年的認知系統，人工智能系統加入進來，包括97年的時候IBM有一個深藍系統，通過更高速的CPU系統，通過更大存儲量，更嚴密的存儲量快速處理各種各樣海量數據。那時候算法比較簡單，還是機械性的輸入，包括無論是國際象棋，圍棋也好，輸入是直截了當的，看著棋盤幾乘幾，對計算機輸入是A、F等等的。更多企業有更直觀的感受，客戶群體能夠看到可以交流的部分，比如：IBM在幫助日本軟銀公司建立家政服務員體系，在中國來講很多企業有市場在里找不到員工，我們注意到很多留守兒童沒有人照顧。而對此更多機器人的引入會幫助我們解決后顧之憂，我們企業能夠把認知的能力加入到創新當中去，就能夠很大程度上解決很多的社會問題和現實問題，以及產業升級的問題。

記者：對于企業的產業智能化方面，IBM在未來會有哪些布局和舉動，IBM方面更關注于哪個行業?

田忠：認知計算我剛才演講里舉了很多醫療領域例子，醫療領域是關乎升計的部分，同時也是循證醫學很好的突破口。同樣延伸醫療、衛生、健康等等領域，包括保健領域，都是與人民生活息息相關的，這些都是開始看到一些領域。同時我們也拓展影像、氣象服務等等跟國計民生有關的能力，這表現我們首先會從關乎基礎設施，關乎人民生計的基本領域開始，使得我們在有了體驗之后，更多引入更多的領域，包括金融、保險、工程制造業開始有了有關的嘗試。

記者：您剛才提到人工智能或大數據，包括人工智能也好，大數據也好也是倍受關注，對于現在而言，談到了認知計算、大數據、人工智能，它們之間是否存在一些關聯呢?

田忠：非常好的問題。云計算、大數據、人工智能，這些都是一個單獨的領域，這些領域里這幾年都取得了長足的進步，也有很多應用，基礎領域里都有很多的發展，應用狀況也更加深入。但是僅僅有大數據是不夠的，它只是解決了理解數據，了解數據，如何應用到實際場景當中去，就需要云計算平臺達成計算能力，有物聯網跟現實生活有直接相關，就需要人工智能掌握數據條件下做出合適的歸納，從而得到更新的理解。他們之間是相互促進的過程。IBM是要把這些人工智能、大數據、硬件的創新，云平臺的發展，綜合在一起才形成了認知計算的堅實的基礎。

記者：現場媒體朋友有什么問題?

提問：我有兩個問題，***關于IBM首先提出了智慧城市，也算是首先提出了認知計算，這兩者有什么樣內在聯系?

第二個問題，認知計算整合大量知識，如何保證知識的正確性以及開放性，消除知識的壟斷，IBM怎么看，您什么觀點?

田忠：***智慧地球和認知計算的關系，第二知識的正確的問題。

***個問題智慧地球提出來關電視：智慧地球說三個“I”，智慧地球是IBM在認知計算里實踐的環節，基于當時的理解，當時應用場景以地球做背景，所發展出來的這樣一個理念和實踐。無論是哪個做法使得我們能夠獲得大量數據，如何使得我們對現實世界有深入的了解，人和系統要有更智慧的，更有情感的交流，這都需要基礎。不同的設備之間，不同的系統之間需要互聯互通互操作，中間件的基礎能力，云平臺，打通所有數據和處理的通道。***無論是人工智能能力，還是關于結構化數據，和非結構化數據等等方面的處理能力極大提升，綜合在一起更多還算是一個新事情，更多是認知計算的能力，不僅僅是處理物理世界的能力。

第二個問題關于知識的問題，這就很有趣了，25年前我的論文就試著解決這個問題，在過去計算機系統往往是單調系統，就是我知道A是正確，B是正確，因此C就是正確的，過去的系統處理這樣事情。忽然證明B是不正確，過去系統里會導致整個系統崩潰，但是人是沒有這個問題的，我們成長的過程就是不斷摔倒和學習的過程，我們過去認為一件事情要么正確，要么不正確，教育自己的孩子這樣做對，那樣做不對，但是隨著成長發現可能還有中間的很多的環節，在某個場景下是正確，某個場景不正確，我可能認識到這樣做法是合適不合適，很大程度上起源于了解和場景，更多了解推翻過去掌握的知識，所以人的能力是非常了不起的，我們把人叫做多目標，非單調的一個推理系統，這是我們早年就認為人是這樣的系統。今天認知系統也同樣需要達到這樣的能力，能夠處理矛盾的知識輸入，能夠尋求綜合的答案，在11年對危險地帶比賽當中情況又是這樣子，包括循證醫學里得到答案也是這樣，得到結論不是一個。根據種種結果得到一組答案，每一組答案都有一個置信度，根據答案推薦幾個，需要針對當時的情況才有所選擇。

人類的知識是非單調，多目標的系統，認知計算也要解決這樣的問題。謝謝!

提問：IBM主要優勢有哪些，比行業內其它家優勢有哪些，認知計算方面。

田忠：比較優勢是相對來說比較難比較的。我這樣理解一下，***是說IBM是有歷史傳承的公司，技術積累和做事方式都非常適合大數據的年代，從大數據的處理能力角度來講，我們綜合了各種各樣的能力，包括數據庫到流體數據庫也都有很多年研究，同時對于各類開源系統IBM也有很多工程師在***線，我們是***批全力擁抱大數據開放的公司，和業界一起以開源開放方式擁抱大數據新世界。

同時，IBM也做了大量收購，我們雖然嘲笑封建社會農民靠天吃飯，但是事實我們還真得靠天吃飯。今天早上上班的時候發現天氣不好，因為大家心情不好，可能有點堵，晚上回家買菜要早一點，所以很多時候包括公共政策，包括交通安全，包括各個方面，包括警察的部署可能都會要有數據支持，還有能力。類似IBM跟美國***的醫療數據庫系統公司也收購了，IBM***時間掌握過去歷史病例，訓練和處理***時間更大服務循證醫學能力。綜合起來IBM兩手出來，一個技術的研發和技術儲備，一個是技術整理，掌握了***手的數據，這是我所看到IBM在目前跟業界的一些從業公司差別。

提問：網上熱門的一個話題，歐盟在裁定微軟是否有數據壟斷嫌疑，您怎么看?

田忠：“壟斷”這個詞是比較恐怖的字眼，它有好的部分，也有濫用的部分，壟斷的市場地位可能會對社會經濟和技術發展產生障礙，是不是成為壟斷是需要法律界定的問題，我可能沒有能力回答你的問題是不是構成壟斷。我想我可以評論說無論地位如何關鍵在應用，關鍵在使用這個數據目的是什么，會不會造成壟斷性應用，更多是在應用層面上，至少同IBM角度來講無論市場地位是什么，本著說互聯互通互相操作的心態，本著如何幫助客戶解決問題的角度來處理我們的能力，服務客戶，服務社會。

記者：非常感謝田博士。