高血壓、心臟病、糖尿病和肥胖等慢性病是目前美國人致死致殘的主要原因，去年占美國2.9萬億醫(yī)療支出的86%。此次Watson和CVS的合作重點就放在了慢病管理方面，雙方將利用Watson的自然語言處理能力，來協(xié)助醫(yī)生和藥師從多個信息源了解病人的情況，包括病歷、用藥、醫(yī)保報銷、移動應用、健身設備等等，然后根據(jù)這些信息作出建議。CVS今后將利用Watson的預測分析平臺，為自己藥店、小型連鎖診所以及PBM機構Caremark的客戶提供服務。

 

　　CVS在全美擁有7800多家零售藥局、近1000家診所，以及超過7000萬名會員（目前美國人口3.15億），龐大用戶群積累的數(shù)據(jù)是Watson大數(shù)據(jù)方案的絕好實驗場。當然Watson近兩年的發(fā)展也極快，IBM在去年年初花10億美金成立了Watson事業(yè)部，今年4月又成立了WatsonHealth。雖然雙方的合作細節(jié)目前還沒有公布，但是兩家的跨界牽手還是給了我們極大的想象空間。

 

 

　　那么在人工智能方面，Watson究竟有多厲害？為什么Watson有可能成為醫(yī)療診斷專家？下面我們就來走進Watson！

 

　　Watson是IBM公司研發(fā)總部的一個小團隊歷經(jīng)數(shù)十年努力開發(fā)出的智能機器人。IBM工程師最初著手打造人工智能的目的是為了讓機器參加智力游戲節(jié)目《Jeopardy！》，戰(zhàn)勝所有人類選手。為此人工智能必須對語言精通，包括微妙的韻律變化、引喻和雙關。Watson在2011年的勝利是人機對抗比賽的里程碑，但自那以后它就在不斷進化。Watson的想法越來越富有創(chuàng)造力，設計更加貼切，因此它可以更好地滿足人們的需求。

 

　　目前工程師在訓練Watson關于分子生物學和財務金融領域的知識，還教它寫食譜。另外，Watson還參與了石油勘探方面的工作實踐，并能幫助我們解決犯罪問題。Wired網(wǎng)站預測，Watson將很快成為世界上最完美的醫(yī)學診斷專家。IBM介紹稱，Watson可以與我們的世界無縫銜接，已經(jīng)在17個國家的75個產業(yè)中發(fā)揮了作用。目前，成千上萬的人正在自己的工作中使用與Watson有關的應用程序。這樣一來，Watson就成了我們探索人類與智能機器關系的早期試驗品。在與它的工作過程里，我們要解決這樣的問題：我們需要智能機器為我們做什么？它們能填補什么空白？它們又會帶來什么恐懼？

 

　　偶然的靈光一閃才是解決哲學問題最誠實可靠的途徑。Watson的創(chuàng)造者中有很多人從這個項目啟動之初就加入了進來，他們對這臺人工智能機器的看法與泰格馬克截然不同。他們看到了Watson的成長歷程，看到了它一點點學會新的技能，在失敗中得到經(jīng)驗教訓。有些人甚至認為與Watson的工作經(jīng)歷給他們帶來了私人感情，好像自己是父母而這臺機器是自己的孩子一般。去年十月，IBM將這個項目遷移到了一個環(huán)境更好的新辦公區(qū)，這讓Watson經(jīng)歷了與人類差不多的發(fā)展歷程：在郊外度過了具有家庭氛圍的早期研發(fā)階段，接著接受各種教育以便自己能夠適應更為復雜的外界世界，最后為了賺錢而搬進曼哈頓東村的辦公室并努力尋找工作。

 

　　IBM在全球有大約40萬名雇員，但是其總部和研發(fā)中心卻遠離硅谷。Watson項目就誕生于IBM研發(fā)中心，而最初給出這個想法的人是一名叫做費魯奇（Ferrucci）的53歲工程師。費魯奇是一個健談、可愛且熱情的人。研究生時，他就研發(fā)了一個叫做Brutus的程序：用戶給該程序一個主題，它就能完成一份原創(chuàng)小說。在研發(fā)Watson時，研究人員試圖讓它學會語言。要想做到這一點，程序員需要用數(shù)學的辦法描述所有的概念。這在當時聽起來有點像童話故事，甚至是一個不可能完成的任務。2007年，當費魯奇的團隊開始工作時，他們利用了大數(shù)據(jù)技術的高效和機器學習領域的算法。他們?yōu)閃atson系統(tǒng)上傳了大量的數(shù)據(jù)庫文本資料（百科全書、網(wǎng)頁和參考文本），并且打造了很多程序。這些程序可以詳細檢查不同領域的提示線索并生成候選答案。接著，Watson系統(tǒng)會權衡不同答案的可能性并對其進行排序。

 

　　Watson的確具備人工智能的特征--它可以從經(jīng)驗中學習。每一次他根據(jù)《Jeopardy！》游戲檔案給出了正確答案后，它就會記住哪些程序在這類問題上表現(xiàn)出色。工程師教它識別節(jié)目制作者使用的語言技巧，而Watson學會了如何更好地分析不同的提示和線索。日積月累，Watson的的回答速度越來越快，正確答題率也越來越高。到了2010年，它的正答率已經(jīng)和《Jeopardy！》游戲超級冠軍的水平相當了。最開始的時候，程序員習慣于先給Watson提示再啟動程序，這使得機器的應答速度十分緩慢。最終IBM工程師優(yōu)化了流程，讓Watson的響應時間降到了3秒鐘之內。

 

　　引導機器學習語言是一個陌生領域?？墒且坏￤atson掌握了語言之后，它就能精讀人類全部的文化資料庫——人類為了向他人解釋這個世界而寫下的一切文字。Watson會平等的分析解讀人類的文化資料庫，不存在任何歧視和偏好。慢慢的，它熟練地掌握了信息挖掘工作，了解了那些人類曾經(jīng)熱衷卻最終拋于腦后的信息。當然機器也會犯錯，就像牙牙學語的孩子一樣。它也會讀錯新的單詞，分不清現(xiàn)實與神話之間區(qū)別，還會曲解成年人清晰表達所傳遞的意思。

 

　　Watson第一次參加《Jeopardy！》游戲就要面對肯·詹寧斯（KenJennings）和布拉德·魯特（BradRutter）的挑戰(zhàn)。詹寧斯是該節(jié)目紀錄保持者，曾經(jīng)連續(xù)答對74道題。而魯特則是戰(zhàn)勝了詹寧斯的男人。據(jù)IBM計算，Watson有70%的機會獲勝。雖然過程小有波折，但是最后機器還是狂勝人類：Watson總計獲得超過7.7萬美元的獎金，是詹寧斯和魯特任何一個人獎金數(shù)量的三倍以上。

 

　　隨后，人們發(fā)現(xiàn)Watson具有探索能力：它能尋找不同信息之間的聯(lián)系，然后將它們結合起來給出答案。IBM的夏季實習生編寫了一份程序，Watson從此學會了搜索互聯(lián)網(wǎng)來擴展知識的能力。據(jù)說從那天開始，Watson學會了罵人。

 

　　隨著時間發(fā)展，Watson的能力越來越強大。IBM收購了一家澳大利亞公司，以便教會Watson情緒智商。一位計算機視覺專家則表示，他的工作是教會Watson如何看東西。后來，這臺人工智能機器不僅僅能給出問題的答案，更可以生成假設和新的想法。從這個角度來看，Watson掌握了一種更高水平的人類思維活動——創(chuàng)造力。

 

　　為統(tǒng)計模型尋找結局并將其與人類經(jīng)驗相匹配，這正是計算機可以做的事情。而經(jīng)歷了《Jeopardy！》游戲的大勝之后，費魯奇開始向全世界展示W(wǎng)atson。雖然全球各種活動讓費魯奇疲憊不堪，但是Watson終于成為了“公眾人物”。

 

　　其實，人們從Watson項目誕生之初就對其存在一個基本疑問：Watson系統(tǒng)到底是什么？隨著它越來越出名，人們的疑惑也越來越大。Watson確實具有人類屬性：它能自己學習知識，還可以產生新的想法。有人問費魯奇的副手艾瑞克·布朗（EricBrown）Watson是否能夠通過圖靈測試（機器能否讓人類相信自己是人類），他認為在特定高度局限環(huán)境中Watson可以做到。但從一般角度而言，Watson還差得遠。相比Watson，其他機器在理解人類表達和探索現(xiàn)實世界方面表現(xiàn)的要先進得多。如果Watson不能代表人工智能的前沿科技，那么它就依然只是一個可以與人類交互的罕見多用途智能機器罷了?？墒?，人們總是喜歡給機器賦予人格。

 

　　Watson以機器人的面貌登上了電視節(jié)目，但它有名字這件事還是讓人覺得它好像是個人一般。上個月，IBM公司CEO吉尼·羅曼提（GinniRometty）在演講中稱Watson為“它”?？墒菦]過多久，她又在演講中改口稱之為“他”。她說：“Watson可以瀏覽你的全部醫(yī)療記錄。他的老師是全世界最好的醫(yī)生。”Watson項目采用的是分割化模式，不同領域的專家負責教它自己領域的術語和專業(yè)知識，然后評估它是否能夠正確回答相關問題?，F(xiàn)在Watson已經(jīng)掌握了足夠多的知識，他準備好從事專業(yè)的工作了。

 

　　任何一個行業(yè)的專家都有自己獨到的成功之路，他們窮盡一生在專業(yè)領域內尋找捷徑，培養(yǎng)自己判斷事物時需要的直覺。智能機器和工程師對這種直覺非常好奇，他們想要整合所有的信息，通過測試將知識轉化成機器可以理解的數(shù)學公式和代碼。人們在現(xiàn)實工作中遇到困難時會用直覺和經(jīng)驗處理問題，可這種直覺無法被寫成代碼輸入機器。

 

　　有的時候，Watson很想了解與自己一起工作的同事。IBM的工程師與一家石油勘探公司合作為Watson設計了一系列問題。通過詢問每個地質學家這些問題，Watson能夠了解這些科學家的風險偏好。然后系統(tǒng)會判斷出不同科學家的潛在偏見，進而更好地評估他的推薦。一家名為ElementalPath的公司利用Watson的這種技術打造了一款可以提問并回答的兒童恐龍玩具，這個玩具能夠了解兒童的興趣和理解力，根據(jù)不同情況給出合適的答案。

 

　　邁克·巴博拉克（MikeBarborak）是Watson團隊的一名年輕工程師，他和同事為Watson編寫了一條最簡短的程序規(guī)則：萬物皆相聯(lián)系。此后他給Watson提供了一個醫(yī)學案例供它分析。這個案例并不長，只是用幾句話描述了一個患有腫瘤的老太太前去醫(yī)生辦公室問診的情況。Watson對案例中提供的線索做了大量分析搜索工作，這個規(guī)模是人類永遠無法企及的。雖然機器并不太理解老太太遭受到的病痛，但它像醫(yī)生一樣發(fā)現(xiàn)了臨床報告之間的聯(lián)系并做出了正確的診斷。

 

　　如果利用這樣強大的技術為人類服務，我們能實現(xiàn)什么樣的壯舉？貝勒大學的癌癥生物學家勞倫斯·唐豪爾（LawrenceDonehower）畢生都在研究一種叫做p53的癌癥基因。人類已經(jīng)對這種基因研究多年，也取得了很多成果。勞倫斯估計，全世界所有腫瘤研究人員每年可能發(fā)現(xiàn)一個新的潛在標靶藥物。Watson在短時間內“閱讀”了全部7萬份相關資料，然后發(fā)現(xiàn)了8個新的標靶藥物?？茖W家此前也認為Watson發(fā)現(xiàn)的這些標靶很重要，但因為工作量太大因此最終放棄了對其深入研究。勞倫斯稱Watson的發(fā)現(xiàn)非常令人興奮。

 

　　從Watson研發(fā)人員的角度看，這個智能系統(tǒng)已經(jīng)成熟到可以獨立運作了。他們感覺Watson這個“孩子”已經(jīng)長大，可以離開家獨自出去闖蕩世界。人們一直擔心人工智能太強大，可以實現(xiàn)自主運作。不過泰格馬克并不是太擔心，他認為人類給予智能系統(tǒng)最基礎的“禮物”是專業(yè)知識。而專業(yè)知識越豐富，文明程度也就越高。

 

　　從機器的角度來看，人類急需幫助。在機器眼中，我們的想法狹隘且不完整，需要依賴經(jīng)驗作出判斷而且缺乏足夠的信息和遠見。費魯奇表示人們對人工智能存在認知偏差，他希望人工智能的崛起能讓人類警醒，認識到自己的確需要幫助。

 

　　機器越精密，人類就越容易意識到自己的缺點和不足。電力部門在風暴來臨時要重新分配資源，但他們采取的方式卻非常不科學。人類個體總是存在局限性，而精通合作Watson雖然不是超人這樣的神話，但卻能有組織有條理的完成分析和判斷。

 

　　IBM銷售Watson的方式主要有兩種：以商業(yè)服務模式銷售給大型公司；以技術專利許可模式允許創(chuàng)業(yè)企業(yè)使用Watson的技術。同時，他們還邀請潛在客戶來參觀這臺機器。