Kenny：归根结底，我们用搜索寻找信息，并倾向于利用人工智能为决策提供指导意见。我不认为所有人才都涌向了谷歌。他们固然吸引了许多人，尤其是斯坦福大学的人才。这一点确实令人佩服。但如果您拥有某个领域的专长，我认为 IBM Watson 是更好的选择，因为我们是垂直领域的专家。最有价值的人才往往都是某个领域的专家。您不会向肿瘤医生寻求房地产建议，也不会向房产中介寻求买车建议。所以，我们正在构建专业的垂直人工智能，这对于那些关注专业领域的人来说是一件非常有利的事情。

　　消费者希望跟谷歌 Home 或亚马逊 Echo 对话，这很有帮助，搜索功能帮助消费者找到了很多信息。如今有很多人关注这些水平领域。但我想说的是，全球还有很多人关注的是垂直领域和专业知识，而这正是 IBM 的长期优势所在，我们也是采用这样的方式设计出了我们的人工智能。这是两种不同的设计思路，但都很重要。

　　McLaughlin：IBM 如何营造富有吸引力的企业文化来吸引高校里的人工智能人才？

　　Kenny：很显然，相比 Alphabet，IBM Research 的底蕴更深。长期以来，我们一直致力于发展阿尔马登（Almaden）、纽约、苏黎世和东京的 IBM Research 实验室。但很多年轻人之所以加入 IBM，是因为他们希望影响世界。尽管 IBM 是一家大公司，但您也可以改变银行、会计、建筑、零售、医疗保健或环境，对某个领域的运行方式产生巨大影响。我认为，直播，我们为人们提供了一个机会，让他们能够对世界的重要领域产生重大影响。

　　McLaughlin：某些人工智能技术的处理速度比其他人工智能技术更快，这对客户来说有多重要？

　　Kenny：关键不仅仅在于速度，还在于决策的准确性和实用性。速度和准确性之间总要进行一些取舍，您肯定要确保最终的成果能够起作用。归根结底，我们用搜索寻找信息，并倾向于利用人工智能为决策提供指导意见。您是否理解我要做的决策？系统是不是提供了有用的建议？当您关注临床试验等重大决策，或者我的资产负债表目前有什么价值，亦或者我的最佳报税方式是什么的时候，Watson 就可以提供帮助。总而言之，帮助客户制定更明智的决策是我们增加市场份额的方式。

　　搜索功能推进了很多业务的“商品化”进程，比如报纸，因为它们的价值在于分配渠道。但我认为，人工智能在分配渠道上的价值无法比肩它在智能方面的价值。所以我们决定帮助企业提升智能程度。正因如此，我们的重点才放在了智能和决策质量上，而不仅仅关注速度。

　　目前，我们正在寻找一种方法来用人工智能核实事实。某条新闻是否属实，atv，是否得到了验证，或者能否验证？正因如此，我认为分配渠道已经在经济上达到了极限。因为真正重要的是通过分配渠道传播的内容。因此，Watson 才通过数据而非界面来实现增值。我们希望别人评判我们的时候不仅看重速度这个分配渠道指标，还看重准确性，以及决策的细微复杂性和质量。

　　我不是说速度不重要，但它只占到三分之一，另外三分之二在于内容的价值。虚假新闻就是一个很好的例子，虽然它通过分配渠道得到了传播，但久而久之，还不是要靠高质量来创造价值？

　　McLaughlin：在人工智能领域，IBM 为什么不像谷歌等其他企业那样频频并购？

　　Kenny：我们针对云基础架构、数据能力、监督式学习和无监督学习等方面制定了清晰的路线图。我认为，我们在很多方面已经超越了其他企业。我们进入该领域的时间更长，有着专业的视角，而很多企业都是从消费领域起步的。

　　因此，我们并没有发现很多并购机会。有的时候，我们的确看到一些东西能够帮助我们更快地推进我们的路线图、加快引进人才。收购 The Weather Company 就是这样一个例子。借此，我们成功地将海量传感器数据转化成每天 2600 万份天气预报。此次并购将 IBM 的物联网路线图实施周期缩短了几年，还帮助 IBM 紧紧抓住一批人才。

　　本文来自 IBM中国

　　原文根据《The Information》编译

「招聘」

全职记者、编译和活动运营

欢迎实习生

以及人工智能翻译社志愿者

详细信息请进入公众号点击「招聘」

或发邮件至 [email protected]