导读：早在21世纪初开发大数据技术（诸如Hadoop、Pig和Hive）时所开展的研究和产品开发，就已经涵盖了目前大多数大型商业企业所开展的工作。
谷歌（Google）、Facebook和体量较小的雅虎（Yahoo）都在这个时期开展了大量人工智能的工作。这些公司有大量的数据需要分析。有大把的钱可花（至少在谷歌和Facebook是如此），并且与学术研究人员保持着密切的联系。
作者：托马斯·H. 达文波特（Thomas H. Davenport）
来源：大数据DT（ID：hzdashuju）
01 谷歌
谷歌一直是互联网巨头中（也许是世界上所有的公司中）最活跃的AI开发者和使用者，这应该不足为奇。
2011年该公司与斯坦福大学的吴恩达（Andrew Ng）教授合作，在谷歌X研究实验室开始研究AI（特别是深度学习）。这个项目后来被称为谷歌大脑。他们选定的方法是深度学习，用于图像识别等任务。到2012年，该团队已经征服了人类最紧迫的问题之一：如何让一台电脑在互联网上识别一只猫的照片。
第二年，谷歌聘请了将神经网络带入到研究与应用热潮的多伦多大学研究员杰弗里·辛顿。2014年，谷歌收购了总部位于伦敦的DeepMind公司，该公司在深度学习方面拥有深厚的专业知识。谷歌大脑团队的工具帮助AlphaGo（谷歌公司的一款下围棋的人工智能程序）战胜了最强的人类棋手。
2016年，该团队帮助谷歌翻译实现了翻译正确率的大幅度提升。
那一年谷歌（或其母公司Alphabet）在全公司2700多个不同的项目中采用了机器学习，包括搜索算法（RankBrain）、自动驾驶汽车（现属于Alphabet子公司Waymo）和医疗诊断（属于子公司Calico）。
按照硅谷的传统，谷歌还在2015年将其TensorFlow机器学习库作为一个开源项目免费开放，这使得它在使用AI的高新企业中广受欢迎。
02 Facebook
Facebook在将认知技术融入其产品和流程方面可能没有谷歌那么成功，但它也做得相当不错。与业界牛人吴恩达和杰弗里·辛顿相匹配的专家是杨立昆（Yann LeCun），他既担任了公司AI研究的掌门人也是纽约大学的教授。杨立昆特别专注于图像识别，这也是Facebook关注的一个关键领域。
该公司有一个名为Lumos的图像识别应用程序，可以分析Facebook或Instagram上的照片，并根据用户的内容为用户提供个性化广告。Lumos也有助于识别被明令禁止的色情或暴力内容（尽管仍有许多人参与这类活动）、品牌和标识的非法使用或与恐怖主义有关的内容。
Facebook一直在某些形式的认知技术上不断努力着。它试图使用该技术来识别重要且相关的新闻并呈现给客户（Facebook趋势话题，Facebook Trend Topic），但是自动化过程发现很难区分真实新闻和虚假新闻。
俄罗斯黑客能够在Facebook上故意发布虚假新闻，而不会被自动过滤器检测到。Facebook的自动广告投放系统也因为恐怖主义广告的投放而备受争议。
因此，Facebook不得不增加更多的人工审查员。然而，它寄希望于认知工具可以帮助人类更快、更有效地过滤虚假新闻或仇恨言论。
03 IBM的沃森
当然，IBM一般不被视为大数据和互联网巨头，但因它向市场推出了沃森，所以成为另一家拥有先进认知技术（通常称为“认知计算”）的重要公司。
在2011年的电视游戏《危险边缘》中，沃森全力以赴（并且取得了巨大的成功）击败了人类专家。沃森最初只是一个问答系统，能够按照游戏的格式从在线文本知识中提取答案。
然而，现在沃森已经发展成为一个品牌，而不仅仅是某个特定的能力。该品牌不仅提供与认知问题解答有关的产品，而且还提供与图像识别、天气数据分析、物联网以及基本统计分析和报告有关的产品。
甚至“认知沃森”（cognitive Watson）也推出了一套API（小型的、模块化的程序，它们接收数据、执行特定任务并返回结果），可以混合及集成来解决特定问题。
有关沃森的好消息是，它是满足认知技术运行的“平台”（是少数可用的平台之一）。大多数情况下，它的API都能称得上名副其实。该公司在打造“沃森生态系统”方面做了很多扎实的工作，从而让小型企业能够在其产品中使用一些沃森的功能。
但是也有关于沃森的坏消息，而且AI社区中的许多人对它也持负面看法。该公司的市场宣传已经超出了其真实的交付能力。例如，IBM声称已经掌握了六种癌症的治疗方法，但是由癌症研究者和机构评估的实际结果却模棱两可，并没有客观、严谨的研究文章对其医疗保健项目进行评估。
而在医疗保健和其他行业中，往往只能在大量IBM（或其他公司）顾问的协助下沃森才能达成交付成果。杰弗里斯公司（Jeffries&Co.）在2017年的一份投资者分析报告中批评了沃森。
毫无疑问，《危险边缘》的胜利令人印象深刻而且其市场宣传也极大地提升了当时人们对这些技术的热情。但是，如果认知技术不能满足人们过高的预期，就可能在不久的将来又迎来另一个“AI的冬天”。更加明智的市场营销（更多地了解系统实际能做什么，而不能做什么）将可能避免陷入这种困境。
关于作者：托马斯·H. 达文波特（Thomas H.Davenport），美国巴布森学院（Babson College）信息技术与管理专业杰出教授，获哈佛大学哲学博士学位，并先后授课于哈佛商业学院、芝加哥大学和波士顿大学。曾任埃森哲战略变革研究院主任，研究领域广泛，包括信息和知识管理、再造工程以及信息技术在商业中的应用。
本文摘编自《数字时代的企业AI优势：IT巨头的商业实践》，经出版方授权发布。
