炼数成金 门户 商业智能 Watson 查看内容

IBM Waton在不同领域的进行的人工智能融合表现

2016-5-23 13:15| 发布者: 炼数成金_小数| 查看: 17706| 评论: 0|原作者: Jamie Lendino|来自: 人工智能学家

摘要: 所有人记得那个在节目中的Waston的表现,但是开始它的工作要更早,那是在2006年,三个IBM的工程师想出了一个想法,去为游戏展示建造一个系统,其实几十年前,早在70年代IBM已经研究自然语言处理和认识处理。Waton系 ...

工具 数据分析 人工智能 商业智能 ETL

所有人记得那个在节目中的Waston的表现,但是开始它的工作要更早,那是在2006年,三个IBM的工程师想出了一个想法,去为游戏展示建造一个系统,其实几十年前,早在70年代IBM已经研究自然语言处理和认识处理。
Waton系统在2011年主要有三种能力。第一种,它能理解无组织的文本,平常的时候,我们不用多想和自然就知道把句子,副词,名词等连接起来去懂得语言。Waton能读懂人类创造的内容并且用其他系统不能做的方式来分析这些内容。接下来,Waton会提出自己的假设并把它返还。最后是管乐机器学习组件,这些组件并非强制编码或者强制组合,而是随着时间去学习“当你的在学校学习的时候,你的老师怎么检查你是否懂得你念的东西,”“他们会对于你的问题给予反馈,例如,满分,或者部分给分或是不正确,接下来是你应该做的,Waton能梳理这些。

如今,Schneider说,经过了持续改进,Waton已经在四大类里包含了30个开源接口,这四大类包括语言,演讲,愿景和数据深入分析。Waton已经有能力像人读懂那些毫无结构的数据,从中找出相关答案,见解和图像。她开始举出几个能显示Waton能力的例子,第一个无可争议的是一癌症中心的合作,目标是将Waton训练成像医生一样思考,去帮助肿瘤学家治疗乳腺癌和直肠癌。IBM的团队将各种医学杂志,临床试验结果,维基百科和教科书输到Waton里面,让它学会医学语言。

Waton能够观看病人的信息,并将其系统所知相关医学知识对比,最后推荐治疗方案。Schneider说现在还是医生去决定如何使用这些信息,这不是人类与机器对决的问题,而是机器如何加强人类已经拥有的。在这类情况里,目标就是提供给医生方案,这样他们可免于长时间寻找相关资料上,这么长的时间相当于多少科学研究发布被浪费掉啊。
下一个例子是音乐产业的应用,Quantone提供了许多音乐消费的深入数据,公司不仅像其他公司 PANDORA,Spotify 或者其他一些公司利用数据的方式,像音乐的曲风,音乐节拍的数量,还运用了Waton的技术,它同样能处理无结构数据,像是唱片评价,艺术策划,和自然语言分类。用户在用Quantone的时候说,我在寻找迈克杰克逊的某一时期的歌曲,可以从这些无组织的数据中给予答案。

内容创造者也可以从人工智能注入的程序中受益,Sampack能从算法上和艺术上创造免税版的样本。其实就是一个免税版的音乐样本制造器,它利用Waton的音调分析能力将调的描述变成一个声音样本。

IBM最近还出版了一本食谱,Schneider说这事儿在它发生了之前你肯定不敢想象。书的名字叫与Waton一起做饭。Waton会分析食物的成分,找出结合的较好的营养部分,做出100种新的菜谱。它根本不需要再已有的食谱里面搜索,而是通过你的需要创造100种新的食谱,刚开始的时候可能很普通,随着时间推移,它能做的可能超出想象。

在艺术领域,最近举行的与Stephon公司合作的Waton世界的展览活动,接入了Waton的颜色入口。创造除了一系列有着Waton特征的组画,这次活动的目标是鼓励创新,热情和原创艺术。
最后,IBM与时尚先锋Marchesa举行了时尚活动,给Waton的一个任务是创造一个衣服的新的设计,要求必须天生属于Marchesa和它的品牌。Waton用它的颜色偏差借口,从成千上万的Marchesa图片中,包括模特的照片,去寻找颜色如何调色。然后Inno360(一个waton生态合作者)用了几个开放接口,从4000中面料上考虑。用那些从品牌中得到的设计,同时寻找那些能加入LED的面料,Waton得出了35中截然不同的选项。第三步再加入音调分析元素肯定能获得满堂彩。

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

热门文章

     

    GMT+8, 2018-10-18 04:34 , Processed in 0.100776 second(s), 23 queries .