Hvordan en århundrede gammel teknologigigant gør comeback med kunstig intelligens

Sophie Vandebroek Justin Saglio

IBM er måske ikke den mest sexede teknologigigant sammenlignet med Google eller Apple eller den seneste banebrydende startup. Men det har eksisteret siden 1911, så det må gøre noget rigtigt.

Dens hemmelighed er dens forskningsafdeling med 3.000 forskere fordelt på 12 lokationer, som virksomheden er afhængig af for at holde sig på toppen af ​​trends inden for ny teknologi. I årtier nu har virksomheden engageret sig i en årlig proces for at skabe og tilpasse forretningsenheder i lyset af, hvad der er i horisonten.

Processen er bestemt ikke perfekt. I sin storhedstid var IBM et kraftcenter inden for AI-forskning, ansvarlig for store milepæle som at lære en maskine at spille dam og at slå den bedste menneskelige skakspiller. Nu går disse overskrifter til nytilkomne som OpenAI og DeepMind. I mellemtiden har IBM betalt en omdømmepris for overhyper Watson .

Men virksomheden har set et comeback, især efter at de indledte et partnerskab med MIT for to år siden for at dele forskere og IP. Ved EmTech Next, MIT Technology Reviews arrangement om fremtidens arbejde, inviterede vi Sophie Vandebroek, VP for nye teknologipartnerskaber, til at dele sin strategi for langsigtet innovation.

Det følgende er en blanding af uddrag fra de spørgsmål og svar, vi havde på scenen, og en række opfølgende spørgsmål, vi stillede efter arrangementet. Svarene er redigeret for længde og klarhed.

Da du kom til IBM, havde den på en måde mistet fodfæstet som et kraftcenter inden for AI-forskning. Fortæl os, hvordan du greb den udfordring an, da du først tænkte på den.

Hvad IBM gør klogt i at se på, hvad der er det næste, er, at vi laver et globalt teknologiperspektiv [GTO] på årsbasis. Forskere hjælper os med at se, hvad der er på tværs af horisonten, og siger: Hej, hold øje med disse væsentlige tendenser, der enten kan blinde virksomheden eller virkelig gøre det muligt for virksomheden og vores kunder at opbygge den næste milliard-dollar-forretning. Sådan tænker vi om det.

Da jeg tiltrådte første gang, ledede jeg den proces af GTO. Vi besluttede meget hurtigt, at AI er en af ​​disse teknologier, der er på en eksponentiel kurve. AI havde været et resultat af disse globale teknologisyn flere gange tidligere, som da Watsons sundhedsforretning blev oprettet, og Watson for sikkerhed osv. Men vi tænkte, lad os lige genopfriske og tænke på det meget holistisk under hensyntagen til alting det er sket i de sidste mange år.

Så hvordan foregår GTO-processen?

Det er en årelang proces, der ender med den dag, hvor IBM Research kommer med anbefalinger omkring nye teknologier, der har mulighed for at skabe den næste milliardforretning for IBM. Vi udnytter værktøjer som Github, hvor folk kan poste deres ideer, for at gøre det til en meget gennemsigtig proces. Alle personer i IBM Research kan gå ind og stemme og give råd, og ledergruppen gennemgår løbende, hvad der kommer ud af dette.

Så de første seks måneder er en idéindsamlingsfase, og så begynder vi i forsommeren at indsnævre det til de overordnede paraplyemner, som er ekstremt vigtige. Nogle år er det kun et emne, som for to år siden, da vi lavede kunstig intelligens. I løbet af sommeren bliver emnerne finjusteret, og tidligt på efteråret begynder vi at se på, hvad VC-fællesskabet siger, og hvad konkurrencen laver. Vi udfører yderligere detaljeret markeds- og konkurrentundersøgelser for at hjælpe med at styrke budskabet. Blockchain-virksomheden kom ud af denne proces; også den nye Watson Security-virksomhed.

IBM er en virksomhed, der er mere end et århundrede gammel. Det er et stort skib med hundredtusindvis af ansatte, så du skal sikre dig, at skibet fortsætter med at gå i en succesrig retning. At have denne slags processer trækker virkelig hele virksomheden sammen og får dem til at fokusere på det, der er vigtigt.

Da du tiltrådte, besluttede du meget hurtigt at foreslå MIT-IBM Watson AI Lab. Hvorfor?

Både IBM og MIT er exceptionelle institutioner på østkysten. Vestkysten havde en masse virksomheder, der investerer i kunstig intelligens, og som samarbejder med universiteter på vestkysten. Nogle virksomheder fik stort set hele afdelingen, som det der skete i Carnegie Mellon og Uber [sidstnævnte rensede førstnævntes bedste robotlaboratorium] - det er selvfølgelig en dårlig model. Jeg har også været i ingeniørdekanens rådgivende udvalg på MIT i et årti. Begge institutioner kunne virkelig, med meget lidt ekstra investering, gå til næste niveau i søgen efter intelligens, som MIT begyndte at kalde det, efter at laboratoriet var etableret.

Så vi fremsatte dette forslag med stor opbakning fra alle mine kolleger hos IBM for at etablere MIT-IBM Watson AI Lab. Hos IBM arbejder 1.500 ud af omkring 5.000 forskere i vores fællesskab (inklusive studerende og praktikanter) med kunstig intelligens – enten på kerne-AI-algoritmerne eller med at anvende det til industrien. Så [det nye laboratorium] ville ikke fokusere på problemer, som dette store samfund allerede var fokuseret på. Vi ville virkelig fokusere på de sværeste problemer, hvor man bare har brug for de bedste og mest geniale mennesker i verden.

Og hvad er den effekt, du har set fra dette samarbejde? Hvordan har det forbedret den eksisterende AI-forskning?

Dette samarbejde har igen fokuseret IBM-forskning på at løse væsentlige grundlæggende videnskabelige problemer i AI. IBM træffer ikke udelukkende beslutninger om, hvilke projekter der vælges i laboratoriet. Det udføres af en styregruppe med tre MIT-medlemmer og tre IBM-medlemmer, ledet af en direktør fra hver organisation. En gang om året udsender vi en anmodning om forslag på tværs af vores fire forskningssøjler: kerne-AI-algoritmer, AI-fysikken, anvendt AI til industrier og velstand aktiveret af AI. Disse projekter bliver derefter gennemgået og udvalgt af styregruppen sammen. Vi havde 186 forslag første gang, og vi finansierede 49. Denne proces tvinger os til at se på de vanskelige videnskabelige forskningsproblemer, som ikke kun anvendes.

Vores forskere er også en del af produktforskningsmiljøet, som er rigtig gode til at eksekvere produktkøreplaner. Vi udførte et Moore's Law road map i mange årtier, hvor vi for eksempel ønskede at få transistorer mindre og mindre. Vi har en lignende køreplan for kvante. Grundforskning handler altså om at være på forkant med at vide, hvad AI kan i dag og hele tiden skubbe grænserne udad.

Hvad fik dig til at vælge denne samarbejdsmodel?

Grunden til, at det er fælles, er, at så ved IBM'ere helt fra begyndelsen, hvad der foregår i projektet. Sammen indgiver vi patenter. Meget af teknologien er open source, fordi de studerende selvfølgelig skal kunne skrive papirer og få deres ph.d.-afhandling osv. Men at være der helt fra begyndelsen vil gøre det muligt for de teknologier, der giver mening, virkelig at blive integreret i produktvejen Kort.

For et par måneder siden udvidede vi aftalen med MIT for at bringe andre virksomheder ind i dette konsortium. Så hvis din virksomhed er interesseret, kan du tilmelde dig MIT-IBM Watson AI Lab som medlem. Selskaberne er ikke en del af forskningsprojekterne, men de har adgang til forskningsprojekterne, og de har adgang til IP af en delmængde af projekterne. Indtil videre har fire tilmeldt sig.

Hvilke andre typer samarbejder ønsker du at fortsætte med at opbygge?

Vi ønsker at samarbejde med en mangfoldighed af brancher. Alt, hvad der kommer ud af disse forskningsprogrammer, vil være positivt og værdifuldt for de fleste industrier, hvis det virker. Så vi ønsker at få et dusin nøglevirksomheder, der virkelig kan bringe deres ekspertise, deres smertepunkter, deres drømme, deres data til konsortiet.

Da vi oprettede det originale laboratorium med MIT, satte vi heller ingen begrænsninger for professorer og studerende til at oprette startups. Vores håb er, at mange startups vil komme ud af dette laboratorium, som er AI-relaterede og i Cambridge og Boston-samfundet. Selvfølgelig er laboratoriet nyt – vi har toårs jubilæum i september – men forhåbentlig snart vil der komme startups ud af dette for at skabe et helt økosystem.

Hvad er din fem- og 10-årige vision for nye teknologiske partnerskaber?

Jeg tror, ​​at hele økosystemet – virksomheder, universiteter og startups – bliver vigtigere og vigtigere. For eksempel har vi i vores arbejde med kvantecomputere open-sourcet hardwaren, så den er tilgængelig via nettet. 120.000 mennesker fra hele verden er gået ind, lavet små eksperimenter, og mere end 160 tekniske papirer er blevet skrevet, så nogle laver stor forskning. Disse 120.000 brugere er også fra alle kontinenter, inklusive Antarktis, og har udført 10 millioner eksperimenter.

Det, jeg prøver at sige, er, at det ikke kun er partnerskaber med virksomheder eller nystartede virksomheder. Det er partnerskaber med enkeltpersoner: med individuelle forskere og med udviklere. Mit håb er, at vores andre open source-platforme, som AI Fairness 360-værktøjssættet [som tilbyder ressourcer til at adressere bias i maskinlæring], også vil tiltrække en masse forskere rundt om i verden for at gøre det bedre og derefter bruge det. Det samme med open source blockchain-platformen: IBM bidrager, akademikere bidrager, og så kan flere virksomheder bruge platformen og bygge oven på den. Partnerskaber er en ny måde at forske på.

Rettelser: Sophie Vandebroek har siddet i MIT-dekanens rådgivende udvalg i et årti, ikke årtier. MIT-IBM Watson AI Lab fejrer sit andet jubilæum i september, ikke sidste.

skjule