2011年2月，IBM的沃森（Watson）計算系統在《危險邊緣》（Jeopardy！）節目中與兩名強大的人類對手進行了對抗：在節目中擁有74場連勝紀錄的肯 詹寧斯（Ken Jennings）和累積獎金總額最高325萬美元的布拉德 拉特（Brad Rudder）。沃森擊敗了它的人類對手。在這場播出三天的比賽中，沃森在第二輪比賽之后就遙遙領先對手。盡管人機大戰是否公平仍不確定（在節目中獲得成功很大程度上取決于按鈴的速度，而沃森的優勢可能在于它更清楚什么時候按鈴），這期節目讓人印象非常深刻。

這讓很多人想知道這項技術除了參加電視游戲節目以外還能做什么。從2012年開始，IBM就開始對沃森在衛生保健等領域進行試驗。該公司從那時起推出了一系列基于該技術的產品，IBM將該技術稱為“認知計算”（cognitive computing）。

沃頓知識在線對IBM沃森的首席設計師貝克（Brad Becker）進行了采訪，談論了認知計算當前和未來的應用，以及他希望如何讓計算機變得“更人性化”。以下為經過編輯的訪談記錄。

沃頓知識在線：你的背景是用戶體驗設計。這在IBM的沃森項目中發揮了怎樣的作用？

貝克：我們設計沃森的理念是技術是服務于人的，而不是人服務于技術。很長時間以來，人們一直在努力更好地理解技術。而沃森則是讓技術來理解我們。它更加地人性化，能夠幫助人類，它說我們的語言，它可以處理模糊信息，可以創建假設，也可以向我們學習。還有，當然，因為它是一臺計算機，它可以進行大規模運算，并且擁有比人類好得多的記憶力。

沃森擁有計算機的傳統優勢，但在某種程度上它讓人覺得更加舒適和高效，或者我喜歡將其稱為更人性化。它能夠讓專業人士，甚至是非專業人士做比原來更多的事情。

沃頓知識在線：你所說的“更人性化的”計算機，這是什么意思？

貝克：傳統上來說，技術是由技術人員開發的。這聽上去像同義反復，但是通常創造技術的人熱愛技術并且接受它本來的樣子。艾倫 庫伯（Alan Cooper）在《交互設計之路》（The Inmates Are Running the Asylum）一書中探討了這個問題。那么解決方案是什么？

部分解決方案是花時間專注于誰會使用這項技術，他們的需求是什么，人類如何工作，真正使用這項技術的人的人群特征和認知心理是怎樣的。我們如何能讓這項技術更好地適應人類？這有點類似家具的人體工學設計。

這里我們用的是IBM Design Thinking，我們看的不僅僅是IBM及其客戶的商業問題，還為理解最終用戶和他們的具體需求進行了實際研究。我們還考慮了一些更加橫向的問題：在一般情況下，該技術如何能夠更好地為人服務？你有沒有被技術難倒過，并且想“到底是誰發明了這個東西？”或者覺得也許是自己笨，因為自己無法理解本應為我們服務的工具。

這就是我們所真正追求的。我們嘗試現在提出未來認知計算的概念。這一概念的全部焦點在于技術應該服務于人，而不是人服務于技術。它始于我們需要什么，以及我們認為什么是對人類有益的。我們如何能夠幫助提高人類的能力？自行車沒有取代雙腿，但它增強了雙腿的能力。這就是我們的目標：取人之所長，補人之所短，例如閱讀5,000萬篇文章并且記住每一個單詞對于人類來說是及其困難的；在沃森的幫助之下，我們希望讓人類能夠做到比原本更多的事。

沃頓知識在線：你能用基本術語解釋一下沃森的工作原理嗎？

貝克：沃森并不是人腦的復制，但它采用類似的方法解決問題，其運算時有多個完全獨立的步驟同時運行。我們根據問題的本質用不同的方式處理不同類型的查詢。

我們也從純粹的問與答轉向了發現，也就是說，你尋找的不僅僅是“答案”。即便答案存在，今天的答案也不一定是明天的答案。凡事都在快速變化著；具有模糊性。而沃森則擅于處理這一點。

發現是一項有趣的運用，因為這就好比你在噪音當中尋找微弱的信號。這是一個大數據問題，但你要找的并不僅僅是最明顯的東西。這并不像做一個線性回歸或者淺顯地學習如何使用機器那樣簡單。這是人類專家與沃森合作共同篩選從而實現大海撈針的一個很好的例子。

最近新聞報道中有一些例子，描述了貝勒大學（Baylor University）為了測試沃森，讓它處理所有現有的材料，從而得出了一些發現。他們用比較陳舊的材料測試沃森，看它是否會得出與科學界在過去十年中所得出的相同發現，沃森在幾周之內找出了其中一些。

沃頓知識在線：所以你是對人類已經發現的東西進行了回歸測試，看沃森是否會得出相同的結論，對嗎？

貝克：沒錯。我們需要18年才能把一個人培養到被我們稱為“成.人”的水平。但是，對沃森來說，我們可能只需要幾周或幾個月的時間就可以把它訓練到能夠在一個特定的領域提供價值。在前面提到的例子中，貝勒大學通過運用自己的數據來檢測沃森技術。當然，沃森能夠找到那些既定的隱藏聯系。