Hvordan en hundre år gammel teknologigigant gjør comeback med AI

Sophie Vandebroek Justin Saglio

IBM er kanskje ikke den mest sexy teknologigiganten sammenlignet med Google eller Apple eller den siste banebrytende oppstarten. Men det har eksistert siden 1911, så det må gjøre noe riktig.

Hemmeligheten er forskningsavdelingen, med 3000 forskere fordelt på 12 lokasjoner, som selskapet er avhengig av for å holde seg på toppen av trender innen fremvoksende teknologi. I flere tiår nå har selskapet engasjert seg i en årlig prosess for å opprette og tilpasse forretningsenheter i lys av det som er i horisonten.

Prosessen er absolutt ikke perfekt. I sin storhetstid var IBM et kraftsenter innen AI-forskning, ansvarlig for store milepæler som å lære en maskin å spille dam og å slå den beste menneskelige sjakkspilleren. Nå går disse overskriftene til nykommere som OpenAI og DeepMind. I mellomtiden har IBM betalt en omdømmepris for overhyper Watson .

Men selskapet har sett på et comeback, spesielt siden de inngikk et partnerskap med MIT for to år siden for å dele forskere og IP. På EmTech Next, MIT Technology Review sitt arrangement om fremtidens arbeid, inviterte vi Sophie Vandebroek, VP for emerging-technology partnerships, til å dele sin strategi for langsiktig innovasjon.

Følgende er en blanding av utdrag fra spørsmål og svar vi hadde på scenen og en rekke oppfølgingsspørsmål vi stilte etter arrangementet. Svarene er redigert for lengde og klarhet.

Da du begynte i IBM, hadde den liksom mistet fotfestet som et kraftsenter innen AI-forskning. Gå gjennom hvordan du nærmet deg den utfordringen da du først tenkte på den.

Det IBM gjør godt med å se på hva som skjer videre, er at vi gjør et globalt teknologiperspektiv [GTO] på årlig basis. Forskere hjelper oss med å se hva som er på tvers av horisonten og sier: Hei, se etter disse betydelige trendene som enten kan blinde selskapet eller virkelig gjøre det mulig for selskapet og våre kunder å bygge den neste milliardbedriften. Det er slik vi tenker om det.

Da jeg først ble med, ledet jeg prosessen med GTO. Vi bestemte oss veldig raskt for at AI er en av disse teknologiene som er på en eksponentiell kurve. AI hadde vært et resultat av disse globale teknologisynene flere ganger tidligere, som da Watsons helsevirksomhet ble opprettet, og Watson for sikkerhet, osv. Men vi tenkte, la oss bare oppdatere og tenke på det veldig helhetlig, tatt i betraktning alt som har skjedd de siste årene.

Så hvordan skjer GTO-prosessen?

Det er en årelang prosess som ender med dagen da IBM Research kommer med anbefalinger rundt nye teknologier som har muligheten til å skape den neste milliardbedriften for IBM. Vi utnytter verktøy som Github, der folk kan legge ut ideene sine, for å gjøre det til en veldig transparent prosess. Alle enkeltpersoner i IBM Research kan gå inn og stemme og gi råd, og ledergruppen gjennomgår jevnlig hva som kommer ut av dette.

Så de første seks månedene er en idéinnsamlingsfase, og på forsommeren begynner vi å begrense det til paraplyemnene på høyt nivå som er ekstremt viktige. Noen år er det bare ett tema, som for to år siden da vi drev med kunstig intelligens. Gjennom sommeren finjusteres temaene, og tidlig på høsten begynner vi å se på hva VC-miljøet sier og hva konkurransen gjør. Vi utfører ytterligere detaljert markeds- og konkurrentundersøkelser for å bidra til å styrke budskapet. Blockchain-virksomheten kom ut av denne prosessen; den nye Watson Security-virksomheten også.

IBM er et selskap som er mer enn et århundre gammelt. Det er et stort skip med hundretusenvis av ansatte, så du må sørge for at skipet fortsetter å gå i en vellykket retning. Å ha denne typen prosesser trekker virkelig hele selskapet sammen og får dem til å fokusere på det som er viktig.

Da du ble med, bestemte du deg raskt for å foreslå MIT-IBM Watson AI Lab. Hvorfor?

Både IBM og MIT er eksepsjonelle institusjoner på østkysten. Vestkysten hadde mange selskaper som investerer i AI og som samarbeider med universiteter på vestkysten. Noen selskaper fikk i utgangspunktet hele avdelingen, som det som skjedde i Carnegie Mellon og Uber [sistnevnte sløyd førstnevntes beste robotlaboratorium] – det er selvfølgelig en dårlig modell. Jeg har også vært i dekanen for ingeniørens rådgivende komité ved MIT i et tiår. Begge institusjonene kunne virkelig, med svært lite ekstra investeringer, gå til neste nivå mot søken etter intelligens, som MIT begynte å kalle det etter at laboratoriet ble etablert.

Så vi kom med dette forslaget med mye støtte fra alle mine kolleger i IBM for å etablere MIT-IBM Watson AI Lab. Hos IBM, av rundt 5000 forskere i samfunnet vårt (inkludert studenter og praktikanter), jobber 1500 med kunstig intelligens – enten med kjerne-AI-algoritmene eller med å bruke den til industrien. Så [det nye laboratoriet] kom ikke til å fokusere på problemer som dette store samfunnet allerede var fokusert på. Vi ønsket virkelig å fokusere på de vanskeligste problemene der du bare trenger de beste og mest geniale menneskene i verden.

Og hva er effekten du har sett fra dette samarbeidet? Hvordan har det forbedret den eksisterende AI-forskningen?

Dette samarbeidet har igjen fokusert IBM-forskning på å løse betydelige grunnleggende vitenskapelige problemer innen AI. IBM tar ikke bare beslutninger om hvilke prosjekter som velges i laboratoriet. Det gjøres av en styringskomité med tre MIT-medlemmer og tre IBM-medlemmer, ledet av en direktør fra hver organisasjon. En gang i året legger vi ut en forespørsel om forslag på tvers av våre fire forskningspilarer: kjerne-AI-algoritmer, fysikken til AI, anvendt AI til industrier og velstand aktivert av AI. Disse prosjektene blir deretter gjennomgått og valgt av styringskomiteen sammen. Vi hadde 186 forslag første gang, og vi finansierte 49. Denne prosessen tvinger oss til å se på de vanskelige vitenskapelige forskningsproblemene som ikke bare brukes.

Våre forskere er også en del av produktforskningsmiljøet, som er veldig flinke til å utføre produktveikart. Vi utførte et Moores lov-veikart i mange tiår, hvor vi for eksempel ønsket å få transistorer mindre og mindre. Vi har et lignende veikart for kvante. Så grunnleggende forskning handler om å være i forkant av å vite hva AI kan gjøre i dag og hele tiden presse grensene utover.

Hva fikk deg til å velge denne samarbeidsmodellen?

Grunnen til at det er felles er at da, helt fra begynnelsen, vet IBM-ere virkelig hva som skjer i prosjektet. Sammen registrerer vi patenter. Mye av teknologien er åpen kildekode fordi studentene åpenbart må kunne skrive oppgaver og få doktorgradsavhandlingen sin osv. Men å være der helt fra begynnelsen vil da gjøre det mulig for de teknologiene som gir mening å virkelig bli integrert i produktveien kart.

For noen måneder siden utvidet vi avtalen med MIT for å bringe andre selskaper inn i dette konsortiet. Så hvis bedriften din er interessert, kan du bli medlem av MIT-IBM Watson AI Lab. Selskapene er ikke en del av forskningsprosjektene, men de har tilgang til forskningsprosjektene, og de har tilgang til IP av en undergruppe av prosjektene. Så langt har fire meldt seg på.

Hvilke andre typer samarbeid ønsker du å bygge videre?

Vi ønsker å samarbeide med et mangfold av bransjer. Alt som kommer ut av disse forskningsprogrammene vil være positivt og verdifullt for de fleste bransjer hvis det fungerer. Så vi ønsker å få et dusin eller så nøkkelbedrifter som virkelig kan bringe sin ekspertise, sine smertepunkter, sine drømmer, sine data til konsortiet.

Når vi satte opp den originale laboratoriet med MIT, satte vi heller ingen begrensninger for professorer og studenter for å opprette startups. Vårt håp er at mange startups vil komme ut av dette laboratoriet som er AI-relatert og i Cambridge og Boston-samfunnet. Laboratoriet er selvfølgelig nytt – vi har toårsjubileum i september – men forhåpentligvis snart vil det komme startups ut av dette for å skape et helt økosystem.

Hva er din fem- og 10-årige visjon for nye teknologiske partnerskap?

Jeg tror hele økosystemet – selskaper, universiteter og startups – blir mer og mer viktig. For eksempel, i vårt arbeid med kvantedatabehandling, har vi åpen kildekode for maskinvaren, slik at den er tilgjengelig via nettet. 120 000 mennesker fra hele verden har gått inn, gjort små eksperimenter, og mer enn 160 tekniske artikler er skrevet, så noen gjør gode undersøkelser. Disse 120 000 brukerne er også fra alle kontinenter, inkludert Antarktis, og har utført 10 millioner eksperimenter.

Det jeg prøver å si er at det ikke bare er partnerskap med selskaper eller startups. Det er partnerskap med enkeltpersoner: med individuelle forskere og med utviklere. Mitt håp er at våre andre åpen kildekode-plattformer, som AI Fairness 360-verktøysettet [som tilbyr ressurser for å adressere skjevheter i maskinlæring], også vil tiltrekke seg mange forskere rundt om i verden for å gjøre det bedre og deretter bruke det. Samme med blokkjedeplattformen med åpen kildekode: IBM bidrar, akademikere bidrar, og så kan flere selskaper bruke plattformen og bygge på toppen av den. Partnerskap er en ny måte å forske på.

Rettelser: Sophie Vandebroek har sittet i MIT-dekanens rådgivende komité i et tiår, ikke i flere tiår. MIT-IBM Watson AI Lab feirer sitt andre jubileum i september, ikke sist.

gjemme seg