IBM watsonx平台如何打破采用生成式人工智能的障碍

在企业探索生成式人工智能潜力的同时，复杂数据环境、具备人工智能技能的员工数量有限以及全面考虑所有合规要求（如内部政策和程序、NIST人工智能和法规等行业标准）的人工智能治理框架也增加了企业面临复杂问题的风险。

虽然这些挑战与过去的人工智能技术类似，但生成式人工智能需要更加专业的技能，包括管理大型、多样化的数据集，以及应对因其可能产生的不可预测结果而加剧的伦理问题的能力。

IBM®在大规模成功部署人工智能方面拥有丰富的经验，完全有能力帮助企业应对这些挑战。IBM watsonx™人工智能和数据平台可解决技能、数据和合规方面的挑战，其工具使人工智能更易于访问和操作，同时允许访问数据并提供内置管理。两者的结合使企业能够释放人工智能的全部潜能，实现预期成果。

因此，我们很高兴地宣布，在Forrester Research于2024年8月29日发布的The Forrester Wave™:AI/ML Platforms, Q3, 2024中，IBM被评为表现突出的公司。

Forrester报告称赞IBM提供了“可在任何云中运行的一站式人工智能平台。IBM watsonx的愿景是成为一站式人工智能平台，并通过三大核心功能来实现：1) watsonx.ai™用于训练和部署模型，包括基础模型。2）watsonx.data™ 用于存储、处理和管理人工智能数据。3）watsonx.governance™ 用于管理和监控所有人工智能活动。”

利用watsonx.ai缩小人工智能技能差距：实用的方法

IBM的2024年“全球人工智能采用指数”指出，采用人工智能的一个主要障碍是缺乏熟练的专业人才，33%的公司将有限的人工智能技能和专业知识视为首要挑战。构建和部署人工智能模型需要专业的技术知识和正确的工具，而许多企业都很难获得这些知识和工具。IBMwatsonx.ai旨在通过将生成式人工智能与传统机器学习相结合来解决这些问题。它包括应用程序接口、工具、模型和运行时，用于简化和扩展人工智能应用的开发和部署。

想象一下，一家中型零售公司希望实施人工智能驱动的需求预测。以往，这需要组建一个数据科学家团队来创建、训练和部署ML（machine learning，简称ML，机器学习） 模型，这一过程既耗时又昂贵。正如The Forrester Wave AI/ML Platforms, Q3 2024报告中受访的参考客户所提到的，有了watsonx.ai，即使是人工智能专业知识有限的企业，也能利用“用于模型训练和生成式人工智能开发的易用工具”快速开发和完善模型。

IBM watsonx.ai拥有许多工具，可用于开发、训练和调整生成式和传统AI/ML模型及应用。例如，人工智能开发人员可以访问Tuning Studio，通过有效的参数微调来提高预训练基础模型（foundation models，简称FM）的性能，从而训练模型执行特定任务。watsonx.ai还提供了一个基于用户界面的工具环境（Prompt Lab），该环境利用了指令工程技术以及与FM的对话式交互。这样，人工智能开发人员就可以轻松地进行实验，深入了解最合适的模型，或者确定可能需要进行的其他微调。模型构建者还可以使用watsonx.ai中的AutoAI工具，该工具利用自动ML训练来分析数据集，并应用算法、转换和参数设置来创建最佳预测模型。

我们相信，Forrester的认可也验证了IBM提供企业级基础模型的差异化方法，帮助客户加快将生成式人工智能应用到业务工作流程中，同时降低基础模型相关风险。watsonx.ai人工智能工作室包括来自第三方的预训练、开源、定制的基础模型和我们自己的旗舰产品Granite系列，大大加快了人工智能的部署速度，以满足业务需求。通过这些功能强大的工具，watsonx.ai可帮助企业缩小人工智能技能差距，加快其人工智能项目的进程，使人工智能更易于使用，并成为企业运营不可或缺的一部分。

用watsonx.data解决数据复杂性：真实的解决方案

数据的复杂性仍然是企业利用人工智能的主要障碍，25%的公司认为这是首要障碍。每天产生的大量数据可能会让人不知所措，尤其是当这些数据分散在不同的系统和格式中时，这种情况更加明显。IBMwatsonx.data通过开放、混合和管理的适用数据存储解决了这些问题。它建立在开放式数据湖架构上，可集中数据访问和准备，为分析和人工智能工作负载提供动力。例如，一家全球性制造公司的数据分散在多个地区办事处。以往，为人工智能整合这些数据需要大量的人力，团队需要花费数周的时间来准备这些数据。

watsonx.data提供了一个统一的环境，使来自不同来源的数据更易于访问和管理，从而简化了这一过程。watsonx平台还拥有60多个数据连接器，有助于简化数据摄取流程。在查看数据资产时，平台会自动提供频率和汇总统计数据。这有助于一目了然地了解数据集的内容，使公司能够专注于改进其预测性维护模型（举例说明），而不被数据处理所困扰。

此外，各种客户参与项目，我们看到watsonx.data的工作量优化帮助企业削减了数据处理成本，使人工智能项目更具成本效益。

归根结底，人工智能解决方案的好坏取决于其背后的数据。watsonx平台具有广泛的数据摄取、转换和注释功能，可将其组合成端到端的数据流或管道。例如，该平台的管道编辑器可实现从数据摄取、清理到模型训练和部署等流程的无缝协调。

这促进了开发数据应用程序的数据科学家与在生产环境中部署这些应用程序的ModelOps工程师之间的协作环境。watsonx支持广泛的数据管理和数据准备功能，可以帮助企业驾驭复杂的数据环境，减少数据孤岛，并从其人工智能计划和数据项目中获得有价值的见解。

通过watsonx.governance解决道德问题：通过透明度建立信任

随着人工智能越来越深入企业运营，道德问题已成为一大障碍，23%的公司将这些问题视为首要挑战。在金融和医疗保健等领域，偏差、模型漂移和监管合规等关键问题尤为重要，因为人工智能决策可能会产生重大影响。IBMwatsonx.governance 旨在通过提供一种结构化方法，以透明和负责的方式管理人工智能模型，从而应对这些挑战。

Forrester在The Forrester Wave™中进一步认可了watsonx：AI/ML Platforms Wave，Q3 2024，了解我们的模型评估工具和模型管理能力。这些功能可帮助数据科学家、开发人员和业务人员有效地部署、监控、协调和管理生产应用程序所使用的模型。例如，设想一家金融机构使用人工智能来推荐信贷决策。确保这些模型不偏不倚并符合严格的监管标准至关重要。

有了watsonx.governance，机构可以自动监控和记录其人工智能模型环境，如检测偏差和漂移、运行假设情景分析、在每个阶段自动捕获元数据以及应用实时HAP/PII过滤器。这有助于各机构长期保持好的道德表现。

watsonx.governance还将这些要求整合到可执行的政策中，帮助企业走在监管变化（如即将出台的欧盟人工智能法案）的前面。这不仅能降低风险，还能增进企业与客户、监管机构和其他利益相关者之间的信任。企业提供可提高透明度和问责制的工具，包括设计并自动化工作流程，以实现人工智能治理最佳实践的可操作性，由此支持采用负责任的人工智能，以及跨越多种环境和人工智能平台的 AI 可解释性。

此外，watsonx.governance还能帮助企业直接解决道德问题，确保其人工智能模型在人工智能生命周期的每个阶段都合规可靠。

IBM致力于为企业做好准备：无缝集成人工智能的未来

IBM的人工智能方法立足于企业运营的实际需求。Forrester在其报告中指出，IBM提供了一个“一站式人工智能平台”，旨在支持企业在混合云环境中扩展人工智能计划。从利用 watsonx.ai增强人工智能开发人员和模型构建人员的能力以支持人工智能应用构建，到利用watsonx.data简化数据管理，再到利用watsonx.governance管理、监控和治理人工智能应用和模型，IBM提供了将人工智能有效集成到核心业务流程中的重要资源。

随着生成式人工智能的发展，企业需要完全了解这项技术及其带来的挑战的合作伙伴。IBM在设计上奉行开源原则，我们将一系列核心Granite代码、Time系列、Language和GeoSpatial模型开源，并根据 Apache 2.0许可在Hugging Face上提供，以实现广泛、无限制的商业使用。

通过watsonx，IBM不仅促进了人工智能的应用，还打造了一个AI能够增强日常业务流程和成果的未来。