Hur en hundraårig teknikjätte gör comeback med AI

Sophie Vandebroek Justin Saglio

IBM är kanske inte den sexigaste teknikjätten jämfört med Google eller Apple eller den senaste nystartade. Men det har funnits sedan 1911, så det måste göra något rätt.

Dess hemlighet är dess forskningsavdelning, med 3 000 forskare fördelade på 12 platser, som företaget litar på för att hålla koll på trender inom framväxande teknologi. Sedan decennier tillbaka har företaget engagerat sig i en årlig process för att skapa och anpassa affärsenheter i ljuset av vad som väntar.

Processen är verkligen inte perfekt. I sin storhetstid var IBM ett kraftpaket inom AI-forskning, ansvarig för stora milstolpar som att lära en maskin att spela pjäs och att slå den bästa mänskliga schackspelaren. Nu går dessa rubriker till nykomlingar som OpenAI och DeepMind. Samtidigt har IBM betalat ett anseende pris för överhyper Watson .

Men företaget har sett en comeback, särskilt sedan inledde ett partnerskap med MIT för två år sedan för att dela forskare och IP. På EmTech Next, MIT Technology Reviews evenemang om framtidens arbete, bjöd vi in ​​Sophie Vandebroek, VP of emerging-technology partnerships, att dela med sig av sin strategi för långsiktig innovation.

Följande är en blandning av utdrag från frågorna och svaren vi hade på scenen och en serie följdfrågor vi ställde efter evenemanget. Svaren har redigerats för längd och tydlighet.

När du gick med i IBM hade det liksom tappat fotfästet som ett kraftpaket inom AI-forskning. Gå igenom hur du närmade dig den utmaningen när du först tänkte på den.

Vad IBM gör klokt i att titta på vad som händer härnäst är att vi gör en global teknologiutsikt [GTO] på årsbasis. Forskare hjälper oss att se vad som finns på andra sidan horisonten och säger: Hej, håll utkik efter dessa betydande trender som antingen kan förblinda företaget eller verkligen göra det möjligt för företaget och våra kunder att bygga nästa miljardaffär. Det är så vi tänker om det.

När jag först gick med ledde jag processen för GTO. Vi bestämde oss mycket snabbt att AI är en av dessa tekniker som är på en exponentiell kurva. AI hade varit ett resultat av dessa globala teknikutsikter flera gånger tidigare, som när Watsons hälsoverksamhet skapades, och Watson för säkerhet, etc. Men vi tänkte, låt oss bara uppdatera och tänka på det väldigt holistiskt, med hänsyn till allt som har hänt de senaste åren.

Så hur går GTO-processen till?

Det är en årslång process som slutar med den dag då IBM Research ger rekommendationer kring framväxande teknologier som har möjlighet att skapa nästa miljardaffär för IBM. Vi använder verktyg som Github, där människor kan lägga upp sina idéer, för att göra det till en mycket transparent process. Alla individer i IBM Research kan gå in och rösta och ge råd och ledarteamet ser regelbundet över vad som kommer ut av detta.

Så de första sex månaderna är en idéinsamlingsfas, och sedan på försommaren börjar vi begränsa det till paraplyämnen på hög nivå som är extremt viktiga. Vissa år är det bara ett ämne, som för två år sedan när vi gjorde AI. Under hela sommaren finjusteras ämnena och tidigt på hösten börjar vi titta på vad VC-communityt säger och vad tävlingen gör. Vi genomför ytterligare detaljerad marknads- och konkurrentundersökning för att stärka budskapet. Blockchain-verksamheten kom ur denna process; den nya Watson Security-verksamheten också.

IBM är ett företag som är mer än ett sekel gammalt. Det är ett stort fartyg med hundratusentals anställda, så du måste se till att fartyget fortsätter att gå i en framgångsrik riktning. Att ha den här typen av processer drar verkligen samman hela företaget och får dem att fokusera på det som är viktigt.

När du gick med bestämde du dig mycket snabbt för att föreslå MIT-IBM Watson AI Lab. Varför?

Både IBM och MIT är exceptionella institutioner på östkusten. Västkusten hade många företag som satsar på AI och som jobbar med universitet på västkusten. Vissa företag fick i princip hela avdelningen, som det som hände i Carnegie Mellon och Uber [den senare rensade förstnämndas främsta robotlabb] – det är naturligtvis en dålig modell. Jag har också suttit i dekanus för teknikens rådgivande kommitté vid MIT i ett decennium. Båda institutionerna kunde verkligen, med väldigt lite extra investeringar, gå till nästa nivå mot strävan efter intelligens, som MIT började kalla det efter att labbet etablerats.

Så vi lade fram det här förslaget med stort stöd från alla mina kollegor på IBM för att etablera MIT-IBM Watson AI Lab. På IBM, av cirka 5 000 forskare i vårt samhälle (inklusive studenter och praktikanter), arbetar 1 500 med artificiell intelligens – antingen med de grundläggande AI-algoritmerna eller med att tillämpa den på industrin. Så [det nya labbet] skulle inte fokusera på problem som det här stora samhället redan var fokuserat på. Vi ville verkligen fokusera på de svåraste problemen där man bara behöver de bästa och mest briljanta människorna i världen.

Och vilken effekt har du sett från detta samarbete? Hur har det förbättrat den befintliga AI-forskningen?

Detta samarbete har återigen fokuserat IBM-forskning på att lösa betydande grundläggande vetenskapsproblem inom AI. IBM fattar inte enbart besluten om vilka projekt som väljs ut i labbet. Det görs av en styrgrupp med tre MIT-medlemmar och tre IBM-medlemmar, som leds av en direktör från varje organisation. En gång om året lägger vi ut en begäran om förslag inom våra fyra forskningspelare: AI-algoritmer, AI-fysiken, tillämpad AI på industrier och välstånd som möjliggörs av AI. Dessa projekt granskas sedan och väljs ut av styrgruppen tillsammans. Vi hade 186 förslag första gången, och vi finansierade 49. Denna process tvingar oss att titta på de svåra vetenskapliga forskningsproblemen som inte bara tillämpas.

Våra forskare är också en del av produktforskningsgemenskapen, som är mycket duktiga på att utföra produktvägkartor. Vi utförde en färdplan för Moores lag i många decennier, där vi till exempel ville få transistorer mindre och mindre. Vi har en liknande färdplan för kvant. Så grundforskning handlar om att ligga i framkant när det gäller att veta vad AI kan göra idag och att hela tiden pressa gränserna utåt.

Vad fick dig att välja den här samarbetsmodellen?

Anledningen till att det är gemensamt är för att då, redan från början, vet IBM-are verkligen vad som händer i projektet. Tillsammans lämnar vi in ​​patent. Mycket av tekniken är öppen källkod eftersom studenterna uppenbarligen måste kunna skriva uppsatser och ta sin doktorsavhandling, etc. Men att vara där från första början kommer då att tillåta de teknologier som är vettiga att verkligen bäddas in i produktvägen Kartor.

För några månader sedan breddade vi avtalet med MIT för att få in andra företag i detta konsortium. Så om ditt företag är intresserad kan du gå med i MIT-IBM Watson AI Lab som medlem. Företagen är inte en del av forskningsprojekten, men de har tillgång till forskningsprojekten och de har tillgång till IP av en delmängd av projekten. Hittills har fyra anmält sig.

Vilka andra typer av samarbeten vill du fortsätta bygga?

Vi vill samarbeta med en mångfald av branscher. Allt som kommer ut av dessa forskningsprogram kommer att vara positivt och värdefullt för de flesta branscher om det fungerar. Så vi vill få ett dussintal nyckelföretag som verkligen kan ta med sin expertis, sina smärtpunkter, sina drömmar, sina data till konsortiet.

När vi satte upp det ursprungliga labbet med MIT satte vi heller inga begränsningar för professorer och studenter att skapa startups. Vår förhoppning är att många startups kommer ut från det här labbet som är AI-relaterade och i Cambridge och Boston-gemenskapen. Naturligtvis är labbet nytt – vi har tvåårsjubileum i september – men förhoppningsvis snart kommer det startups som kommer ut ur detta för att skapa ett helt ekosystem.

Vad är din fem- och tioåriga vision för framväxande teknologiska partnerskap?

Jag tror att hela ekosystemet – företag, universitet och nystartade företag – blir viktigare och viktigare. Till exempel, i vårt arbete med kvantberäkningar har vi öppnat hårdvaran med öppen källkod, så den är tillgänglig via webben. 120 000 människor från hela världen har gått in, gjort små experiment och mer än 160 tekniska artiklar har skrivits, så några gör stor forskning. Dessa 120 000 användare är också från alla kontinenter, inklusive Antarktis, och har genomfört 10 miljoner experiment.

Vad jag försöker säga är att det inte bara är partnerskap med företag eller nystartade företag. Det är partnerskap med individer: med enskilda forskare och med utvecklare. Min förhoppning är att våra andra plattformar med öppen källkod, som AI Fairness 360-verktygslådan [som erbjuder resurser för att ta itu med bias i maskininlärning], också kommer att locka många forskare runt om i världen för att göra det bättre och sedan använda det. Samma sak med blockchain-plattformen med öppen källkod: IBM bidrar, akademiker bidrar och sedan kan flera företag använda plattformen och bygga på den. Partnerskap är ett nytt sätt att forska.

Rättelser: Sophie Vandebroek har suttit i MIT-dekanens rådgivande kommitté i ett decennium, inte i decennier. MIT-IBM Watson AI Lab firar sitt andra jubileum i september, inte sist.

Dölj