真乄科技業的頂尖投資團隊

IBM策略與計劃開發總監Jeff Welser指出，「加速發現實驗室能夠改變我們只用問答方式來看巨量資料的習慣。我們並不急於尋找已知的答案──因為那只是一種找到答案的方式，我們正在學習如搜尋未知的一切。」

據Welser表示，巨量資料(big-data)的最大問題在於不只是用它來找答案，也涉及如何用它來為特定領域的問題更有智慧地推斷有關的新原則。為了解決這些問題，IBM集結了在生物學、醫療、金融、氣象、數學、電腦科學與資訊技術等各領域的專業知識，同時也正擴展至材料科學領域。其目標在於為每個領域發現新指導原則的過程自動化，加速在各領域中探索的腳步。

在ADLab所用的許多演算法中，有些來自於IBM華生電腦所用的問答演算法，同時，IBM也正致力於在其演算法中導入一些認知功能，以實現一些至今人類專家尚未發現的探索模式。採用結合以規則為基礎的知識、統計機器學習與模式辨識，ADLab試圖模擬像人腦一樣直覺式的思考以及結合集思廣益的模式。例如，在材料科學中，AdLab期望瞭解不同的材料如何起作用，以便使其演算法能建議未來值得思考的新材料組合。

Welser說：「我們越來越有能力讓機器自行建立假設，使其得以針對接下來可嘗試什麼樣的材料組合提出建議。但為了要實現這一點，你必須廣納更多特定領域的知識。例如，要探索電子材料領域，必須先了解什麼是絕緣體、導體等等── 而那正就是我們未來要投入這些工具的智慧程度。」

ADLab的目標是提升在廣大產業領域的專業知識，包括零售業、醫療與金融業等，但目前最專精的領域是在發現新藥、社交媒體分析以及預測性維護，接下來就是材料科學。

編譯：Susan Hong

(參考原文：IBM Launches Accelerated Discovery Lab，by R. Colin Johnson)

資料來源:電子工程專輯