IBM花费了很长时间才摸索到了人工智能的窍门所在。它的深蓝超级计算机历史性地打败了国际象棋冠军加里·卡斯帕罗夫，随后沃森又在智力竞赛Jeopardy中打败了人类冠军Ken Jennings，引起了公众的关注。

最近，沃森在一个有趣的广告里挑衅民谣偶像鲍勃·迪伦，告诉他自己可以一秒钟内读8亿页书，鲍勃·迪伦干巴巴地说：「真快啊。」

这样一个自负的形象自然引起了人们的兴趣，但比起玩游戏或读歌词，企业们对它的实际应用更加感兴趣。幸运的是，IBM已经将沃森的服务扩展到不同的行业，从医药到体育。沃森有着自己的开发者生态系统，还有一个基于云端的平台IBM Bluemix给了开发者用沃森的能力创造新「智能」应用的机会。

Bluemix社区由77000个开发者组成，他们正在设计并构建IBM所谓的「基于云计算的认知计算应用」。超过350个IBM的合作者已经在市场投入了具有认知能力的应用，范围从医疗工业到金融服务和零售业。

一个叫做Fluid的公司利用沃森创造了一个名为Fluid Expert Personal Shopper的应用，旨在帮助消费者以快于零售网站的速度找到他们需要的商品。例如，如果你想要找一件防风大衣，Fluid应用会通过一系列互动面板，并计算你所在的地方的温度是否会降到零度以下而帮助你找到这样的大衣。

Steve Abrams是IBM沃森团队的杰出工程师兼技术解决方案总监，他说Fluid同时被应用在店面和电子商务网站中。「你登录社交网站，它会消化吸收你所写下的所有东西。沃森有着对性格的洞察力，还有一个包括52个维度的性格矩阵。」他说，应用程序会从所有的数据中收集这样的信息，例如你是外向还是内向，并以此推荐产品。

在体育方面，一些专业团队也会利用沃森加强粉丝的参与度。在体育场内登录，沃森就会向你推荐相关的博客以及你在观看赛事时可以玩的虚拟游戏。它甚至会为特定的某些体育评论员写出一些评论，提到他们的偏见。

而亚马逊，来自Pund-IT的分析师Charles King提到它正在做一项伟大的工作，即，让基于亚马逊网页服务（AWS）的预测分析更加有效且容易。

Pund-IT的首席分析师King说：「亚马逊为想要从事于机器学习的开发者提供了简易的平台，没有大量压力或特殊化的工具或任何投资。机器学习通常需要开发者进行大量特殊训练，并且需要想使用这个服务的公司在软件工具、特殊算法以及支持大量数据的硬件方面进行投资。」

亚马逊的客户 BuildFax会为保险公司跟踪住房重建以及新的商用建筑。BuildFax将亚马逊机器学习应用于预测模型，并为保险公司与建筑师提供屋顶翻新与工人成本的估算。这家公司利用来自公众与客户的数据库建立模型。

有了亚马逊的机器学习，BuildFax之前需要花费至少六个月来创造模型的时间可以缩减到四周或更少。公司也提到亚马逊的机器学习为BuildFax为客户们提供新的数据分析服务带来了机遇，例如估测作业成本的文本分析具有80%的准确度。

BuildFax的CTO和创始人Joe Emison提到亚马逊机器学习让构建预测模型的过程变得大众化。「它使用起来很容易，也很快，并且产品中集成了最佳的实际应用，让我们可以比过去更快地得到结果。」

Jack Gold， J.Gold Associates公司的主席分析师，提到IBM与亚马逊正处在真正有效的企业级AI应用的前沿地带，距离它能够真正变得普及的时刻已经不那么遥远了。

「IBM正在与沃森分析引擎一起构建的并不仅仅是储存并获取数据，而是让它作为一个AI服务或智能服务，收集所有的信息来做有意义的事情。」Gold告诉Datamation。「最终，每个人都会希望利用这些系统的优势，因为公司有着太多不知该如何处理的数据。」

对于有着成本限制的企业，Gold说IBM的方法非常具有吸引力，因为他们不需要去购买或者维持沃森这种技术所需的主机。

「IBM知道他们再也不是一个硬件公司了，那里没有未来。而真正的钱在于服务中，许多沃森都与专业服务相连接。」Gold提到（当然，你也不需要为亚马逊买硬件，他们一开始便是现收现付的服务）。

在最后，Gold说企业们会不可避免地使用沃森（还有亚马逊、谷歌、微软和其他系统）的深度学习系统，因为他们有着太多不知如何处理的数据。随着这些系统的演化，他们会更好地从收集的数据中获取有意义的信息。

Gold说道我们正处于一个相当早期的阶段，IBM很聪明，知道将开发者收为己用，为增加沃森的吸引力而努力。「他们正在沃森的基础上提供工具，但是整个生态系统的构建还需要一段时间。」

IBM的Abram说，开发者对很多热点区域感兴趣，「医疗正处于迅猛的增长阶段，几个月前我们推出了沃森医疗团队。」

当问起哪一个才是沃森最好的应用，Abrams迟疑了，「它还没有出现。我们现在所看到的成长轨迹和合作者的兴趣是难以置信的。明年的这个时候我肯定我们会看到一些突破预期的新应用。」

大数据与社会科技分析师Andreas Weigend说，这些新的深度学习系统对于零售商和其他正在前进的工业领域来说有着重大意义。

「想一想面部识别与情感识别。如果你是零售店的经理，你能够识别哪些职员们做得很好，因为你可以识别客户的面部表情。」Weigend说道，「我认为我们会知道更多有关工作如何完成的信息，并见证更多分解工作的系统。过去一千年里，教育和工作的概念都没有发生巨大的变化，但我们还需要继续关注，因为改变正在到来。」