數智物語出品
策劃、編寫：捲毛雅各布
IBM想把沃森打造成哆啦A夢的四次元口袋，各種AI道具都收入囊中，但怎麼讓這個神奇口袋發揮出期望價值，IBM似乎不得其法。
2011 年沃森(Watson)在智力競猜綜藝節目《 Jeopardy! 》（危險邊緣）中出場，並且擊敗該節目歷史上兩位最成功的選手。
沃森在Jeopardy中沃森擊敗了2011年冠軍Ken Jennings和Brad Rutter，圖片來源：美聯社/ Seth Wenig
沃森自此名聲大噪，成爲IBM這一藍色巨人持續多年的“ AI 代言人“。人們很難定義沃森到底是什麼，他用於廣告營銷也用於創造菜譜，還能做會議記錄員、參加格萊美典禮、到博物館當講解員，給用戶提供旅遊定製計劃，以及幫助電商優化用戶的購物體驗。
IBM對他的定義是“沃森是 IBM 的企業級人工智能服務、應用程序和工具。”
沃森描述，圖片來源：IBM官網截圖
企業級服務本身就是 IBM 所擅長的領域，而沃森伴隨人工智能大潮來臨，也成爲 IBM 的重要投手。在時尚、金融、醫療、旅遊、法律、教育、交通等14個領域都展開了應用與實踐。
IBM14個應用領域，根據公開資料整理，數智物語製圖（若該圖片無法看清，可在數智物語公號後臺回覆“沃森圖表1”查看高清大圖）
而在高精尖的醫療領域， IBM 也花了重金栽培了沃森健康(Watson Health)。
《連線》專欄作家 Clive Thompson 曾在文章《如何教授人工智能常識》裏寫到：“AI需要餵食大量的數據，唯有這樣AI才能開啓獨立運行的自我識別模式。”2015年是IBM醫療佈局頻頻出擊的一年，通過收購、重組、合作等動作， IBM不斷爲餵給沃森醫療需要的數據、技術和團隊。
根據公開資料整理，圖片來源：數智物語製圖
根據公開資料整理，數智物語製圖（若該圖片無法看清，可在數智物語公號後臺回覆“沃森圖表2”查看高清大圖）
沃森健康自2011年起接受全球頂級×××治療中心紀念斯隆凱特琳腫瘤中心(MSKCC)訓練，已學習超過330種醫學專業期刊、250種以上的醫學書籍、2700萬篇論文研究數據。研究數據之外，沃森還會通過真實世界和臨牀案例積累數據。
×××領域也成爲 IBM 重點扶持領域， IBM 在2013年又攜手世界頂級的腫瘤治療與研究機構 MD 安德森×××中心，用沃森輔助醫生開展抗癌藥物的臨牀測試。這開啓了沃森的首次商業化應用。
根據《華爾街日報》給出的數據，沃森健康產品組合中最大的 AI 產品是 Watson for Oncology（沃森腫瘤解決方案，以下簡稱WfO）。
在對病患的個人檔案、醫療證據、公佈的研究結果，以及紀念斯隆-凱特琳×××中心的大量臨牀專業知識進行分析後，該解決方案可以總結每個病例的調研結果，其中包括供臨牀醫生考慮的基於美國國家綜合×××網絡(NCCN)指南的治療方案。
雷鋒網在翻譯 James Hendler 教授的一篇長文中，揭示了沃森基於“關聯知識”構築而成實現過程。簡而言之，在醫生輸入有關患者醫療狀況的信息後，該應用程序會通過分析可能相關的已發表研究來推薦治療方法。
WfO的操作流程：
1、分析患者醫療記錄，包括結構化和非結構化的數據；
2、提供治療方案選項，通過分析各種醫療數據，WfO 爲每一位患者提供幾種治療方案，醫生可在這些方案中挑選；
3、方案排序，給各種治療方案排序， 並註明其醫學證據。
“沃森醫生”的診斷過程，圖片來源：動脈網
其操作流程包括分析患者醫療記錄、提供治療方案選項和排序，最終患者拿到手的，是一份涵蓋了詳細的用藥、治療建議及參考文獻等內容的×××治療方案建議報告。
圍繞×××診療這一方向，沃森健康已開發出沃森腫瘤解決方案(Watson for Oncology)、沃森基因解決方案(Watson for Genomics)、Watson 臨牀試驗匹配解決方案(Watson for Clinical Trial Matching)等系列產品，輔助全球各地的醫生對患者進行診治：
沃森系列產品，圖片來源：動脈網
這套解決方案的核心技術爲 NLP（自然語言處理），也是 IBM 一直看好的領域，2011年沃森在《危險邊緣》的勝利，證明了沃森在 NLP 方面的卓越表現。爲了玩這個遊戲，它必須解析複雜的文字遊戲線索，搜索大量的文本數據庫，找到並確定最好的答案。
“看起來沃森幾乎可以理解語言的含義，而不僅僅是識別單詞的模式。” 在2011年曾擔任 IBM 研究院首席醫學科學家 Martin Kohn 說。
其實早在參加《危險邊緣》之前， IBM 就考慮過 AI 醫療的可能性。大量的患者數據看起來非常適合用於 AI 醫療研究，特別是當醫院和醫生開始使用電子健康記錄時。
雖然其中一些數據可以很容易地被機器消化，例如實驗室結果和生命體徵測量數據，但還有大部分是“非結構化”信息，例如醫生筆記和出院記錄。這類敘述性文本佔到患者記錄約80％的內容。
Kohn 認爲，沃森強大的 NLP 能力可以轉變爲醫學理論。沃森可以閱讀患者的健康記錄以及醫學文獻的全部內容，包括教科書、同行評審期刊文章、批准藥物清單等。通過訪問所有這些數據，沃森可能會成爲一名超級醫生，能夠辨別出人類無法看到的模式。
公開資料顯示，對於 WfO，IBM 在國外通常對每位患者收費200至1000美元，在某些情況下還需要諮詢費。
IBM 的副總裁，負責認知方案和 IBM 研究部門的醫學博士 Jone E. Kelly III 在去年8月接受《Medscape》採訪時表示，沃森在全球已經有230 家醫院和醫療機構投入使用，沃森幫助的病人在去年上半年幾乎翻倍，達到了 84000 人。
從國外沃森落地案例來看，南亞最大的私人醫院 Bumrungrad International Hospital 選擇了沃森。這家醫院也是全球最受歡迎的醫療機構之一。爲改善其×××護理質量，Bumrungrad 選擇了 WfO 輔助×××治療。
在中國，IBM 的官方合作伙伴爲百洋醫藥集團，2017年3月，沃森健康與百洋簽約，雙方將 WfO 的獨家總代分銷權戰略合作協議由三年延長至八年。
沃森剛開始引進中國的時候，同樣是按例收費。17年百洋醫藥集團董事長付鋼在接受記者採訪時曾表示，使用 WfO 均自費，價格是4500元/例。後來由於推廣後發現醫院在沒有了解產品時收費很困難，改爲了將沃森賬號以很低的價格賣給醫院，並不限制使用例數，先讓醫院和醫生熟悉、參考，再探索收費模式。
改變營銷模式後，有醫院開始主動報價收費，一些地方基於其服務內容，如不同級別的專家提供服務、不同配套的其它服務等，收取費用從一兩千元到幾萬元不等。
據動脈網報道，截至2018年11月4日，沃森在我國20多個省、40多個城市、81家醫院簽約落地。註冊醫生已達1133人，2017年患者數量突破1萬，到2018年11月4日患者數量已逾4.1萬。
2011年《危險邊緣》中戰勝兩位人類冠軍時 IBM 就宣佈了自己雄心勃勃的小目標：未來讓沃森成爲一名AI醫生，還承諾在未來18到24個月的時間裏推出首批醫療健康產品。
2015年還曾許下豪言：要讓沃森惠及10億人，解決、診斷和治療80%×××種類中80%的病患。
但自17年開始，包含 MD 安德森腫瘤中心在內的多個客戶終止了與沃森的合作，理由是：沃森的診療效果始終不達預期，成本太高。18年 5 月，IBM 對其醫療業務進行裁員，包括部分研發人員和營銷人員。同年7月，美國健康醫療媒體 STAT 爆出 IBM 的內部文件稱，沃森經常給出不準確的×××治療建議，甚至開錯了藥品。
沃森健康在過去的18年裏深陷輿論風波，其旗下產品 WfO 的市場推廣也受到波及。
“這個月本來有5家醫院要簽約引進 Watson 腫瘤解決方案，但都選擇了推遲，我們很着急。” WfO 中國市場獨家總代理、百洋智能科技首席營銷官王必全曾在媒體溝通會上說。
據 IEEE Spectrum 統計，從2011年開始，IBM 沃森與其他機構合作的25個具有代表性的項目中，僅有5個合作項目推出了AI醫療產品。
項目時間 | IBM合作伙伴 | 項目 | 當前狀態 |
2011年2月 | Nuance Communications | 診斷工具和臨牀決策支持工具 | 沒有工具可用 |
2011年9月 | WellPoint（現爲Anthem） | 臨牀決策支持工具 | 沒有工具可用 |
2012年 | |||
3月 | 紀念斯隆凱特琳×××中心 | ×××臨牀決策支持工具 | Watson腫瘤工具 |
10月 | 克利夫蘭診所 | 醫學生的訓練工具、臨牀決策支持工具 | 沒有可用工具 |
2013年 | |||
10月 | MD安德森×××研究中心 | 關於×××的臨牀決策輔助工具 | 沒有可用工具 |
2014年 | |||
3月 | 紐約基因組中心 | 用於腦癌的基因組分析工具 | 沒有可用工具 |
6月 | GenieMD | 個性化醫療資源建設 | 沒有應用程序可用 |
9月 | 梅奧診所 | 臨牀試驗配對工具 | Watson臨牀試驗匹配工具 |
2015年 | |||
4月 | 強生公司 | 用於術前和術後指導的消費者應用程序; 用於管理慢性病的消費者應用 | 沒有可用的應用/工具 |
4月 | 美敦力公司 | 個性化糖尿病管理 | Sugar.IQ應用程序 |
5月 | Epic | 臨牀決策支持工具 | 沒有可用工具 |
5月 | 北卡羅來納大學，其他 | ×××的基因組分析工具 | Watson基因組工具 |
7月 | CVS健康 | 慢性病的護理管理工具 | 沒有可用工具 |
9月 | Teva Pharmaceuticals | 藥物開發工具、用於管理慢性病的消費者應用 | 沒有工具和應用程序可用 |
9月 | 波士頓兒童醫院 | 罕見兒科疾病的臨牀決策支持工具 | 沒有工具可用 |
12月 | Nutrino | 在懷孕期間提供個性化營養方案 | 沒有應用程序可用 |
12月 | 諾和諾德 | 糖尿病管理 | 沒有應用程序可用 |
2016年 | |||
1月 | Under Armour | 個性化運動教練 | 沒有應用程序可用 |
2月 | 美國心臟病協會 | 工作場所健康的消費者應用 | 沒有應用程序可用 |
4月 | 美國×××協會 | ×××治療期間進輔助診斷 | 沒有應用程序可用 |
6月 | 美國糖尿病協會 | 個性化的糖尿病管理 | 沒有應用程序可用 |
10月 | 任務診斷 | ×××的基因組分析工具 | 來自Quest Diagnostics的Watson基因組工具 |
11月 | Celgene公司 | 藥物安全分析工具 | 沒有工具可用 |
2017年 | |||
5月 | MAP健康管理 | 藥物濫用的復發預測工具 | 沒有工具可用 |
圖片來源：IEEE Spectrum，翻譯新智元
在許多種嘗試中，IBM努力讓沃森的 NLP 去理解醫療文本。但圖靈獎得主，人工智能研究專家 Yoshua Bengio 表示，在醫學文本文件中，人工智能系統無法理解其模糊性，也無法瞭解人類醫生注意到的微妙線索。到目前爲止，沒有人工智能可以達到人類醫生的理解和洞察力。
深度學習的先驅、Facebook 人工智能研究部門的負責人 Yann LeCun 也曾表示AI需要太多的訓練數據，不能推理，也不具備常識。他認爲，人類大腦是通過互動而不是內在的規則來發展出推理能力的。
一些研究將 WFO ×××治療建議與醫院腫瘤學家的建議進行了比較。下圖爲沃森的建議與專家的治療計劃相匹配的百分比。
在印度，Manipal 綜合×××中心的醫生對638例乳腺癌病例中，沃森與專家治療建議的一致率爲73％。沃森在韓國 Gachon 大學 Gil 醫療中心表現更差，該醫院爲656名結腸癌患者提供的最佳建議，只有49％與專家相匹配。
約翰霍普金斯醫學院的 Natalie Trayanova 教授曾表示，圖像識別仍是目前的 AI 最擅長的事情之一。
2012 年到 2015 年，在代表計算機智能圖像識別最前沿發展水平的 ImageNet 競賽（ILSVRC）中，參賽的人工智能算法在識別準確率上突飛猛進。 2015 年，在識別圖片中的人、動物、車輛或其他常見對象時，基於深度學習的計算機程序超過了普通人類的肉眼識別準確率。
深度學習中圖像處理ImageNet的成績，圖片來源：《人工智能》，李開復，王詠剛著
Natalie Trayanova 教授認爲這歸功於機器能夠在相對短的時間內吃進海量的影像數據，並通過深度神經網絡各個層級進行分析、學習，成爲閱“片”無數、經驗豐富的“老醫生”。例如像眼科這類科目，就可以使用 AI 技術診斷糖尿病人的眼底病變。由於這種疾病十分常見，數據積累豐富，再加上對於病變的判定相對簡單，目前這個技術已經有了相對成熟的應用場景。
然而，觸及到更難的領域，例如×××、腫瘤等等，圖像模式十分複雜，很難用一種或者幾種機械的模式概括，機器往往會卡在這種人腦依靠模擬(analogy)判斷的地方。而有的病變本身也十分罕見，根本無法形成值得信賴的數據庫。換句話說，現在還無法像訓練一個真正的醫生一樣訓練 AI 。
這也讓 IBM 想讓沃森成爲一名AI醫生的願望遙遙無期。據傳聞，IBM 在美國很難找到沃森腫瘤產品的買家。一些腫瘤學家說他們更相信自己的判斷而不需要沃森來告訴他們需要做什麼。
而在目前最擅長的圖像識別領域，IBM雖然收購了醫療影像公司 Merge Healthcare ，卻並未有太多建樹。
沃森項目從2006年啓動至今，IBM 已花費數十億美元用於收購 AI 企業，以加強其內部開發實力，但內部人士表示，收購的公司並沒有起太大的作用。
以15年被收購的 Phytel 公司爲例，Phytel 被 IBM 收購之前是一家成功的企業，擁有良好的聲譽。在市場研究公司 KLAS 2014年針對人口健康管理企業進行的調查中， Phytel 排名第一，並被稱作該市場“顯而易見的領導者”。
Phytel 的貢獻是在分析技術中融合了自動化病人溝通系統。例如，一家診所可以利用該系統搜索病例，然後找到所有年齡超過45歲且結腸鏡檢查過期的男性，然後使用自動通話系統提醒他們儘快預約這項令人畏懼的檢查。尋找“不合規”的病人是預防性治療的關鍵，通過定期檢查可以提早發現問題，避免延誤治療時機。
IBM 在2015年宣佈該收購交易的新聞稿中表示，Phytel 會成爲全新的沃森健康部門的一部分，並利用 IBM“強大的認知計算”提升 Phytel 的服務。收購完成後，IBM 的管理層開始了名爲“洗藍”的流程，也就是讓被收購企業的品牌和運營與 IBM 的模式協調一致。
而到18年5月底， IBM 大約裁掉了 Phytel 80%的員工——超過120人來自工程、銷售和項目管理崗位。“這些都是關鍵技術人員，還有一些是直接對接客戶的人。” 被 IEEE Spectrum 採訪的 Phytel 第一位工程師說，“他們並沒有裁撤行政人員和非核心員工”。
這位工程師表示，在這一過程中，“一切都停止了”，他們還被告知不要把精力放在改進爲現有用戶提供的產品上。“大家無所事事了大概一年的時間。”第二位工程師說。
Phytel 的工程師們最後被要求從事一個整合項目，把 Phytel 與 Explory 的數據庫和分析技術結合起來。上述工程師表示，此次整合是一項重大任務，需要 IBM 方面投入大量時間和資金。這兩位工程師都對把此事歸咎於 IBM 的“服務管理”部門，該部門負責規劃 IBM 應該向客戶銷售哪些產品。然而，服務管理者並沒有對最終產品制定清晰的規劃。“他們沒有確定路線圖。”第二位工程師說，“我們多次調整方向”。
這兩位被採訪 Phytel 工程師都表示，服務管理者沒有技術背景，有的時候還會想出一些根本無法實現的新產品。雖然工程師努力適應不斷調整的方向，但 Phytel 並沒有推出任何新產品。“我們一直在燒錢。”第二位工程師說到。
目前全球範圍內僅有少數醫院採購了沃森系統，使用的患者人數仍在萬位徘徊，這似乎離 IBM 的10億人小目標相去甚遠。
而 AI 醫療領域的競爭早已白熱化。據 CB Insights 報告顯示，醫療依舊是人工智能創投最熱門的領域之一，許多專注於醫療影像及診斷的公司的不斷成長促成了這一結果。機器學習也將很快成爲醫療影像和診斷領域中的一個常規操作。
增長迅速的AI醫療領域，圖片來源：CB Insights
根據中國醫藥物資協會人工智能分會公佈的《2018醫藥人工智能發展狀況報告》顯示，各大科技巨頭都展開了各自的醫療佈局。
谷歌旗下的 Deep Mind Health 和英國國家醫療服務體系（NHS）展開合作，通過訪問 NHS 的患者數據進行深度學習，訓練有關腦部×××的識別模型。Deep Mind 還與 Moorfields 眼科醫院合作，將人工智能技術應用於及早發現和治療威脅視力的眼部疾病。
微軟將人工智能技術用於醫療健康計劃 Hanover，幫助尋找最有效的藥物和治療方案，並且與俄勒岡衛生科學大學 Knight ×××研究所合作，共同進行藥物研發和個性化治療。此外，微軟研究院有多個關於醫療健康的研究項目，利用機器學習從醫學文獻和電子病歷中挖掘有效信息，結合患者基因信息研發用於輔助醫生進行診療的推薦決策系統。
蘋果公司一方面計劃自主開發人工智能芯片，另一方面則屢次收購人工智能公司。自2015年以來，蘋果先後推出了 Research Kit 和 CareKit 兩個開源框架，幫助臨牀試驗項目招募患者，並遠程監控患者的健康狀況，而且研究人員和開發人員能夠通過它們創建醫療應用程序，用以監控受試者的日常生活。
2018年，蘋果與 Epic、Cerner 等電子健康記錄供應商進行合作，宣佈 iPhone 用戶可通過手機自帶的“健康“應用訪問合作供應商提供的電子健康記錄。該功能界面簡潔及便於操作，用戶可以從中找到與自身病症、過敏、免疫等生命體徵相關的信息。6月，蘋果又推出了 Health Records API，使用戶能和第三方應用與醫學研究者進行數據共享。
在中國，以 BAT 爲代表的科技型企業積極佈局，爭相涌入AI醫療。
2018年7月，騰訊旗下 AI 醫學解決方案”騰訊覓影”發佈結直腸腫瘤篩查 AI 系統，利用人工智能技術輔助臨牀醫生實時發現結直腸息肉，並實現實時鑑別息肉性質。其實，這是“騰訊覓影“發佈的第二個解決方案，2017年8月“騰訊覓影”發佈了早期食管癌篩查 AI 系統。
2018年，阿里健康在 AI 醫療領域進行了一系列嘗試和探索。比如和醫療機構合作建立的科研數據平臺和臨牀輔助決策系統；通過脫敏病例和數據生成”虛擬病人”，用浸潤式的方式來做醫生的培訓系統；影像智能檢測引擎，幫助醫生提高效率；用區塊鏈技術，幫助衛計局建立醫聯體，解決數據互聯互通和安全存儲、傳輸的問題；推出健康管理平臺，靠天貓、淘寶等整個阿里系的海量用戶基數，建立起用戶互動平臺，幫助用戶更好地管理自己的身體狀況。
百度在2016年10月推出了百度醫療大腦，正式將人工智能技術應用到醫藥行業，這也是百度最看重的垂直領域。百度醫療大腦通過海量醫療數據、專業文獻的採集與分析進行人工智能化的產品設計，模擬醫生問診流程，與用戶多輪交流，依據用戶的症狀，提出可能出現的問題，反覆驗證，給出最終建議。目前，百度醫療大腦有兩款產品，一個是針對患者自診的平臺，另一個是爲醫生服務的、協助醫生進行輔助診療的平臺。
科大訊飛開發了一系列完備的語音電子病歷產品，並在多家醫院應用。在影像輔助診療領域，訊飛目前在肺部 CT 、乳腺鉬靶上都做出了實際應用的產品。還有其人工智能輔助診療中心接入了安徽省40多家醫院，能夠實時反饋醫生提交的影像診斷需求，在1秒內給出結果。在機器人導診導醫的應用方面，目前科大訊飛研究的“曉醫"機器人已在全國50多家醫院落地應用，提供導診導醫服務。
04聚焦臨牀
面對外界的質疑，IBM 發言人 Ed Barbini 在4月19日接受 STAT 採訪時表示“我們正逐步把資源集中在的臨牀開發領域，在這裏，我們看到對於AI和數據的市場需求更大。”
“在臨牀方面，醫院正面臨着非常棘手的數據悖論，他們被要求遵守新的行業基準，所有這些準則都是基於量化依據，他們正淹沒這片要達到行業基準的數據海洋中。”IBM Watson Health 的副總裁兼首席健康官 Kyu Rhee 博士在接受 Healthcare IT News 採訪時說到。
Kyu Rhee 提到，預計到2020年，醫療數據預計將每73天翻一番，醫生與病人每相處一小時，就要花兩個小時處理行政事務和更新電子病歷。在過去的三年裏，醫生們爲了努力跟上巨量數據的節奏，職業倦怠率從45.5%飆升到了54.4%。
Kyu Rhee 還表示 IBM 將集中在三個核心領域來幫助醫院來應對挑戰：首先是管理決策支持，通過改進後臺功能來提高運營決策效率；其次是護理者的看護決策支持，爲醫生、藥劑師、護士以及其他護理人員提供看護時的產品與服務，幫助他們做出更好地決策；最後是個人護理的健康支持，包括個人健康的培育、管理和信息支持等。
根據高德納諮詢公司(Gartner)的魔力象限顯示，16年~17年 IBM 曾是分析領域的領導者之一，但在18年的報告中，Gartner 點評 IBM 這兩年在產品前瞻性和執行能力這兩個方面都大幅下滑，從領導者跌入到有遠見者。
圖片來源：16~18年 Gartner 魔力象限（ Gartner 一直在變更這份報告的名稱，2014-2016年，名稱爲《高級分析平臺的魔力象限》，2017年，名稱是《數據科學平臺的魔力象限》， 2018發佈的名稱爲《數據科學和機器學習平臺的魔力象限》，報告名稱的變化反應了行業在內容和能力上的快速改變，以及與 AI 和機器學習成長相關的品牌間的演變。）
從過往 IBM 對沃森的投入來看，IBM 想把沃森打造成哆啦A夢的四次元口袋，各種 AI 道具都收入囊中，但怎麼讓這個神奇口袋發揮出期望價值，IBM 似乎不得其法。
邁克爾·波特曾在《競爭優勢》裏寫到“如果企業要獲取競爭優勢，它必須選擇它所要獲取的競爭優勢的類型以及活動於其中的景框。“事事領先，人人滿意”的想法只會導致平庸戰略和低於平均水平的經營業績，因爲它常常意味着企業根本沒有任何競爭優勢。
沃森這個四次元口袋，會成爲神器還是廢品，考驗着 IBM 的智慧和勇氣。
-----------------------------------------------------------------
本篇爲數智物語的原創文章，歡迎轉發至朋友圈或點擊下方在看，如需轉載可在該篇留言開白。如有大數據和AI相關的文章歡迎投稿給我們。
【1】長文還原IBM Watson：訪談衆多醫生、AI專家、相關企業【迄今最全】，動脈網，2018-11-09
【2】舉着沃森這塊牌子，IBM 要做醫療系統的中樞，好奇心日報，2015-4-15
【3】 2018年你要關注的13個AI趨勢，都在CB Insights這份報告裏了，機器之能，2018-02-23
【4】藍皮書 | 2018醫藥人工智能發展狀況報告，中國醫藥物資協會，2019-05-01
[5] How IBM Watson Overpromised and Underdelivered on AI Health Care,spectrum.ieee,2019-04-02
[6] IBM Watson Health’s chief health officer talks healthcare challenges and AI, HealthcareIT News ,2019-02-13
[7] IBM Watson Health Pulls Back on AI Drug Discovery Service,HEALTH ITANALYTICS, 2019-4-22
[8] IBM's Watson Health wing left looking poorly after 'massive' layoffs,The Register,2018-5-25
[9] Gartner 2016 Magic Quadrant for Advanced Analytics Platforms: gainers and losers, KDnuggets,2016
[10] Gainers, Losers, and Trends in Gartner 2019 Magic Quadrant for Data Science and Machine Learning Platforms, KDnuggets,2019-2-07
|| 推薦閱讀 ||
星標我，每天多一點智慧
