人工智能

明略数据吴明辉:人工智能必须进入分析决策阶段,才能真正释放价值

人工智能新篇章

2019年01月15日
  • 人工智能
  • 明略数据

近日,爱分析在京举办2019爱分析·中国科技创新大会。明略数据创始人吴明辉受邀进行了以人工智能新篇章为主题的演讲。

现将明略数据创始人吴明辉的主题演讲实录分享如下。

吴明辉:爱分析的各位嘉宾朋友们大家早上好!非常荣幸今天和大家一起来分享一下明略数据最近做的一些工作和我们对人工智能未来一些发展方向的思考。

今天我分享的题目是讲人工智能的逆势新篇章,为什么是逆势?大家看到整个2018年,整个人工智能在资本市场非常火热,我们看到了大量AI的独角兽融到巨额的资金,相比于十多年前我开始创业的时候融资简直容易太多。

在这个过程中,我们也看到这些企业虽然融资额巨大,但真正把人工智能技术在各行各业落地的,我个人认为相比于融资额来讲还是相对落后的。加上最近这几个月整个资本市场都在讨论资本寒冬可能快来了,很多企业和投资圈的朋友都说这一波人工智能的浪潮又要过去了。

新经济是运行在数字化基础设施之上的经济形态

我对这件事情也做了很多的思考,面对这样的情形,对于未来趋势的判断是什么,我们到底应该做什么。前两天罗振宇老师在深圳的跨年演讲,我相信很多在座的朋友都听过他的分享,他提到一个企业是美团,美团的超级大脑,指挥调度着美团60万个送外卖小哥的行动,高峰的时候一个小时要处理29亿次订单派遣的布景规划,每天要处理两千万个订单,美团背后有一个非常庞大的系统。

资本市场为什么投资这样的企业,原因就是这些企业的效率比传统企业的效率高很多,这种公司在未来的发展过程里可能会强者恒强。

同样的道理,整个中国餐饮行业大概每年有4万多亿的销售额,市场第一名的市场占有率只有1%,这就是传统经济和新经济在市场占有率上的巨大区别。

为什么会出现这个情况?前一段时间我和一些朋友聊什么是新经济?什么是传统经济?我自己有一个定义,所谓的新经济就是整个业务形态的核心资产,包括业务经营、员工管理、知识管理、客户管理,全部都落地在数字平台上,可以用大数据技术加上人工智能技术不断持续去优化业务经营,一旦企业完成了这样的改造,其实就算是在做房地产或者餐饮这样传统的行业,就已经可以称之为一个新经济的企业,这是我对传统经济和新经济定义的区分。

当整个企业完成这样的数字化转型后,迭代的速度会加快,进步的速度会加快,可以很快把后面的对手甩开,再通过资本把他们兼并、收购,这就是新经济的基本逻辑。今天说人工智能在其中到底能扮演什么样的角色,这是一个很重要的课题。

可以看到像美团这样的企业背后有一个非常庞大的大数据和人工智能的大脑,到今天的互联网经济下面,绝大多数互联网的巨头,不管是BAT还是小巨头TMD,背后都有这样庞大的大脑支撑他们不断的优化迭代,把竞争对手彻底甩开,这是他们发展的商业逻辑。

传统行业人工智能渗透较慢,认知识别技术为主

回过头来看今天的AI独角兽们,大家都是做企业级服务,我们自己没有这样的业务,我们服务的很多可能是传统企业,真正的互联网企业是很少在外面买数据技术、AI技术的。

今天绝大多数AI独角兽很多都是来自一个行业,安防行业,今天看到绝大多数的AI独角兽的收入也是来自于安防行业,这是为什么?其实是因为一套大脑系统没有完整的建立起来,今天还只是利用AI技术来建立眼睛,真正像美团一样的单兵作战指挥平台没有彻底的建立起来。

这个平台的建立其实没有那么容易,比如,在城市应急指挥系统中,消防部门突然接到火警报警,报警完马上派消防队员,到底派了哪几个人,他们用哪一辆消防车,如果使用智能调度系统,那么火情可能造成的财产损失会有效降低。

今天,在传统行业包括政府公共服务部门都存在这样的问题,这些问题才是人工智能新篇章真正需要解决的,前面爱分析首席分析师张扬也说了,人工智能里面包括感知智能和认知智能,明略数据,包括原来的秒针,我们都是源自于大数据技术拓展出来的认知智能技术,在自然语言处理、语音识别、知识图谱等技术上,我们投入了很多研发力量,也在各个行业里面不停尝试。

前面提到感知智能和认知智能都分L1L5,我自己也对人类的智能定了一个非官方的L1L5,我觉得一个正常的人最基本的智能就是认识世界的能力,这个认识世界的能力其实就是视觉的识别能力,我可以识别这是一束花,可以识别这个人是吴明辉,这是一个识别的能力。第二级其实是理解,认识这个人是吴明辉,但并不知道吴明辉是谁,并不知道吴明辉的喜好和特长,以及吴明辉正在做什么事情,如果要把这件事情做到,就需要引入知识图谱技术。第三级才是人工智能产生最大价值的地方,就是分析的能力,其实我之前做秒针业务的时候,每一天都在帮客户分析营销的数据,什么是分析?能不能从数据里找到人本来在表上没有看到的结果、没有看到的观点,要有不同的洞察,这个才称之为分析能力。

如今,人工智能在各行各业的分析能力上所产出的结果还非常少,真正产出结果的也就是前面几个大的巨头,可以通过有效的分析来优化资源的调度,传统行业基本上还处于用人工智能去解决识别能力这样的一个状态,只是去替代保安。

当然我们人的智慧还有更复杂的能力,还有第四级决策能力,甚至到第五级创新能力,在第四级和第五级,我们可以看见,人工智能还没有大规模的应用,还是人类在做这些事情。

具体的企业级服务,比如说今天明略涉足的公共安全、餐饮等行业,我们可以看到今天大多数的公司还都处于第一阶段,不管是做新零售还是做安防,基本上还是在做人脸识别,识别顾客是谁,识别犯罪嫌疑人是谁,就到这个层次。

分析决策产生价值,明略推出HAO智能模型

为什么以前中国的企业级服务相比于美国、欧洲市场中真正的巨头要发展的慢很多,公司小很多,其中最大的一个问题就是中国人太多了。企业级服务的本质是帮助企业客户降本增效,但因为企业那边人太多了,企业自己也有工程师,自己招各种各样的人,供需直接决定我们这些做企业级服务的产品在企业那边最终体现出来的价值,这是在过去这么多年中国企业级服务,尤其软件厂商没有赚到大钱的根本原因。在美国,一个创业公司哪怕先招十个、二十个工程师,它就一定能拿到投资,为什么?因为工程师招不到,没有人,但在中国满地都是工程师,只不过真正高端的工程师很少,真正具有分析,甚至有决策能力的行业里面的工程师其实都是不够的。

人工智能支撑了企业级服务,如果要想真正在行业里面落地,产生巨大的商业价值,一定要走到分析和决策这个阶段,只做前面这两个阶段是不够的。现在明略是处于理解到分析中间的状态,我觉得未来其实是需要有越来越多的企业去把认知智能和感知智能连接到一起,帮助企业提高运营效率。

两个月之前,在新加坡全球ICDM大会上,我和公司首席科学家一块发表了一篇论文叫HAO的智能模型,为什么要发布这个模型?我觉得今天人工智能想要彻底去取代人去做决策,甚至只是具有完整的分析能力,都还做不到。我们做的这个模型本质的目的其实是想把人这方面的能力和计算机的能力连接到一起,最终的目的要形成一个闭环。以前在人工智能标准模型中,从感知一直到认知到决策的过程中,其实已经有这个闭环,只不过现在加上了人,使得人和机器之间可以互相学习借鉴,无缝连接,进行协作。

人在完成任务的过程中,所有的动作全都被记录下来,作为训练样本,第二年已经有70%左右的工作由AI完成,20%左右由人工完成,到今年90%多的工作是人工智能完成的,这个过程其实就是人和机器之间互相学习、互相协作的过程。在这个过程里重要的是什么?是计算机的判断和人工判断来处理工作的模式之间是要互相理解、互相学习的,在这里,我们需要的就是知识,而不是简单的数据。我们一直认为只要数据是不够的,中间一定要有知识,只有有了知识,人和计算机才能互相理解,双方才可以一起进步。

从这个角度来讲,我们构建的明略大脑就是帮助企业客户构建这样一个平台,帮助企业把多源异构数据连接起来,把有用的行业知识挖掘出来,最后在上面形成这样一个完整的单兵作战指挥平台,形成我们HAO智能的模型。

在过去的四五年中,明略一直在帮助企业构建这样的大数据平台,这个大数据平台最开始处理的都是多源异构的数据。明略服务国内超过一百个城市的公安,还有地铁公司这样的交通类客户,还有银行等金融客户。在不同行业,我们都帮助客户构建数据平台,在数据平台之上帮助客户建立知识图谱,最终形成HAO智能模型,我认为这是未来人工智能新篇章奠基性的技术。

有了知识,即数据和数据之间的关联关系之后,就可以将人不断积累的经验融合进去,这样一来对计算资源的消耗就会大大的减少,同时,基于大数据挖掘出新的知识之后,人的工作效率也会得到很大的提升。因此,明略在去年推出了明智系统2.0,包括多源异构的数据治理以及蜂巢知识图谱数据引擎,可以把各种各样的数据在一个统一的、类似于人脑的系统中去存储、计算。

知识图谱赋能四大行业,构建人机同行时代

2017年,明略帮助一个很重要的客户去构建了知识图谱的系统在公安里面应用。当时,有一个特别有意思的案子,奥迪车的车主因为前面的车别了一下,他就下去打人,不巧被一个用户拍下来了,人脸的照片根本就看不清楚,但车牌号拍清楚了,但车牌不是犯罪嫌疑人的。在各种情报线索都不全的情况下,使用我们给地市公安局构建的知识图谱,只用了5分钟就把犯罪嫌疑人锁定了,半个小时后就把他抓捕了。在这之前,公安局的同志已经花了一个礼拜的时间,而使用我们的平台之后,只用了5分钟。

为什么这么快?因为平台上积累了整个地市公安局社会管理所有的知识和数据,包括16亿的实体,40亿的关系和超过140亿个事件,基于这些数据的挖掘,我们可以发现很多显性和隐性的关系,最后帮助民警解决问题。解决问题不是简单的用人脸识别,因为就是一个胖子,不知道他是谁,而真正像福尔摩斯一样通过分析推理,最后判断出他是谁,需要人和计算机一起协作交互产生最终结果。

后来我们把这种能力延伸到金融等行业中,其实在金融行业中运用知识图谱没那么容易,金融行业简单做一个具体的风控模型,简单的几种数据就可以做了。明略在金融行业做的是和公安业务类似的业务,帮助金融企业查内鬼,查内部犯罪的情况,包括关连交易、洗钱等。和公安行业一样,我们可以很好的把知识图谱代表的新一代人工智能技术引入到场景中再结合大数据技术。

在交通领域,尤其轨道交通行业,这个产品是我们之前是给上海地铁做的一个平台。这个平台把不同的网线、专业、车型以及不同的设备厂商的所有多源异构的数据连接到一起,再把传统行业里面的维修工人头脑中的知识也都输入进去,将两者结合到一起,又不断挖掘出新的知识。这个平台已经在上海地铁服务了十几条网线了,大大降低了维修成本,提高了维修人员的工作效率。现在,每一个维修工人背后都有一个AI的军师,这是明略的产品在工业里面的一些应用。

这些大脑,从一个地铁站到一个城市的地铁网络,从一个小型的餐饮企业到上万人的餐饮企业,我们今天把这种能力最后赋予我们的政府,赋予我们的城市,构建城市的大脑。在城市大脑里,我们所需要面对的数据就更多了,并且更加脏乱差,社会上方方面面的数据,包括社区、学校等,各方面的数据汇聚到一起,帮助城市做更好的分析决策,减少资源浪费。

在公安系统里,大家都以为破案是最消耗精力的,但实际上不是这样的,因为我父亲就是警察,我最清楚公安中什么工作最消耗精力。比如,如何在大型国际会议上,更好保护参会的各界人士,提高效率,哪些地方不用派人,哪些地方应该派人,我们的认知智能和我们的知识图谱技术都可以解决,我相信未来这些技术能够在各行各业中有更好的应用。

明略数据的使命是希望在人工智能的时代,构建一个人机同行的美好时代。我们特别期待人工智能在更多行业应用,而不仅仅是公共安全领域,不仅仅是替代保安,用人脸识别做应用。我们希望人工智能去做那些人脸识别本来做不到的事情,比如分析决策,甚至一些创造性的工作,这样我才相信人机同行变成一个真正美好的事件。机器人或者说人工智能不是简单去替代人,而是更好的去帮助人,这是我对未来的一些思考,今天就分享到这里,谢谢大家!