上汽集团上汽-安吉人工智能实验室负责人金忠孝博士:深度学习的物流人工智能平台建设

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

编者按

“十三五”时期是我国贸易发展的重要战略机遇期,物流产业发展迅速,智慧供应链已经成为推动流通大国向流通强国过程中的重要行动。6月2日,由上海市国有资产监督管理委员会、上海市邮政管理局、上海市商务委员会指导,上海市国有资产信息中心、上海市计算机用户协会联合主办,上海市快递行业协会、浦东电子商务行业协会协办,畅享网承办的“2017年物流行业高峰论坛”在上海正式开启。论坛以“开放创新 共建智慧供应链”为主题,参会专家和CIO共同交流新形势下物流行业的创新发展,探讨智慧供应链的应用及实践。

会上上汽集团上汽-安吉人工智能实验室负责人兼资深架构师金忠孝作了主题为“深度学习的物流人工智能平台建设”的演讲。人工智能将进入我们工作、生活的每个角落,人类在人工智能面前该怎么办?人工智能应用到供应链上又会发生什么变化?上汽集团的人工智能解决方案又能为汽车物流行业带来哪些改变?对此金忠孝博士做出了如下解答。

以下为演讲实录,畅享网整理。


今天给大家分享的内容会比较有意思,我第一个会讲AlphaGo引发的惨案,在人工智能领域这是历史性事件,它改变了以前人类对人工智能的看法。然后我会分析一下汽车物流行业的现状,再给大家讲一下面对人工智能我们应该怎么做,我也会结合上汽集团在人工领域的经验。

AlphaGo引发的“惨案”

2016年3月15日,AlphaGo 4:1 战胜韩国棋手李世石,宣告了新人工智能时代的到来!“新“体现在深度学习和强化学习上。

今年人工智能仍然火爆,百度引入了人工智能专家陆奇担任百度COO,CEO李彦宏更是宣布百度今后是一家人工智能公司。阿里开启了“NASA”计划,面向机器学习、芯片、IoT、操作系统、生物识别这些核心技术,将组建崭新的团队,建立新的机制和方法,预算不设上限,全力以赴。腾讯则任命AI大牛俞栋博士为AI Lab副主任,并成立美国西雅图AI实验室,推动腾讯在语音识别及自然语言理解等AI领域的基础研究。今日头条以用人工智能算法来推荐新闻在业内闻名。2017年5月27日,AlphaGo 3:0 虐哭围棋现世界第一柯洁,AlphaGo在人类棋手面前简直就是围棋上帝,人类在人工智能面前该怎么办?

这也宣告了我们已经进入了万物互联的智能时代,所有的设备都是联网的,都是智能的。人工智能将进入我们工作、生活的每个角落。现在的人工智能技术核心是深度学习和强化学习。如果这些技术和算法全部用在供应链上可能会发生什么情况?我觉得现在再讨论供应链的IT规划时,一定要考虑人工智能,这是一个非常非常重要的,未来的供应链一定是以人工智能为核心的智慧供应链。

汽车物流供应链现状

汽车物流是物流领域中最高端、最科学、最复杂的。汽车物流业不仅仅只是需要仓储、配送整车,而是对物流有需求的所有汽车零配件进行配送,因其包含了对汽车1万多种零配件的供应链管理。所以,一辆汽车零配件的配送量就相当于整车的一万倍,规模非常大,运作流程极其复杂。

人工智能技术需要高投入,它是集云计算和大数据技术为一体的,我国的中小企业是没条件做人工智能的,没能力去研究机器学习、芯片等。所以下一个10年,中小制造型企业可能会像现在的中小零售业一样受到巨大的冲击。例如,菜鸟物流决定将制造100万辆新能源车,将来菜鸟物流制造出来的物流车是带有阿里的智慧大脑的,它会学习和会思考的智慧物流车,这将对物流行业有带来巨大的影响,甚至是颠覆性的,请大家一定要重视。

供应链是什么?供应链的本质就是连接,谁掌控这个连接,谁就拥有主导权。汽车供应链也是连接,但是我们汽车行业的供应链可以说是最复杂的连接,也是规模最大的供应链。像上汽集团每年生产600多万辆汽车,每辆汽车有1万多个零部件,这么多零部件的供应,就是通过我们的供应链网络在运作,极其复杂的。还有我们上汽安吉的整车物流也非常庞大,上汽的整车物流,是全世界最大,一年要运输800万辆车,走向全国500多个城市,经过4千条公路,20条铁路,包含5千多个运输节点,在运输的时候要满足各种各样的复杂的150个不同的运输需求和约束条件。传统的人工智能技术无法解决这个难题,而基于云计算、物联网和大数据及深度学习基础上的人工智能能够解决这个难题,所以,这个复杂的、大规模的、基于中国特定的实际应用场景的人工智能解决方案,规模和难度都是世界级的,非常有挑战性。

上汽人工智能解决方案

我们的人工智能解决方案立足国内领先的“智慧物流云”建设,基于上汽集团云计算和大数据平台,采用主流的“云”、“管”、“端”架构模式,“云”是指云端的超大规模的、分布式的、深度学习的人工智能平台,是整个智慧物流的大脑,随着业务发展,将由成百上千、甚至上万台服务器组成,“管”是指智能数据总线,负责从各业务系统、主数据平台、大数据平台获得人工智能深度学习模型训练所需要的数据,“端”是指智能终端,是加载在各物流移动终端、各业务子系统上的小规模的嵌入式人工智能系统,是人工智能落地的载体,将来安吉物流的每一辆物流车、每一个司机、每一艘货轮、每一条公路、铁路、水路、每一个仓库、中转站都是安吉“物流大脑“的一部分,它们在物流大脑的复杂的人工智能算法指导下,实现高效的物流供应链运作。如果我们这个系统研制成功的话,在中国的工业互联网领域,应该是一个非常典型的“中国制造2025“人工智能项目,因为我们上汽-安吉这个深度学习的物流供应链人工智能平台支持的是全国四分之一的汽车物流供应链运作,每年的规模将近2500亿。

我们的这个物流人工智能项目跟AlphaGo的思路是一样的,第一步通过监督学习,通过大量的物流大数据和和沙盘推演,让这个人工智能系统学会汽车物流管理人员的经验和知识,同时进行强化学习,通过强化学习弥补人类在物流管理上的不足,最后达到完全的强化学习,让这个人工智能系统可以自己做规划,自己做决策。那么,我们的物流人工智能项目和会下棋的AlphaGo区别是什么呢?围棋规则很简单,只有8条。但是供应链很复杂,汽车物流供应链包含有150个的规则,甚至更多。另外围棋的大数据质量也比较高,而我们的物流大数据,由于行业规范性不好,大数据的质量是比较差的,这需要各种各样的算法来修正,所以。我们要解决的问题的难度甚至是超过AlphaGo的,另外,AlphaGo是围棋程序,是竞技运动,我们是为了提供物流供应链的运行效率,所以,目标函数也非常不同,但是AlphaGo的成功,为我们的研发团队证明了深度学习和强化学习在复杂的、全局动态规划人工智能领域的成功,所以,我们深信,通过我们团队努力,我们也能研发出属于自己的、工业级的、智慧供应链的AlphaGo。

人工智能实施经验总结

我们也有一些体会,企业做人工智能一定要有自己的核心团队,要有自己的算法,算法将成为企业的核心竞争力,在人工智能领域,我们上汽集团是非常重视的,集团的高层领导和安吉物流的高层领导都大力支持我们这个人工智能实验室建设,给我们创造各种有利条件,还为我们解决各种后顾之忧,让我们勇敢地在这个领域不断创新,我们用不到一年的时就建立了自己的人工智能实验室,并吸引了一批国内顶尖的研发人员加盟,现在我们实验室已经有18个博士,17个硕士,都来自北京大学、清华大学、复旦大学、上海交通大学、浙江大学这些知名学校,其中来自清华大学就有11个、上海交大有12个博士和硕士研究生。另外一个体会就是企业人工智能建设离不开复合型人才,什么是复合型人才?就是既要懂人工智能算法,又要懂软件工程和业务的人工智能工程师,大家在谈论人工智能的时候,总是先谈论人工智能科学家,科学家是很重要,但是,我觉得企业的人工智能更应该把重点放在人工智能工程师的培养上,科学研究是可以通过产学研来实现,而人工智能工程师是负责把人工智能理论和技术落地的,并且企业搞人工智能的目的是为了解决企业转型升级中的实际问题,为了提高核心竞争力,这都是人工智能的应用问题,非常需要人工智能工程师,大量的人工智能工程师。

另外,我们在人工智能能力建设方面,也参考了一些国内外互联网公司的管理方式,在探索国企体制下的工程师文化建设,在我们人工智能实验室,经常举办人工智能技术交流沙龙,大家也渐渐习惯分享自己的研究成果,所以整个研发气氛也常不错,我们也欢迎大家到我们实验室交流人工智能技术。至于我们的研究成果,在全局优化算法方面,特别在B2B领域的供应链优化算法,我们差不多是已处于国内领先水平了。我的分享就到这,谢谢大家。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
8天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
36 3
|
4天前
|
人工智能 安全 算法
上交大、上海人工智能实验室开源首个多轮安全对齐数据集 SafeMTData
最近,以 OpenAI o1 为代表的 AI 大模型的推理能力得到了极大提升,在代码、数学的评估上取得了令人惊讶的效果。OpenAI 声称,推理可以让模型更好的遵守安全政策,是提升模型安全的新路径。
|
10天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
61 9
|
9天前
|
机器学习/深度学习 人工智能 算法
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第27天】本文探讨了深度学习技术在医学影像诊断中的最新进展,特别是在卷积神经网络(CNN)的应用。文章介绍了深度学习在识别肿瘤、病变等方面的优势,并提供了一个简单的Python代码示例,展示如何准备医学影像数据集。同时强调了数据隐私和伦理的重要性,展望了AI在医疗领域的未来前景。
26 2
|
10天前
|
安全 搜索推荐 机器学习/深度学习
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】在人工智能的推动下,个性化学习系统逐渐成为教育领域的重要趋势。深度学习作为AI的核心技术,在构建个性化学习系统中发挥关键作用。本文探讨了深度学习在个性化推荐系统、智能辅导系统和学习行为分析中的应用,并提供了代码示例,展示了如何使用Keras构建模型预测学生对课程的兴趣。尽管面临数据隐私和模型可解释性等挑战,深度学习仍有望为教育带来更个性化和高效的学习体验。
35 0
|
10天前
|
机器学习/深度学习 数据采集 人工智能
AI在医疗:深度学习在医学影像诊断中的最新进展
【10月更文挑战第26天】近年来,深度学习技术在医学影像诊断中的应用日益广泛,通过训练大量医学影像数据,实现对疾病的准确诊断。例如,卷积神经网络(CNN)已成功用于识别肺癌、乳腺癌等疾病。深度学习不仅提高了诊断准确性,还缩短了诊断时间,提升了患者体验。然而,数据隐私、数据共享和算法透明性等问题仍需解决。未来,AI将在医学影像诊断中发挥更大作用,成为医生的得力助手。
36 0
|
18天前
|
机器学习/深度学习 数据采集 人工智能
数据驱动的AI技术:如何通过深度学习提升图像识别精度
【10月更文挑战第18天】 数据驱动的AI技术:如何通过深度学习提升图像识别精度
35 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的未来:深度学习与自然语言处理的融合
【9月更文挑战第22天】本文旨在探讨AI技术中深度学习与自然语言处理的结合,以及它们如何共同推动未来技术的发展。我们将通过实例和代码示例,深入理解这两种技术如何相互作用,以及它们如何影响我们的生活和工作。
49 4
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的奥秘:深度学习与神经网络
【9月更文挑战第11天】本文将深入探讨人工智能的核心领域——深度学习,以及其背后的神经网络技术。我们将从基础理论出发,逐步深入到实践应用,揭示这一领域的神秘面纱。无论你是AI领域的初学者,还是有一定基础的开发者,都能在这篇文章中获得新的启示和理解。让我们一起踏上这场探索之旅,揭开AI的神秘面纱,体验深度学习的魅力。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
揭秘AI的魔法:深度学习如何改变世界
在这篇文章中,我们将一起探索深度学习——一种强大的人工智能技术。我们将从基础开始,了解什么是深度学习以及它如何工作。然后,我们会看到深度学习是如何影响我们日常生活的各个方面,从医疗到自动驾驶汽车,再到个性化推荐系统。最后,我们将讨论深度学习面临的挑战和未来的可能性。让我们一起揭开深度学习的神秘面纱,看看这个“魔法”是如何改变我们的世界的。
下一篇
无影云桌面