智能进化“脱虚向实”,百分点用“决策”定义终极智能

简介: 智能进化“脱虚向实”,百分点用“决策”定义终极智能


工智能,进化在路上。

 

本月初的乌镇世界互联网大会,朋友圈刷爆屏的“乌镇饭局”,也没有掩盖住属于人工智能的“局中局”。从BAT级别的互联网大佬,到传统科技巨头,细数短短的几个月时间,人工智能已经染上了多种不同的色彩。

 

无论是急于摆脱“搜索公司”标签,正在ALL in AI的百度;要为人类留下技术资产的阿里达摩院;还是低调入围首批国家人工智能开放创新平台名单的腾讯。它们对人工智能的迫切,本质上源于一种危机感。

     

互联网经济时代,互联网作为最优质的生产力,颠覆了许多传统行业,也创造了大量的财富。而人工智能的进化,意味着我们将迎来智能经济时代,这势必带来各行各业竞争格局的再一次重新划分。

image.png

百分点集团董事长兼CEO苏萌说,在智能经济时代,数据、计算力和算法叠加后产生的能力差异,正快速形成企业组织间不可逆且不可逾越的智能鸿沟。那么,企业要如何在智能进化的过程中,获得足够的竞争力,去跨越智能时代的鸿沟?

 

AI热度终将褪去,还原智能的终极意义

 

实际上,并不是所有的技术趋势都能受到普遍的认可,最近就有很多专家针对人工智能的过度炒作提出了相当多的反对意见。中国人工智能学会常务副理事长杨放春在11月的“中国人工智能产业年会上”直呼,中国人工智能产业迎来快速发展期,不过仍与发达国家有较大差距,中国社会及民众要冷静看待人工智能产业,不应该在人工智能上过于炒作。

 

的确,如古罗马诗人奥维德说:“弓若不张,即尽失其力”。在人工智能领域,想要实现真正的实用价值,就不能只是卖弄概念。从数据到算法,再到具体场景应用,人工智能还需要走过很多的路。


image.png

不可否认,人工智能的热度终将褪去,在这条进化之路上,我们需要守住智能的最终含义。在苏萌看来,智能的进化可以分为三个大方向。


第一是感知,计算机的视觉、计算机的听觉,让机器像人类一样能够听懂,能够看到,能够感知到。无论是人脸识别,还是智能语音,现在已经变成非常普适性的技术。苏萌认为,“这是我们做的人类朝智能方向走的第一步。”

 

第二是认知,认知比感知更难一些,它需要让机器能够去理解、去判断,包括大量的自然语言处理、语意分析和知识图谱,以及逻辑推理。例如IBM所提出的“认知时代”,就是“认知”这一步骤的典型代表。


很显然,无论感知还是认知,都是让机器更像人的过程,这并不是我们所要达到的结果,对企业来说,最终的结果就是:决策。

 

所以,苏萌说,“人工智能如何走到终极的智能,怎么去定义终极智能?它指的是能够真正解决问题的智能,它的核心就是决策,而感知和认知是它的基础,我们看未来人类所有的决策都将会不可避免地依赖于机器。”

 

那么,对企业而言,智能进化到决策,实际上也是企业进化为智能企业的标志,为什么呢?

 

智能企业与智能决策

 

在管理学当中,决策是指组织或个人为实现某种目标,根据对客观环境和自身状况的认识,在数个解决问题的方案中选择一个满意方案的分析判断过程。不难发现,决策的两个支撑要素:客观环境和自身状况,这两个要素在过去信息化的过程中已经数据化了,而人工智能算法由对数据的不断学习而不断优化与提升,它取代了人来给出最终的判断,这应该是每一个智能化企业,数字化转型的必由之路。

 

苏萌认为,“传统的企业依靠的是劳动密集型、资本密集型带来的竞争的优势,那么智能的企业、新物种的企业将以数据密集型、资本密集型为标志,百分点能够帮助传统企业以更低成本、更高效地使用大数据、人工智能技术,从而转型为智能的企业。”


image.png


标志性的案例可以从汽车召回来得出结论。

 

国家质检总局缺陷产品管理中心,它负责的事情就是决定哪款汽车是否该召回或销毁。过去的流程是,每个季度专家们集中在一起根据国内外相当复杂的各种数据资料,通过会商制度讨论,并进行筛选,效率一直很低。

 

在两年前,百分点开始服务于国家质检总局,帮助他们升级智能决策的支持,利用大量的数据采集,构建起汽车的知识图谱体系,并且通过机器学习的方式来学习过去几十年里历史召回案例,同时将专家的判定规则与经验沉淀到算法模型中,不断进行优化与改进,从而实现逐渐由机器来判断一款汽车产品的缺陷是否严重,是否应该启动对它的召回。

 

经过两年的学习和训练,如今这个系统的进化速度是惊人的,过去200个小时可以完成的工作,如今只需要2个小时。从前15个人完成的工作,到今天一个人加机器就可以做到。按照苏萌的介绍,“百分点这款产品上线以来,已经处理了一千多起汽车召回案例,也协助完成了五千多万辆汽车的召回。”这就是一个典型的企业/机构进化的智能之路,智能的决策减轻了大量人力的工作,大幅提高了效率,。

 

实际上,人工智能能够帮助企业做到的决策远不止案例中的这一点。在百分点积累的大量真实案例中,苏萌也总结出:通常决策五部环节是:第一,问题的识别,第二方案形成,第三信息采集,第四结果预测,第五行动反馈;现在,人工智能正在对这五个环节实现全面进化。从整体来看,这是由于大数据和人工智能等技术给企业决策方式带来的突破性进展。

 

简而言之,能够有效利用人工智能技术,实现智能决策的企业,才可以称之为智能企业,那么智能决策要如何定义,要如何来做到智能决策呢?

 

智能决策与AI版图

 

我曾评价过百分点,是一家学术型的技术公司。有趣的是,百分点看待市场的方式也与很多公司有很大不同,比如习惯于从学术的角度为趋势或是市场下定义。


image.png


对智能决策,百分点集团技术副总裁及首席架构师刘译璟说,“百分点数据科学家团队经过很多的案例给了一个智能决策的定义,那就是在动态和多维信息收集的基础上,对复杂问题进行自主识别、判断、推理,并做出前瞻性、实时性的决策过程,同时系统要具有自优化、自适应的能力,这是我们给智能决策的定义。”

 

建立在这种深入的理论体系,百分点发布了中国首个行业AI决策系统Deep Matrix,该系统是融合大数据与人工智能技术,基于动态知识图谱和行业业务模型,具备自优化和自适应能力,支持复杂业务问题的自动识别、判断并做出前瞻或实时决策的智能化产品系统。

 

很多人也许有类似的疑问,Deep Matrix和我们熟知的BI商业智能的意义是否有些重合,其实不然,例如IBM watson它是一个完整的认知系统,它所处的层面是认知,同时它是建立在某个具体行业流程当中的智能,比如行业大脑。而Deep Matrix以数据处理和智能认知为基础上,更加聚焦在决策环节,针对业务的决策痛点,带有一定的行业属性。

 

从提供的能力上看,Deep Matrix要提供的是,第一,海量数据汇聚融合能力:借助百分点大数据系统,将海量的结构化与非结构化业务数据进行汇聚融合;第二,快速感知和认知能力:通过人工智能应用,从海量的数据中快速提取有价值的数据,感知业务与环境的变化;第三,强大的分析和推理能力:对数据进行智能分析与推理,分析出业务的真实动向与未来趋势;第四,自适应与自优化能力:通过对人工配置与机器执行的融合,实现针对应用的智能预警、智能研判;第五,行业智能决策能力:通过大数据与人工智能的结合,最终生成业务指导决策。分别对应了从Deep Finder到Deep Sensor在内的五个产品系列。

 

总的来说,百分点Deep matrix AI决策系统,主要是帮助企业快速判断内、外部复杂环境下宏观环境、市场、产品、服务对象等的实时变化及相互之间深度交叠和联动的关系,并且与业务深度结合,具备自优化和自适应的能力,能够持续为业务提供判断、分析,从而为企业/机构提供实时和前瞻的智能决策。

 

百分点从大数据公司起家,本身就具备通向AI的技术能力,智能决策是百分点两年来最重要的一次产品布局,也是百分点在智能经济时代帮助企业跨越智能鸿沟,并为自己在AI的版图中谋求的最重要的一块领地。

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 
相关文章
|
6天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】重塑汽车设计与制造:实例与代码探索
【机器学习】重塑汽车设计与制造:实例与代码探索
8 0
|
11天前
|
机器学习/深度学习 人工智能 安全
2024年AI辅助研发趋势
2024年AI辅助研发趋势
17 0
|
1月前
|
机器学习/深度学习 人工智能 算法
2024年AI辅助研发趋势:AI辅助科技发展
2024年AI辅助研发趋势:AI辅助科技发展
38 2
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
AI计算在哪些方面可以提高教育模式的效率?
【5月更文挑战第19天】AI计算可以在多个方面提高教育模式的效率,具体包括: 智能教育环境:通过机器学习和自然语言处理技术,可以创建个性化的学习环境,根据学生的学习习惯和进度调整教学内容和难度,从而提高学 AI计算在哪些方面可以提高教育模式的效率?
88 1
|
29天前
|
机器学习/深度学习 数据采集 人工智能
探索软件测试中的AI辅助技术:未来趋势与挑战
【5月更文挑战第27天】 随着人工智能(AI)的迅速发展,其在软件测试领域的应用正逐步改变传统测试方法,提升测试效率和质量。本文将深入分析AI在软件测试中的应用现状,探讨其如何通过智能化的模式识别、预测分析和自适应学习机制优化测试流程。同时,文章还将讨论引入AI所面临的挑战,包括数据质量、模型泛化能力和解释性问题。最后,对未来AI辅助软件测试的潜在发展趋势进行展望。
|
1月前
|
人工智能 光互联 数据中心
800G光模块面对AI发展的增长之路
光模块市场因AI驱动的算力需求增长而加速发展,800G产品需求强劲,预计未来几年市场规模将以每年约11%的复合年增长率扩张。尽管面临价格竞争和原材料供应紧张的挑战,800G光模块将于2024年迎来大规模出货,而2025年将启动1.6T光模块商用周期。随着技术迭代加快和高端产品放量,行业头部企业将受益,光通信行业将迎来黄金时期。
36 0
800G光模块面对AI发展的增长之路
|
1月前
|
人工智能 算法 安全
AI编程发展预测:未来趋势与潜在变革
AI编程发展预测:未来趋势与潜在变革
131 4
|
7月前
|
机器学习/深度学习 传感器 自动驾驶
未来之路:大模型技术在自动驾驶的应用与影响
本文深入分析了大模型技术在自动驾驶领域的应用和影响,万字长文,慢慢观看~ 文中首先概述了大模型技术的发展历程,自动驾驶模型的迭代路径,以及大模型在自动驾驶行业中的作用。 接着,详细介绍了大模型的基本定义、基础功能和关键技术,特别是Transformer注意力机制和预训练-微调范式。 文章还介绍了大模型在任务适配性、模型变革和应用前景方面的潜力。 在自动驾驶技术的部分,详细回顾了从CNN到RNN、GAN,再到BEV和Transformer结合的技术迭代路径,以及占用网络模型的应用。 最后,文章重点讨论了大模型如何在自动驾驶的感知、预测和决策层面提供赋能,突出了其在该领域的重要性和影响力。
871 0
|
1月前
|
机器学习/深度学习 人工智能 算法
浅谈2024 年 AI 辅助研发趋势!
浅谈2024 年 AI 辅助研发趋势!
|
1月前
|
人工智能 自然语言处理 数据可视化
AI日报:2024年世代人工智能将如何改变业务
AI日报:2024年世代人工智能将如何改变业务
AI日报:2024年世代人工智能将如何改变业务