戴文渊：AI落地不能靠炒概念，需要踏踏实实下苦功

本篇文章2947字，读完约7分钟

由亚布力中国企业家论坛主办的2018年亚布力青年论坛第四届创新年会于6月23日在中国香港举行。本次论坛的主题是“2018年金融科技的新机遇”，将推动内地发展的高科技优势与国际金融中心的优势很好地结合起来。全国政协副主席梁振英、中国香港贸易发展委员会主席罗康瑞、HKEx主席李小嘉等两地政商人士出席并讲话。作为高科技企业家的代表，第四范式创始人兼首席执行官戴文渊先生应邀分享了第四范式在ai landing的经验。戴文渊指出，虽然人工智能的未来是光明的，但登陆人工智能的道路充满荆棘，这不能靠概念的猜测，而是需要埋头苦干，脚踏实地。第四范式团队在行业内积累了十几年的工业人工智能落地经验，并在算法、数据和认知方面花了大量精力来降低人工智能落地的门槛，希望能加快各行各业人工智能转型升级的进程。

图为第四范式创始人兼首席执行官戴文渊的演讲

人工智能是一项未来的技术，各行各业都对它寄予厚望。在谈到人工智能在人们最关心的企业中的落地时，戴文渊指出，目前公众最关注的人工智能集中在感知层，如人脸识别、语音识别、无人驾驶汽车等。然而，像英美烟草这样处于人工智能前端并享受人工智能红利的企业，没有一家是基于人脸识别的。戴文渊指出，企业真正需要的人工智能应该是决策层的人工智能。

戴文渊将企业的内部角色划分为三种类型，其中高层负责制定战略，中层负责制定战略，基层负责实施战略。互联网和移动互联网所改变的是基层工作，即政策执行，它越来越多地被移交给机器。今天，人工智能在企业中发生的变化是，战略制定正被移交给机器。基于人工智能的决策可以真正提高业务效率。百度的封超系统是否支持其人工智能奖励技术，这不是人脸识别、语音识别和无人驾驶汽车，而是智能决策。

人工智能技术实际上为龙头企业创造了巨大的价值，但我们也需要面对各种困难和挑战，将这一技术扩展到更多的经营和生产领域。戴文渊说，企业人工智能应该面对认知、数据和算法三个门槛:

建立一个机器学习圈，打破人工智能着陆的认知门槛

首先，人工智能登陆的第一个门槛是认知门槛。说到人工智能，我们必须首先面对一个问题:深度学习不是普通人可以理解的互动方式，而商业人士关心的业务不是科学家擅长的。如何将业务人员关心的风险管控业务与科技人员关心的深层神经网络技术结合起来？戴文渊认为，有必要将公众能够认可的互动模式与科学技术相结合，形成一个门槛相对较低的人工智能构建过程，使算法能够与业务对接。

第四范式规范了人工智能的构建过程，借鉴了教育学的“库珀学习圈理论”，将其概括为四个标准行动，即“行动”、“反馈”、“反思”和“理论”。通过构建闭环，形成机器学习的学习圈。人工智能应用应该像学习圈一样将业务闭环与人工智能生成过程相结合。以电子银行转账反欺诈为例，第四种范式结合了银行和支付行业的反欺诈场景，通过机器学习从反欺诈专家的几十条规则增加到8000万条，准确率提高了2.5倍以上。随着自学习系统不断优化模型效果，这个数字还会继续增加。

构建人工智能大数据系统，破解人工智能登陆的数据门槛

其次，在阐述认知阈值时，它指的是机器的反思和总结，这实际上是一个深度学习的过程，但是如果没有有效的数据，效果就会受到影响，这涉及到第二个阈值——数据阈值。

人工智能是基于大数据的，但是很多企业有数据却不能产生人工智能，因为有大数据并不意味着有人工智能。有两种类型的大数据，bi的大数据和ai的大数据。过去，大部分大数据是为商业智能设计的，商业智能的大数据主要帮助人们总结一些经验，比如数据库，强调查询和统计。人工智能大数据是机器的数据，主要不考虑查询和统计，但需要完整性和高效性。因此，这两个大数据系统的设计概念自然会有所不同。我们经常看到企业在过去为商业智能构建了一个大数据系统，并在这个大数据系统上构建了人工智能，这并没有帮助人工智能落地，反而成为了人工智能落地的一个障碍。面向人工智能的大数据系统如果能够访问pb级甚至大量的日志，就必须支持实时存储。它不需要实时查询和统计，但需要极其高效的批处理访问能力。正是因为传统的bi大数据系统限制了人工智能的发展，第四范式独立地为人工智能开发了一个大数据系统。其次，基于面向人工智能的大数据系统，我们需要在学习圈中建立一个行为数据和反馈数据的收集系统:收集行为数据，收集反馈数据，让机器自己学习。

自主研发世界领先的自动化技术，破解人工智能登陆的算法门槛

最后，关于算法的阈值，戴文渊说，未来的人工智能不应该依靠科学家来调整参数，而是让算法不需要科学家，让机器来学习。这也是突破人工智能登陆算法门槛的关键。

让机器自动建模和调整参数，这在机器学习领域称为自动。为了实现这一点，有必要在机器学习或深度学习的过程中自动化高度专业化的参数设计，这曾经是顶尖数据科学家的内务处理技能。在人工智能领域，过去过分强调科学家调整参数的能力，不利于人工智能的普及。第四个范例在三年前开始开发没有参数调整的automl，目的是真正让企业掌握自己的人工智能能力。因此，“第四范式先知”平台封装了自动技术，可以使用户在没有机器学习研究背景的情况下开发机器学习模型，或者缩短数据科学家创建模型的时间和精力。

自动化是增强人工智能的重要方法之一。作为世界上第一个开始研究汽车的团队，第四范式也是世界领先的团队，在过去的三年中取得了几项突破。在医学领域，第四范式与瑞金医院联合发布了糖尿病前期诊断模型，并利用自动化技术结合医院数据总结出50万条诊断规则，比医生的一般诊断水平高出200-300%。第四个范例中的一位客户使用automl算法，在去年的世界反欺诈竞赛中击败了许多专业反欺诈公司，获得了亚军。今年，在与众多国际巨头的竞争中，第四范式公司赢得了最具影响力的国际神经网络会议nips汽车大赛的主办权，成为国际汽车大赛的领导者。

一个好的人工智能算法可能需要工程师1年时间，而解决人工智能登陆问题可能需要一个团队10年时间——第四个范例就是这样一个团队。第四种模式秉承“人人共享”的企业愿景，致力于降低人工智能应用的门槛，希望人工智能能够造福大众，并赋予所有行业以权力。在人工智能登陆和企业服务实践的长期过程中，第四范式是不断解决阻碍企业人工智能登陆的各种障碍。2015年，第四范式推出了“先知1.0”，并开始转向面向技术支持型企业的人工智能着陆。在过去的三年里，“第四范式的先知”已经积累了大量的人工智能登陆和企业服务的实践经验和方法，包括成千上万个团队的陷阱。从帮助企业从低门槛建立模型到发展成为为企业提供端到端人工智能覆盖和大规模生产属性的人工智能核心系统，“第四范式的先知”不仅从0到1解决了人工智能落地的各种问题，而且从1到n赋予了企业强大的能力。第四范式始终坚持探索人工智能落地的解决方案，为银行、保险、证券、医疗、政务等领域的1000多家企业提供了人工智能产品、服务和解决方案。特别是在金融领域，第四范式服务的客户总资产已经占到中国金融资产总额的一半以上。“每个人的aiforeveryone”要求第四范式不要走颠覆性的创新之路，而是要帮助各行各业的合作伙伴成为各自领域中最好的ai公司，与大家一起建设一个ai时代。

(王乐妍_bj88888)

来源：央视线