第四范式戴文渊:仅靠算法不能落地智能,企业需要AI核心系统

2017.12.28

AI改变的实质是越来越多策略制定的工作交由机器完成,企业正在改变通过购买“技术方案”来缓解一时之需的解决方式,未来所有企业都会建立起自己AI核心系统,具备自主研发AI应用的核心能力。

近日,在由中国人民银行《金融电子化》杂志主办的第八届“中国金融科技年会”上,“第四范式先知”3.0企业AI核心系统荣获“2017年度金融科技优秀产品创新奖”。同时,第四范式创始人、首席执行官戴文渊作为人工智能领域杰出专家代表,发表主题演讲并深入阐述了上述观点。

以下为演讲全文,有适度删减:

AI开始接管越来越多的“策略制定”工作

在企业中,一般会有三种角色。第一种角色是战略制定者,通常是企业的高层;第二种角色是策略制定者;第三种是策略执行者,通常是企业的基层。

在互联网和移动互联网时代,越来越多的企业将策略的“执行”交给计算机,但在今天的AI时代,AI改变的实质是什么?我们发现策略制定的工作,也在慢慢地交给计算机来做。

相比于过去依靠人来制定策略,机器制定策略的优势更为明显。例如,我们和瑞金医院合作了一个项目,是对未来三年糖尿病患病概率进行预测,我们帮助瑞金医院探索出50万条判断规则,而在此前,中、美两国的传统判断标准只有10-30条,这是数量级层面的巨大提升。此外,在金融领域,过去业界认为最好的反欺诈模型是1000条规则,这是顶级专家能做到的极限。而现在,我们帮助某国内领先的股份制商业银行,可以找到超过25亿条规则。再比如,在内容分发领域,千人千面的个性化推荐应用开始备受推崇,那如何才能做到个性化内容推荐?实际上,只要当业务规律数超过人数,每个人都可以被不同规律覆盖,就能做到个性化了。

企业真正需要的是自主生产AI的能力

未来,依靠机器做决策的场景会越来越多,然而企业光靠顶级科学家一个一个去做AI应用,效率太低,无法推广。

企业真正需要的不是算法、不是海量的科学家,而是一个AI核心系统,它能够让企业基于自己的数据,自动生成人工智能的能力,从而协助甚至是取代人类进行决策。

因此,第四范式打造了“先知3.0”,打通了从数据到业务的闭环,将机器学习产生智能的能力,与企业业务环节连接,形成了一个“机器学习圈”。

“机器学习圈”与人学习的过程类似,分为行动、经验、反思和理论四个步骤(基于教育学理论“库伯学习圈”)。人类学习的过程是先完成一个行动,然后收集到一些关于该行动的反馈,再针对行动和反馈进行思考,最终形成理论,更好的指导未来的行动。

如果要让计算机做这个事情,就要将教育学里面的每个步骤对应到计算机可以理解的概念。行动是过程数据,经验是反馈数据,反思是机器学习,最后形成的理论叫做AI模型,该模型直接对接到业务,辅助人进行大量商业分析与决策。

企业AI核心系统如何应用在业务中?

基于“机器学习圈”理论,在不同场景下,企业AI核心系统会帮助企业收集产生人工智能所需要的过程数据、反馈数据,再通过封装的超高维机器学习技术,形成各个场景下的“学习理论”,即AI模型,并完成上线生产与应用,实现不同场景的智能化。

例如,使用“先知3.0”构建这样一个“千人千面”的智能推荐系统大致需要四步:

1、行动:先让系统推荐给用户一些文章,或者根据用户初始登陆时自行选择的兴趣标签推荐一部分内容。

2、反馈:系统推荐的文章用户是否浏览?浏览时间多长?是否连续浏览相同主题文章?这类用户行为会演变为数据反馈给系统。

3、反思:通过以上的用户行为数据,机器开始学习并总结用户的阅读喜好。

4、理论:针对用户行为的反思结果生成一套理论,并直接指导线上的推荐业务,从而使应用的推荐更加精准。并最终回归到行动,继续积累行为数据与反馈数据,并以此周而复始,智能不断迭代。

先知3.0就是要帮助企业构建这样的AI核心系统。这个核心系统解决了企业应用AI化的所有问题,其中包括过程数据、反馈数据的采集、海量日志管理、机器学习、实时服务等。核心系统的背后,包含了很多门槛非常高的技术,但对于企业主来说,已经无需再关心这些技术问题。

根据德勤报告,到2020年,95%的前一百名公司会采用机器决策。“第四范式先知”企业AI核心系统的推出,为企业建立高度灵活自主的商业智能体系提供基础,扭转了一些企业在智能化转型与竞争中的被动局面。未来的商业世界将由战略管理者协同企业AI核心系统的联合体来主宰。