由亞布力中國企業(yè)家論壇主辦的“2018亞布力青年論壇第四屆創(chuàng)新年會(huì)”于6月23日在香港舉行。本次論壇以“2018金融科技新機(jī)遇”為議題，促進(jìn)發(fā)展內(nèi)地高新技術(shù)優(yōu)勢(shì)與香港國際金融中心優(yōu)勢(shì)的的良好合作，全國政協(xié)副主席梁振英、香港貿(mào)易發(fā)展局主席羅康瑞、港交所主席李小加等兩地政商界人士出席并致辭。第四范式創(chuàng)始人兼首席執(zhí)行官戴文淵先生作為高科技企業(yè)家代表，應(yīng)邀分享第四范式在AI落地方面的經(jīng)驗(yàn)。戴文淵指出，AI的未來雖然美好，但AI的落地之路卻布滿荊棘，不能靠炒概念，需要埋下頭來，踏踏實(shí)實(shí)下苦功。第四范式團(tuán)隊(duì)在行業(yè)內(nèi)積累了十多年的產(chǎn)業(yè)AI落地經(jīng)驗(yàn)，在算法、數(shù)據(jù)、認(rèn)知等多方面花了非常多的心血來降低AI落地的門檻，希望能加速AI改造升級(jí)各行各業(yè)的進(jìn)程。
圖為第四范式創(chuàng)始人、首席執(zhí)行官戴文淵演講
人工智能是被各行各業(yè)寄予厚望的未來技術(shù)，談及人們最關(guān)心的AI在企業(yè)的落地問題，戴文淵指出，目前公眾關(guān)注得最多的AI集中在感知層，例如人臉識(shí)別、語音識(shí)別、無人車等。但是，走在AI前端、享受著AI紅利的企業(yè)，如BAT，沒有哪家是靠人臉識(shí)別在經(jīng)營的。戴文淵指出，企業(yè)真正需要的AI應(yīng)該是決策層的AI，。
戴文淵把企業(yè)內(nèi)部的角色分成三種，高層做的是戰(zhàn)略制定，中層的工作是策略制定，基層是策略執(zhí)行。互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)改變的是基層的工作，也就是策略執(zhí)行，越來越多交給機(jī)器去做了。今天，人工智能在企業(yè)內(nèi)部改變的是，策略制定正在交給機(jī)器來做。決策AI化才能實(shí)實(shí)在在提升企業(yè)經(jīng)營效率，無論是百度的鳳巢系統(tǒng)，今日頭條的推薦系統(tǒng)，支持其享受AI紅利的技術(shù)不是人臉識(shí)別、語音識(shí)別和無人車，而是決策的智能化。
人工智能技術(shù)已經(jīng)實(shí)實(shí)在在地為頭部企業(yè)創(chuàng)造了巨大的價(jià)值，但我們?cè)趯⑦@項(xiàng)技術(shù)推廣到更多領(lǐng)域的經(jīng)營生產(chǎn)層面，也需要面對(duì)各種困難和挑戰(zhàn)。戴文淵表示，企業(yè)AI落地要直面認(rèn)知、數(shù)據(jù)、算法三道門檻：
構(gòu)建機(jī)器學(xué)習(xí)圈，破解AI落地的認(rèn)知門檻
首先，AI落地的第一道門檻是認(rèn)知門檻。談到AI，我們首先要正視一個(gè)問題：深度學(xué)習(xí)不是普通人能理解的交互方式，業(yè)務(wù)人員所關(guān)心的業(yè)務(wù)也不是科學(xué)家擅長的。怎樣將業(yè)務(wù)人員關(guān)注的風(fēng)險(xiǎn)管控業(yè)務(wù)和科技人員關(guān)注的深度神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合到一起呢，戴文淵認(rèn)為，需要把公眾可認(rèn)知的交互方式和科技結(jié)合起來，形成一個(gè)門檻比較低的人工智能構(gòu)建過程，使算法與業(yè)務(wù)進(jìn)行對(duì)接。
第四范式把這樣的AI構(gòu)建的過程標(biāo)準(zhǔn)化了，借鑒教育學(xué)的“庫伯學(xué)習(xí)圈理論”，總結(jié)成為四步標(biāo)準(zhǔn)動(dòng)作，分別是“行動(dòng)”、“反饋”、“反思”、“理論”。通過構(gòu)建起閉環(huán)，形成機(jī)器學(xué)習(xí)的學(xué)習(xí)圈。AI應(yīng)用應(yīng)該像學(xué)習(xí)圈一樣，將業(yè)務(wù)閉環(huán)與AI產(chǎn)生的過程融合到一起。以電子銀行轉(zhuǎn)賬反欺詐為例，第四范式結(jié)合銀行、支付行業(yè)反欺詐場(chǎng)景，從反欺詐專家?guī)资畻l規(guī)則，通過機(jī)器學(xué)習(xí)提升到了八千萬條，準(zhǔn)確率提升2.5倍以上。隨著自學(xué)習(xí)系統(tǒng)持續(xù)優(yōu)化模型效果，這個(gè)數(shù)字還將不斷提高。
構(gòu)建面向AI的大數(shù)據(jù)系統(tǒng)，破解AI落地的數(shù)據(jù)門檻
其次，在闡述認(rèn)知門檻時(shí)提到機(jī)器的反思、總結(jié)，這其實(shí)就是深度學(xué)習(xí)的過程，但如果缺乏有效數(shù)據(jù)，效果就會(huì)受影響，這就涉及到第二個(gè)門檻——數(shù)據(jù)門檻。
AI是基于大數(shù)據(jù)的，但很多企業(yè)有數(shù)據(jù)卻不能產(chǎn)生AI，這是因?yàn)橛写髷?shù)據(jù)不等于就有AI。大數(shù)據(jù)分為兩種，BI的大數(shù)據(jù)和AI的大數(shù)據(jù)，過去的大數(shù)據(jù)多數(shù)是為BI設(shè)計(jì)的，BI大數(shù)據(jù)主要是幫助人去總結(jié)一些經(jīng)驗(yàn)，例如數(shù)據(jù)庫，強(qiáng)調(diào)查詢和統(tǒng)計(jì)。AI大數(shù)據(jù)是給機(jī)器看的數(shù)據(jù)，主要不是考慮查詢和統(tǒng)計(jì)，需要的是完整和實(shí)效性高。因此兩個(gè)大數(shù)據(jù)系統(tǒng)的設(shè)計(jì)理念天然會(huì)不同。我們經(jīng)常會(huì)看到企業(yè)由于過去建設(shè)了面向BI的大數(shù)據(jù)系統(tǒng)，又將AI建設(shè)在這個(gè)大數(shù)據(jù)系統(tǒng)之上，非但沒有幫到AI的落地，反倒成為AI落地的障礙。面向AI的大數(shù)據(jù)系統(tǒng)，要能存取PB級(jí)甚至更大量的日志，一定要支持實(shí)時(shí)存儲(chǔ)，可以不需要實(shí)時(shí)查詢和統(tǒng)計(jì)，但又需要極其高效的批量存取能力。正是因?yàn)閭鹘y(tǒng)的BI大數(shù)據(jù)系統(tǒng)限制了AI的發(fā)展，第四范式自主研發(fā)一套面向AI的大數(shù)據(jù)系統(tǒng)。其次，基于面向AI的大數(shù)據(jù)系統(tǒng)，我們需要建立起學(xué)習(xí)圈中的行為數(shù)據(jù)和反饋數(shù)據(jù)的收集體系：收集行為數(shù)據(jù)，收集反饋數(shù)據(jù)，讓機(jī)器自學(xué)習(xí)。
自主研發(fā)世界領(lǐng)先的AutoML技術(shù)，破解AI落地的算法門檻
最后，關(guān)于算法的門檻，戴文淵表示，未來的AI，不應(yīng)該依賴科學(xué)家來調(diào)參，而是讓算法做到不需要科學(xué)家，讓機(jī)器去學(xué)習(xí)。這也是破解AI落地算法門檻的關(guān)鍵。
讓機(jī)器自動(dòng)建模、自動(dòng)調(diào)參，這在機(jī)器學(xué)習(xí)領(lǐng)域稱為AutoML。要做到這一點(diǎn)，就要把機(jī)器學(xué)習(xí)或深度學(xué)習(xí)過程中高度專業(yè)化的參數(shù)設(shè)計(jì)環(huán)節(jié)自動(dòng)化，而這過去往往都是頂級(jí)數(shù)據(jù)科學(xué)家的看家本領(lǐng)。我們AI這個(gè)領(lǐng)域，過去過多強(qiáng)調(diào)了科學(xué)家的調(diào)參能力，不利于AI的普及。第四范式從3年前開始發(fā)展不需要調(diào)參的AutoML，目的就是真正讓企業(yè)也掌握自有AI能力。為此，“第四范式先知”平臺(tái)將AutoML技術(shù)封裝，能夠讓用戶在沒有機(jī)器學(xué)習(xí)研究背景的情況下開發(fā)機(jī)器學(xué)習(xí)模型、或是縮短數(shù)據(jù)科學(xué)家用來創(chuàng)建模型的時(shí)間和精力投入。
AutoML是AI賦能的重要方式之一，第四范式作為世界上最早開始研究AutoML的團(tuán)隊(duì)，也是世界領(lǐng)先的團(tuán)隊(duì)，過去的三年取得了多個(gè)階段性突破。在醫(yī)療領(lǐng)域，第四范式和瑞金醫(yī)院聯(lián)合發(fā)布了糖尿病前期診斷的模型，運(yùn)用AutoML技術(shù)，結(jié)合醫(yī)院的數(shù)據(jù)總結(jié)出了50萬條診斷規(guī)則，比醫(yī)生普遍診斷水平提升200-300%。第四范式某一客戶，利用AutoML算法，在去年的一個(gè)世界反欺詐比賽中，戰(zhàn)勝了諸多專業(yè)反欺詐公司，獲得了亞軍。今年，第四范式也在與諸多國際巨頭的競爭中，取得了國際最具影響力的神經(jīng)網(wǎng)絡(luò)會(huì)議NIPS中的AutoML大賽的承辦權(quán)，成為國際AutoML的領(lǐng)導(dǎo)者。
一個(gè)好的AI算法可能需要耗費(fèi)工程師們1年的時(shí)間，而解決AI落地的問題可能需要花費(fèi)一個(gè)團(tuán)隊(duì)10年時(shí)間——第四范式就是這樣一個(gè)團(tuán)隊(duì)。秉持“AIForEveryone”的企業(yè)愿景，第四范式一直致力于降低AI應(yīng)用門檻，希望AI能普惠大眾、賦能百業(yè)。在長期人工智能落地和企業(yè)服務(wù)實(shí)踐過程中，第四范式不斷在解決著阻擋企業(yè)AI落地的各種障礙。2015年，第四范式推出“先知“1.0，開始邁向技術(shù)賦能企業(yè)AI落地之路。三年多的時(shí)間，“第四范式先知”積累了大量人工智能落地和企業(yè)服務(wù)的實(shí)踐經(jīng)驗(yàn)和方法，包括數(shù)以千計(jì)的團(tuán)隊(duì)掉進(jìn)的陷進(jìn)。從幫助企業(yè)從低門檻構(gòu)建模型開始，到如今發(fā)展到為企業(yè)提供端到端AI覆蓋能力和量產(chǎn)屬性的AI核心系統(tǒng)，“第四范式先知”不僅解決了企業(yè)AI落地從0到1的各種問題，還賦予企業(yè)從1到N的強(qiáng)大能力。第四范式一直堅(jiān)持探索AI落地解決之道，已經(jīng)為銀行、保險(xiǎn)、證券、醫(yī)療、政務(wù)等多個(gè)領(lǐng)域上千余家企業(yè)提供人工智能產(chǎn)品、服務(wù)和解決方案，特別在金融領(lǐng)域，第四范式服務(wù)的客戶總資產(chǎn)已經(jīng)占到中國金融總資產(chǎn)的半數(shù)以上。“AIforEveryone”要求第四范式走的不是一條顛覆式創(chuàng)新的路，而是要幫助各行各業(yè)的合作伙伴、成為各自領(lǐng)域最好的AI公司，與大家共建AI時(shí)代。
