在 Jordan 看來，我們需要的不是一個簡單的演算法，而是去創造一個市場。把用戶和企業兩端的需求結合起來，先讓這個領域的交互、操作變得容易，再逐步地調整學習，人工智慧才能變得真正智能。 IT 互聯網這些年來的發展規律顯示，需求側的應用深化會反過來推動技術的發展，在人工智慧領域也不例外。不過，所有需求都存在於各行各業的第一線，如何將這些需求與最前沿的人工智慧技術相結合，正是微軟亞洲研究院近一兩年來思考的問題。
現階段，AI 發展的核心就是數據，沒有數據，就沒有現在的人工智慧。在各行業的一線都積累、沉澱了大量的數據，如果可以進行有效、充分地利用，那必將帶來行業的變革。在微軟看來，AI 領域的學術研究也必須要與各個行業緊密結合，只有這樣才能碰撞出跨界創新的火花。如今，金融、物流、零售、製造、醫療等行業都呈現出 AI 深度滲透的趨勢，那麼各個領域與 AI 將如何結合，現在又有什麼最新進展呢？
海量數據+AI：顛覆金融應用場景
在華爾街，用機器設定股票期貨的買賣點、系統自動交易等已經是新常態，AI 早已成為金融企業增強核心競爭力的殺手級技術；無論在街角，還是在互聯網上，社區銀行服務、個人消費還貸等服務，也因為 AI 元素的滲入而越來越便利。它們的共同點則是利用大量數據去分析收益節點和金融風險，數十億美金的投資有風險，個人消費貸款亦有壞賬可能，金融機構要做的就是從可以得到的數據中，去決定如何投資以及如何降低風險。
極大豐富的數據和訊息是這個時代最大的饋贈，而它們也正在顛覆著最常見的金融場景。例如，個體借貸人的任何數據都可能透露關鍵信息，哪怕是發布的朋友圈、運動手環的定位，都可以成為訊息來源；面對層出不窮的理財、保險新產品，到底哪款最適合自己，可能專業的理財顧問、保險諮詢師也未必能馬上給出最貼切的答案。一端是數據和信息的爆炸，另一端是有效訊息的分析、總結和傳達受阻，在用戶與服務提供商之間的訊息鴻溝，就是 AI 在金融行業很有潛力的切入點。
機器更擅長數據的記憶和整理，要讓它們更具智能，擁有更強的分析能力，便是 AI 現階段的目標。為不同的客戶推薦適合的理財、保險等金融產品，提供「千人千面」的金融服務，在未來幾年，將會有非常巨大的想像空間。
在金融行業的後端，AI 發力的空間同樣巨大。類似「過去50年之間利息上漲0.5%對整個市場有怎樣的影響？」這樣看起來不算複雜的問題，對於人類來說，也許只有資深分析師才能清晰闡釋，但人工智慧卻可以通過對比時間軸數據，快速挖掘相似歷史情境下的類比模型，甚至進行分析和預測。這兩者間的差別在於，分析師要得出這樣的模型，可能需要數十年的從業經驗，而 AI 卻可以在行業專家的幫助下快速打通領域邊界。
幾年前印度洋的海嘯，讓泰國很多城市都遭受了洪水災害。而不為人知的是，海嘯衝擊的不僅僅是普通民眾的家園，全世界的 PC 供貨量也因此受到影響，這是因為泰國是不少PC配件的製造產地。一般來說，海嘯洪水與 PC 供貨量之間的關係，大家不會輕易察覺，但卻是實際存在的，對於這類隱秘的內在關聯，行業分析師完全可以利用 AI 和大數據去洞見，並做出相應地判斷。
同樣，今年美國德州所遭遇的洪水災害導致不少煉油廠停產，這對油價必定產生影響。由於整個生態鏈上游、中游、下游所涉及的影響因素複雜，因此具體會是怎樣的影響，則需要進一步分析。煉油廠處於整個生態鏈的中游，煉油廠停產不僅會導致下游成品油價格的上漲，上游的原油也很可能銷路不暢，從而價格下跌。在現實世界中，類似的情況還有很多。如何加入更多變量，在更廣的範圍內，建立更合理的模型，這些也都是金融 AI 正在探討的問題。
今年6月，微軟亞洲研究院與華夏基金宣布了就人工智慧在金融服務領域的應用開展戰略合作研究，研究方向包括通過模式識別預測市場走勢、基於深度學習挖掘影響市場的重要因素、基於機器學習方法論進行行業輪動的研究、基於大數據構建金融圖譜、基於社交網絡與應用軟體等使用數據，識別並深度了解客戶等。我們希望藉此機會可以共同研究 AI+金融的疆界，推動金融行業的智能化轉型。
讓海量數據和信息真正發揮價值，是金融 AI 的使命所在。以前分析師經常是巧婦勉強為少米之炊，現在原「材料」大大豐富，「巧婦們」則可以利用更高效的 AI 工具，讓數據做出更好的「飯菜」。分析師們的職責也將會相應地調整為，基於多年的行業經驗對 AI 分析出的結果進行「翻譯」和「解釋」，並反過來去驗證和優化之前搭建的模型。 AI+金融所帶來的並非人力的取代，而是重新分工，AI（人工智慧）+HI（人類智能）的結合，將大大提升整個行業的生產效率。
品牌零售商，用AI定位調性
在北京微軟大廈裡有一個新式的自動販賣機，它來自微軟加速器成員甘來公司，表面看起來這款自動販賣機和路邊的販賣機模樣沒有太大差別，不過它的玻璃外罩內藏玄機，走近它你就會發現，玻璃外罩同時也是一塊螢幕，就像是機器的眼睛，可以識別購物者的性別、年齡，甚至挑選貨物時的表情。如果在它面前待一陣子，它也許會找你搭訕，藉機向顧客推荐一些可能感興趣的小飾品等等。當顧客刷信用卡、微信、支付寶結賬時，消費習慣、互動記錄就都被存儲下來了— 對零售商而言，這就是最新鮮、寶貴、真實的一手數據。
這台販賣機，可以認為是 AI+零售的一個雛形。很多 AI 技術諸如人臉識別、電腦視覺、自然語言處理等都可以應用到每個超市的收銀台，商家並不需要識別某個具體顧客的特徵，就可以得到整個消費群體的圖譜。像 NIKE、ZARA、STARBUCKS 等知名品牌商，近幾年也越來越關注其客戶和潛在客戶的特徵演變。以前要通過抄價員、調查員去做的工作，今後與 AI 結合起來，相關工作將可以更加簡便、精確和高效地完成，從而更好地定位品牌調性。
此外，像「消費者喜愛什麼樣的產品?」、「庫存應該準備多少?」這類更加具體的問題，在零售AI的幫助下，也將不再是難題。例如，無人商店的興起，以及通過天氣預報去預測口罩、空氣清淨機的銷量和庫存等，都可以在人工智慧的幫助下分析和預測得越來越精準。
物流、製造業等「後台」行業，因AI而變
除了金融和零售行業，物流業也是 AI 快速滲入的行業之一。無論是身邊隨處可見的共享單車，還是快遞/外賣人員背後的物流系統，抑或是海外購、全球貿易涉及的全球物流體系，都在人工智慧的影響下產生巨變。
細心的人也許會發現，無論你周末回家把共享單車停在哪裡，週一早上急匆匆要去地鐵時，總能在小區門口找到一輛小黃車/小藍車/小菊車………五顏六色的共享單車是怎麼被放在你覺得「剛好需要一輛自行車」的位置呢？這背後便是 AI 與大數據的功勞。
同樣，在雙十一這樣的物流高峰、晚間八點的外賣高峰，快遞/外賣人員是如何最節省時間地把貨物、商品送到你的手中的？其實這些問題與共享單車的流量分析本質上是相同的，訂貨數據、倉庫部署、路線規劃，都因為大數據分析悄然發生了改變。甚至在某些物流企業的後台，隨著數據量的劇增，他們所得到的行業洞察已經遠遠超出人們所想像。
另一個充滿「未來感」的場景則發生在製造行業，事實上，工業4.0、中國製造2025都可以看作是 AI 在製造行業應用的未來憧憬，越來越智能化的機械臂、機械手、感應器，已經在很多無需與人類有太多交互的場景下深度應用。微軟加速器孵化的幾家企業在這方面也做出了有益的嘗試，例如使用無人機技術去探勘發電風車、高壓電纜等特種設備材料的裂縫，並進行相應地維護工作等等。
相比較而言，在物流、製造業等無需與最終用戶有太多交互的應用場景下，人工智慧的應用速度相當快速。而早期為大家所看好的醫療、健康等領域，反而因為受到各種管理機制、人類互動的約束等限制，人工智慧的應用進展比較緩慢。這也讓我們可以更好地去思考，哪些行業可能會成為 AI 早期的切入點和突破口？而哪些行業可能會面臨之前沒有考慮到的阻礙因素？
創新匯：與行業對接，讓AI更「接地氣」
看到 AI 給各個行業帶來的影響和變化，作為人工智慧研究的先行者，微軟亞洲研究院自然希望能夠在人工智慧時代即將開啟的這個節點，進一步推動 AI+行業的深化，加速人工智慧時代的到來。於是，我們有了成立「創新匯」的想法。我們希望「創新匯」作為一個匯聚微軟亞洲研究院頂級科技專家與各行業專家創新智慧、經驗、技術的平台，能夠讓微軟亞洲研究院與中國市場上的大型企業、投資機構、政府部門建立更加廣泛和深入的合作紐帶，為大家搭建跨行業的溝通平台，共同探討 AI 時代的技術創新。
儘管微軟亞洲研究院擁有領先的 AI 科研技術和強大的科研實力，但科研人員對於現實中的行業應用場景並不了解，也沒有真實的行業數據。原先基於少量數據就可以建立模型的時代已經過去，未來的 AI 一定是建立在大數據基礎之上的，因此 AI 與行業的結合是必然趨勢，現在恰恰是最好的啟動時間點。
一個很有意思的例子是，研究院推出的英語口語學習應用「微軟小英」作為口語初試的「評審」在參與一次青少年英文演講大賽時突然發現，之前因為沒有考慮到青春期孩子正處於變聲期這一特點，而使用了成人語音訓練出來的模型。當然這個問題很快得到了改進，卻也同時提醒我們，真實的應用場景必須從真實的生活和生產中提煉出來。
因此，讓 AI 更「接地氣」才是讓 AI 快速發展的正確思路。借助「創新匯」，讓研究人員與行業專家坐下來深入探討行業的痛點是什麼？未來三、五年的變化是什麼？在新的 AI 技術格局下，企業該如何高屋建瓴地去構建技術體系和架構？解決了這些問題後，方能加快讓 AI 轉化為生產力、真正落地的速度。
與此同時，對於微軟亞洲研究院來說，我們仍然會繼續電腦領域的基礎研究，而「創新匯」的成立則是讓研究院和研究員們可以更好地從實際應用的角度去考慮科研問題。正如我們團隊內部開玩笑時說的：「在山上練了幾十年武功，也要下來走走江湖了。」未來，我們會通過「閉門技術大會」、「主題研討會」等多種形式橋接研究智慧與行業資源，針對企業數位轉型中遇到的具體問題，量身訂製專屬的技術交流環節，與企業一道探索 AI+行業的廣闊前景。
from T客邦 http://ift.tt/2BHmWil
沒有留言:
張貼留言