“AI優(yōu)先”的策略選擇

楊曉靈

如果現(xiàn)在已經(jīng)站在了人工智能時代的入口，那么接下來面臨的就是一場環(huán)境和范式變化下的重新洗牌。其間，行業(yè)知識圖譜建設(shè)是人工智能應(yīng)用領(lǐng)域的戰(zhàn)略制高點

搶票入口時代

科技浪潮風起云涌，中國互聯(lián)網(wǎng)用戶已經(jīng)接近9億人，互聯(lián)網(wǎng)的人口紅利基本結(jié)束了。從互聯(lián)網(wǎng)時代邁向人工智能時代是當下最熱門的話題。

因應(yīng)人工智能熱，要回答兩個問題：

第一，互聯(lián)網(wǎng)時代之后會不會是人工智能時代？

我們通常所講的時代或者時代特征，是在講環(huán)境和范式，一是指能夠影響意識和存在形態(tài)的客觀環(huán)境變遷；二是指在這個特定的客觀環(huán)境條件下形成最廣泛共識的范式。工業(yè)革命時代的范式是“分工”、互聯(lián)網(wǎng)時代的范式是“連接”、人工智能時代如果能夠成立的話，它的范式應(yīng)該是“替代”。

凡是規(guī)則清晰、能夠形成數(shù)據(jù)閉環(huán)的應(yīng)用場景，都可以用人工智能“替代”人工。人工智能時代能否成立，取決于人工智能能夠解決多少實際應(yīng)用問題，人工智能能否滲透到足夠廣泛的應(yīng)用場景，在多大程度上實現(xiàn)人工智能工具化。

第二，人工智能走到哪一步了？

這一輪人工智能浪潮，有兩個標志性事件，一個是阿爾法狗，毫無懸念地完勝世界頂尖棋手們；另一個是無人駕駛汽車，全球首款L4級別無人駕駛汽車正式量產(chǎn)”，第100輛阿波龍在廈門金龍客車生產(chǎn)線下線。

人工智能真正能夠成氣候，回過頭去看，互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算都是用來為人工智能服務(wù)的，或者是人工智能進化的充分條件。類似人類進化的生物、社會和自然條件。

樂觀的判斷是人類現(xiàn)在已經(jīng)站在了人工智能時代的入口，所以起步越早，積累越多，受益越快，競爭對手越難以追趕。當然，起步過早，會付出試錯成本。 Gartner有一個技術(shù)成熟度曲線，被引用的比較多，Gartner給所有的技術(shù)發(fā)展定義了五個階段：萌芽期、泡沫期、滑坡期、復蘇期和成熟期。目前來看人工智能的成熟度應(yīng)該處于萌芽期和泡沫期之間。

如果互聯(lián)網(wǎng)時代之后確實是人工智能時代，如果現(xiàn)在已經(jīng)站在了人工智能時代的入口，那么，接下來面臨的就是一場環(huán)境和范式變化下的重新洗牌。各行各業(yè)都在做人工智能應(yīng)用，你不用，別人用，別人的效率就比你高，你就處于劣勢。

搶先拿到人工智能時代的船票，是未來建立行業(yè)競爭優(yōu)勢的關(guān)鍵。

應(yīng)用場景與案例

人工智能的定義：基于大數(shù)據(jù)、算法和算力，以計算機程序模擬人的智能，能夠自主對標的物進行感知、識別、分析和判斷；能夠自主采取有針對性、有目的、有控制的行動；能夠自主響應(yīng)和處理環(huán)境條件的變化；并且能夠具有自主深度學習的能力。

目前人工智能技術(shù)比較成熟的主要領(lǐng)域： 語音識別，已經(jīng)達到97%的準確率；圖像識別，人臉識別的準確率已經(jīng)達到99.7%；自然語言處理，成熟度低于語音和圖像識別；機器學習，包括模擬人的認知與推理能力、深度學習、甚至不依賴經(jīng)驗數(shù)據(jù)的強化學習。

AI典型應(yīng)用場景包括： 智能行業(yè)顧問、智能運營作業(yè)、智能客戶服務(wù)、智能信息系統(tǒng)運維、智能風控。

典型的人工智能應(yīng)用案例：

一、從阿爾法狗到阿爾法元

圍棋棋盤上有361個點位，每一盤棋大概要下150手，每一手棋平均有250種可選的下法，150的250次方的量級?！鞍柗ü贰钡乃惴軌蚋F盡圍棋量級的局面變化，而且能夠通過自學習提高取舍能力，控制運算量。 “無師自通”的阿爾法元完全從零開始，不需要任何歷史棋譜的指引，不需要參考人類的經(jīng)驗和知識，完全靠自身強化學習完勝阿爾法狗。阿爾法狗需要在48個TPU上，花幾個月的時間，學習3000萬棋局，才打敗了人類。阿爾法元打敗阿爾法狗只用了4個TPU，花三天時間，自己左右互搏490萬棋局就做到了。

從阿爾法狗到阿爾法元的意義在于：證明人工智能可以用算法復制人類的智慧，從而模仿甚至超越人類的智慧。

二、百度無人車

去年7月5日，李彥宏把搭載Apollo1.0的無人車開上北京五環(huán)；去年9月20日，Apollo1.5發(fā)布上線，解鎖了障礙物感知、決策規(guī)劃、云端仿真、高精地圖服務(wù)、End-to-End等五方面能力；今年1月8日，Apollo2.0發(fā)布上線，搭載Apollo 2.0的無人車第一次在美國加州公路上進行測試；4月24日百度商用級無人駕駛巴士“阿波龍”面向公眾試乘；7月4日李彥宏在百度AI開發(fā)者大會上兌現(xiàn)去年的承諾：“是的，我們?nèi)ツ甏档呐崿F(xiàn)了！全球首款L4級別的無人車量產(chǎn)下線！”百度“阿波龍”已經(jīng)具備了在簡單城市道路下完全自動駕駛的能力，無需任何干預(yù)，包括變道、等紅燈、避讓等等都由無人車自主完成；騰訊也自主開發(fā)出無人駕駛“AI in car生態(tài)系統(tǒng)”，放言2019年量產(chǎn)；阿里巴巴也推出了斑馬智行汽車操作系統(tǒng)。無人車的商業(yè)化進程在加速。

AI最核心的技術(shù)是在無人駕駛汽車上的先驅(qū)。

三、張學友演唱會人臉識別抓逃犯

4月7日晚張學友南昌演唱會、5月5日晚張學友贛州演唱會、5月20日晚張學友嘉興演唱會上，警方應(yīng)用人臉識別技術(shù)在現(xiàn)場連續(xù)抓獲三名網(wǎng)上逃犯。人臉識別系統(tǒng)，包括動態(tài)人臉卡口檢測和靜態(tài)人臉大庫檢索，利用人臉檢測及識別技術(shù)，從高清視頻監(jiān)控畫面中抓拍人臉照片，即時分析人臉特征，快速完成人臉照片與后端數(shù)據(jù)庫的黑名單的比對與識別，實現(xiàn)智能化的視頻監(jiān)控，即使在茫茫人海中，警察也能快速分辨出每個人，從而鎖定逃犯位置。

人臉識別技術(shù)經(jīng)過前幾年的發(fā)展，已經(jīng)進入到具體的落地運用階段，比如通過攝像頭比對身份證信息、上班人臉打卡考勤、支付寶的人臉支付、智能手機上的人臉解鎖等等。

四、螞蟻金服車輛事故定損

螞蟻金服于2017年6月推出的國內(nèi)首個車輛事故圖像定損AI技術(shù)，將過去由人工肉眼判定車損的環(huán)節(jié)升級為用人工智能做標準化統(tǒng)一定損。事先喂大量圖片給AI，然后手把手教它——車型、部位、損失程度、修理成本，AI逐漸會從中學習到分辨圖片的細節(jié)，完成車輛事故定損。據(jù)稱“定損寶1.0”推出不到一年提供定損調(diào)用服務(wù)超過千萬次，共計節(jié)省定損人員工作量超75萬個小時，為保險行業(yè)節(jié)省案例處理成本超過10億元，減少理賠滲漏約10億元。

定損寶2.0已經(jīng)在今年5月份上線，由照片定損升級為視頻定損，支持車主用手機按照系統(tǒng)指引拍攝視頻即可自助定損。

五、中國太保的阿爾法保險

“阿爾法保險”是中國太保打造的業(yè)內(nèi)首個人工智能保險顧問。產(chǎn)品使用大數(shù)據(jù)分析和機器學習算法，融合保險、精算專家團隊經(jīng)驗，通過基本信息、家庭結(jié)構(gòu)、收入支出、資產(chǎn)負債、社保福利、生活習慣6組問題，為客戶測算家庭風險防御能力指數(shù)，量身定做家庭理想保險保障建議。阿爾法保險2017年9月1日上線，當天訪問量就超過20萬用戶，三天累計訪問量突破了100萬，目前累計訪問量近500萬，訪問用戶在朋友圈的分享率持續(xù)超過10%。

策略與路徑

“AI優(yōu)先”的策略選擇：“All in”、“聚焦”和“優(yōu)先”是三種不同的策略選擇。All in是孤注一擲，全力以赴、全押上；聚焦是高度關(guān)注，突出重點、集中資源；優(yōu)先是根據(jù)輕重緩急，優(yōu)先排序、資源傾斜。

在重要性和緊迫性矩陣中，人工智能目前應(yīng)該定位在重要但不十分緊迫的象限，無論從短期成效和長期機會看，都適用優(yōu)先排序策略。

確立“AI優(yōu)先”的意義，一是進一步動員和傾斜企業(yè)資源，強化AI應(yīng)用產(chǎn)品的研發(fā)能力；二是形成協(xié)同研發(fā)體系；三是在行業(yè)中率先確立“AI優(yōu)先”，有利于形成先發(fā)效應(yīng)。

“AI優(yōu)先”工程的路徑設(shè)計：

1.AI的企業(yè)級應(yīng)用研發(fā)不要“最前沿”而要“最實用”的成熟AI技術(shù)。

2.AI應(yīng)用研發(fā)以內(nèi)部效率提升和改善外部客戶體驗并重。

3.建立企業(yè)級AI產(chǎn)品研發(fā)清單

目前企業(yè)級AI應(yīng)用研發(fā)呈現(xiàn)碎片化，缺乏應(yīng)用場景及需求的系統(tǒng)規(guī)劃；缺乏底部基礎(chǔ)層和中間能力層的平臺支持，導致單打獨斗和重復建設(shè)，也缺乏外部合作伙伴的統(tǒng)籌管理。往往事倍功半。應(yīng)該在存量開發(fā)項目全面梳理和系統(tǒng)挖掘增量需求的基礎(chǔ)上，建立企業(yè)級AI產(chǎn)品研發(fā)清單，統(tǒng)一籌劃，配套資源，協(xié)同運作，強力推進。

4.啟動AI技術(shù)平臺建設(shè)

AI技術(shù)平臺架構(gòu)是AI應(yīng)用研發(fā)的重要基礎(chǔ)設(shè)施和先決條件，包括應(yīng)用層、中間能力算法層和底部基礎(chǔ)資源層。應(yīng)用層直接面向各種業(yè)務(wù)場景的需求，提供感知、識別、分析、判斷和行動的應(yīng)用軟件和服務(wù)。中間能力算法層承上啟下，在底部基礎(chǔ)層提供資源的支持下，為應(yīng)用層提供數(shù)據(jù)庫和算法，以及耦合接口。底部基礎(chǔ)資源層提供計算和存儲資源。中間能力算法層和底部基礎(chǔ)資源層要建設(shè)企業(yè)級的共享平臺。

AI平臺、大數(shù)據(jù)平臺、云計算平臺，是下一代信息系統(tǒng)建設(shè)的骨干項目。

5.選擇合適的AI合作伙伴

“AI優(yōu)先”需要引進外部合作伙伴，因為傳統(tǒng)企業(yè)在AI技術(shù)領(lǐng)域基本是空白，且AI技術(shù)日新月異。搭便車事半功倍。合作模式有兩種選擇，一是鎖定主要伙伴，長期深度合作；二是多管齊下，廣域隨機合作。

選擇主要AI合作伙伴的主要考量要素：AI技術(shù)的資質(zhì)和能力；對合作的定位；對行業(yè)AI應(yīng)用的理解；具體合作內(nèi)容與方式。

6.培育AI人才隊伍

AI人才包含三個層次：一是AI業(yè)務(wù)需求團隊，對業(yè)務(wù)場景有深刻理解，對AI應(yīng)用高度敏感，能夠完成有質(zhì)量的AI業(yè)務(wù)需求交付，并配合算法建模團隊完成知識圖譜和實體知識庫的建設(shè)任務(wù)，AI業(yè)務(wù)需求團隊散布于各個業(yè)務(wù)領(lǐng)域的前中后臺；二是AI算法建模團隊，有大數(shù)據(jù)和建模的專業(yè)基礎(chǔ)，熟悉業(yè)務(wù)場景及業(yè)務(wù)需求，能夠協(xié)調(diào)AI業(yè)務(wù)需求團隊和IT開發(fā)團隊共同完成知識圖譜、實體知識庫的建模及擬合算法的系統(tǒng)開發(fā)需求交付，AI算法建模團隊應(yīng)該是一個專家級的團隊；三是IT開發(fā)團隊，大數(shù)據(jù)平臺、云計算平臺、應(yīng)用軟件架構(gòu)和編程的專業(yè)基礎(chǔ)扎實，能夠完成AI平臺建設(shè)、AI應(yīng)用軟件的開發(fā)及部署，具有自主研發(fā)交付能力。

AI人才隊伍建設(shè)包括內(nèi)部培養(yǎng)和外部引進。尤其在AI算法建模團隊適度引進外部AI領(lǐng)域有項目實踐經(jīng)驗的專家級人才可能是一條捷徑。

知識圖譜建設(shè)

行業(yè)知識圖譜建設(shè)是人工智能應(yīng)用領(lǐng)域的戰(zhàn)略制高點，也是人工智能時代行業(yè)競爭的核心競爭力。

人工智能應(yīng)用要件包括場景、實體知識庫、知識圖譜、算法擬合，一個都不能少。人工智能的能源是數(shù)據(jù)，人工智能的引擎是知識圖譜。

什么是知識圖譜？舉一個例子，圖形識別領(lǐng)域的正方形知識圖譜：有四條直線；這四條直線首尾相連形成閉環(huán)；這四條線是相互垂直的；這四條線長度相等；并且它們必須在一個平面上。

用這個知識圖譜建立算法，機器就可以完成識別一個正方形的任務(wù)。人工智能在本質(zhì)上就是用計算機程序執(zhí)行類似的邏輯。

知識圖譜的建立是由場景驅(qū)動的，場景才是盤活存量數(shù)據(jù)、生產(chǎn)增量數(shù)據(jù)，完成知識圖譜定義集，最終實現(xiàn)人工智能的應(yīng)用價值。從這個意義上講，場景比算法重要。而沒有建立知識圖譜的實體知識庫也只是原材料，從這個意義上講，算法確實比數(shù)據(jù)重要。

歸納一下關(guān)于知識圖譜建設(shè)的幾個要點：人工智能是基于實體知識庫和知識圖譜的；知識圖譜要做的是讓實體知識庫可以被有效訪問、判斷和推理；知識圖譜是實體知識庫所使用的標簽體系和組織框架，有別于“實體知識庫”；如果要用人工智能解決某個特定領(lǐng)域問題，首先要建立相關(guān)領(lǐng)域的知識圖譜。

建立知識圖譜的實戰(zhàn)步驟：1.基于垂直領(lǐng)域應(yīng)用場景抽象出知識圖譜——領(lǐng)域?qū)嶓w知識的標簽體系和組織框架；2.用知識圖譜與樣本建立映射關(guān)系，驗證知識圖譜能否窮盡場景和領(lǐng)域?qū)嶓w知識；3.不斷喂食數(shù)據(jù)以豐富知識圖譜和領(lǐng)域?qū)嶓w知識庫；4.完善算法后形成垂直領(lǐng)域的人工智能應(yīng)用場景解決方案。

著名的“費米問題”，是講在信息不充分的條件下，憑借對事物本質(zhì)的深刻理解和洞察，采用變通和量綱分析，直接做出一些假設(shè)和估算，把難題變成簡單可解的問題。費米問題的案例：算一算地球的周長是多少？已知紐約到洛杉磯3000英里，時差3小時，3小時是一天的1/8，而一天即地球自轉(zhuǎn)一周的時間，所以，地球的周長就是3000乘以8，等于24000英里。與精確值的24902.45英里相比，誤差不到4%。這是一個標準的費米問題。

人工智能和知識圖譜的建設(shè)，也需要解決“費米問題”的能力。即想象力和創(chuàng)造力。

在人工智能這件事情上，行業(yè)知識圖譜的建設(shè)要耗費海量人力、財力、數(shù)據(jù)和專業(yè)知識，尤其是時間，數(shù)據(jù)庫和數(shù)據(jù)標注的工作量可能是以年/人為單位的。比如人工智能車輛事故定損，要建立車損知識圖譜，需要全球所有車型、每種車型所有部位、每個部位不同距離角度光線、不同損失程度的圖片，這個實體數(shù)據(jù)庫是大數(shù)據(jù)級的。這種事情你想到了也不一定有能力去做出來，只能由智豬博弈中的“大豬”來做。

即便是免費時代，“天底下沒有免費的午餐”的商業(yè)邏輯仍然成立?；ヂ?lián)網(wǎng)經(jīng)濟流行“羊毛出在羊身上狗來買單”，精準廣告推送分成，是一種商業(yè)模式；流量故事找風投，估值溢價，通過IPO變現(xiàn)是另一種商業(yè)模式；免費使用產(chǎn)品，隱性對價是用戶隱私，海量數(shù)據(jù)建設(shè)領(lǐng)域知識圖譜，數(shù)據(jù)資產(chǎn)通過人工智能變現(xiàn)，又是一種商業(yè)模式?；ヂ?lián)網(wǎng)經(jīng)濟的商業(yè)模式比一手交錢 一手交貨的交易結(jié)構(gòu)更復雜更隱蔽而已。

尤瓦爾在《未來簡史》中提到牛津大學的一份研究報告，這份研究報告預(yù)測了2033年的人工智能替代率：電話營銷員99%、保險代理人99%、運動賽事裁判員98%、收銀員97%、廚師96%、服務(wù)生94%、律師94%、導游91%、面包師89%、公交車司機89%、建筑工人88%、獸醫(yī)86%、安保人員84%、船員83%、調(diào)酒師77%、檔案管理員76%、木匠72%、救生人員67%。

各行各業(yè)的總體替代率是47%。

每一位讀者無論相信不相信這份報告，都會下意識地對號入座吧。

面對人工智能的步步緊逼，人類最后的手段也許只剩下拔掉電源插頭了。

（作者為中國太平洋保險集團首席數(shù)字官，編輯：袁滿）