网站首页

由亚太经合组织中国企业家论坛主办的2018年亚太经合组织青年论坛第四届创新年会于6月23日在香港举行。论坛以“2018金融科技新机遇”为主题，促进内地发展高科技优势与国际金融中心优势的良好合作。中国人民政治协商会议全国委员会副主席梁振英、香港贸易发展局主席罗康瑞、香港交易及结算所有限公司主席李小嘉及其他本地政界及商界人士出席论坛并致辞。作为高科技企业家的代表，第四范式的创始人兼首席执行官戴文渊先生应邀分享了第四范式的人工智能落地经验。戴文渊指出，尽管人工智能的未来是光明的，但人工智能的着陆之路充满荆棘。它不能依靠猜测。它需要埋头苦干。第四范式团队在行业内人工智能登陆方面积累了十多年的经验，并在算法、数据、认知等方面投入了大量的精力来降低人工智能登陆的门槛，希望能加快各行各业人工智能转型升级的进程。

图为第四范式的创始人兼首席执行官戴文渊发表演讲。

人工智能是一项来自各行各业的充满希望的未来技术。谈到人们最关心的人工智能在企业中的落地，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，没有一个企业，比如位于人工智能前沿并享受人工智能奖金的英美烟草，是通过人脸识别来运营的。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分为三种类型。顶层制定战略，中层制定战略，基层实施战略。互联网和移动互联网所改变的是，基础工作，即战略的实施，越来越多地委托给机器。今天，人工智能在企业内部发生的变化是，政策的制定正被移交给机器。决策人工智能可以真正提高业务效率。无论是百度的凤巢系统还是今天的标题推荐系统，支持它享受人工智能红利的技术不是人脸识别、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，但我们在将这项技术推广到更多的经营和生产领域时，还需要面对各种困难和挑战。戴文渊表示，企业人工智能的落地应该面对认知、数据和算法三个门槛:

构建机器学习圈突破人工智能着陆的认知门槛

首先，人工智能着陆的第一个门槛是认知门槛。谈到人工智能，我们必须首先面对一个问题:深度学习不是普通人能够理解的互动方式，商业人员关心的业务也不是科学家擅长的。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度神经网络技术结合起来？戴文渊认为，有必要将公众认可的交互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，从而将算法与业务联系起来。

第四种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”，将其归纳为四种标准行动，即“行动”、“反馈”、“反思”和“理论”。通过构造闭环，形成机器学习的学习圈。人工智能应用程序应该像学习圈一样，将业务闭环与人工智能生成过程集成在一起。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，从反欺诈专家的几十条规则到机器学习的8000万条规则，准确率超过2.5倍。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。

构建面向人工智能的大数据系统突破人工智能登陆的数据门槛

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

人工智能是基于大数据的，但是许多企业有数据却不能生成人工智能，因为拥有大数据并不意味着拥有人工智能。大数据分为两种类型，商业智能大数据和人工智能大数据。过去，大多数大数据都是为商业智能设计的。商业智能大数据主要帮助人们总结一些经验，如数据库，强调查询和统计。人工智能大数据是机器可以看到的数据。它主要不是关于查询和统计。我们需要的是完整性和高效性。因此，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，企业过去已经构建了面向商业智能的大数据系统，并在这个大数据系统上构建了人工智能。这不是帮助人工智能着陆，而是成为人工智能着陆的障碍。面向人工智能的大数据系统必须支持实时存储，以便访问PB级甚至更多的日志。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。正是由于传统的商业智能大数据系统限制了人工智能的发展，第四种范式独立开发了一套面向人工智能的大数据系统。其次，基于面向人工智能的大数据系统，我们需要建立一个学习圈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汽车技术，突破人工智能着陆算法的门槛

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，让机器学习。这也是破解人工智能登陆算法门槛的关键。

让机器自动建模并自动调整参数。这在机器学习领域被称为自动学习。为了实现这一点，有必要在机器学习或深入学习的过程中自动化高度专业化的参数设计过程，这曾经是顶级数据科学家的专长。在我们人工智能领域，科学家调节参数的能力过去一直被过分强调，这不利于人工智能的普及。第四种模式在3年前开始开发自动化，目的是让企业真正掌握自己的人工智能能力。为此，“第四范式先知”平台封装了自动学习技术，使用户能够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用于创建模型的时间和能量输入。

自动化是增强人工智能能力的重要途径之一。作为世界上第一个研究汽车的团队，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。在医疗领域，第四范式与瑞金医院联合发布了糖尿病前期诊断模型，利用AutoML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%。第四种模式中的一位客户使用AutoML算法，击败了许多专业反欺诈公司，并在去年的全球反欺诈竞赛中获得了第二名。今年，第四范式也赢得了在国际神经网络会议(NIPS)举办汽车竞赛的权利，并成为国际汽车的领导者。

一个好的人工智能算法可能需要工程师1年的时间，而解决人工智能着陆的问题可能需要一个团队10年的时间——第四个范例就是这样一个团队。第四种模式秉承“全人类”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，并惠及所有行业。在长期的人工智能登陆和企业服务实践过程中，第四种范式是不断解决阻碍企业人工智能登陆的各种障碍。2015年，第四个范例发布了“先知”1.0，并开始向人工智能(一个技术型企业)的登陆迈进。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着陆和企业服务的实践经验和方法，包括数千个团队的沉没。从帮助企业建立低门槛模型开始，到目前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的发展，“第四范式先知”不仅解决了人工智能从0到1的各种着陆问题，而且赋予企业从1到n的强大能力。第四范式一直在探索人工智能着陆的解决方案。它为银行、保险、证券、医疗和政府事务等多个领域的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，第四范式所服务的客户资产总额已经占到中国金融资产总额的一半以上。“人工智能人人”要求第四种模式不应走颠覆性创新的道路，而应帮助各行各业的合作伙伴成为各自领域中最好的人工智能公司，与每个人一起建设一个人工智能时代。

这篇文章是由网站管理员的用户提交的。未经网站管理员同意，严禁复制。例如，如果大多数用户在稿件中发现虚假报告，欢迎读者反馈、纠正和报告问题(反馈入口)。

免责声明:本文是对用户的贡献。站长之家发布这篇文章只是为了传达信息。这并不意味着站长之家同意其观点，不对内容的真实性负责，仅供用户参考，不构成任何投资或使用建议。读者被要求核实真实性和可能的风险，任何后果将由读者自己承担。

• 上一篇：如何制作山药粥
• 下一篇：双方在法庭上激烈地争论了3个小时，因为针对格力的6字