第四范式胡時偉GMIC演講:平臺建設是企業破解AI落地難的關鍵
        2018-04-28

        4月26日,全球最大規模的移動互聯網行業盛會——2018全球移動互聯網大會(Global Mobile Internet Conference 簡稱GMIC)在京召開。適逢創辦十周年,GMIC以“‘AI’生萬物”為主題,吸引了紅杉資本全球執行合伙人沈南鵬、加州大學伯克利分校教授Michael. Jordan、Facebook人工智能團隊首席AI科學家Yann LeCun、創新工場董事長兼首席執行官李開復等數百位國內外行業精英,暢談AI的發展與未來。第四范式聯合創始人、首席架構師胡時偉在GMIC大會上,發表了題為“AI的價值、落地方案與系統建設”的主題演講,針對AI在企業應用中的種種問題給出了解決思路,同時強調,平臺建設是企業破解AI落地難的關鍵。


        破解AI落地困境


        進入2018年以來,“人工智能步入落地之年” 的聲音不絕于耳。AI不再是概念,而是全面進入到企業的戰略規劃層中。縱觀整個行業,更為關注產業落地的AI公司逐漸脫穎而出。金融、醫療、教育、互聯網等領域內的企業也正在逐步將機器學習、人臉識別等AI技術與自身業務融合。


        然而,AI在企業落地的過程中,卻面臨著諸多問題。部分企業紛紛將重點轉移到算法、技術框架等AI基礎能力的研究上,但是這些研究卻很難轉化為實際的業務價值。除此之外,業務問題定義不明確、做不出好指標模型、模型投產后效果差等高頻問題同樣成為了AI在企業中落地的“絆腳石”。


        針對這些問題,胡時偉為企業開出了“藥方”:第一,掌握體系化構建AI應用的方法論,從人才儲備、系統融合、流程升級、業務分析等自上而下的步驟去整體規劃及部署。從最根本的需求出發,而不是選擇從容易的問題開始做。例如,數據缺失就收集數據,場景缺失則去探索場景等,以便在AI的競爭中奪得先機。第二,除了以API形式購買成型服務之外,還需要擁有利用自主數據提升核心業務的能力,只有這樣,才能使核心業務在AI時代具備競爭優勢。第三,建設AI應用的開發、測試、運維等技術工具,同算法和計算能力結合,形成完整的全流程機器學習平臺。依靠平臺的統一架構快速實現業務及數據閉環,從而批量開發出效果好、運行穩、質量優的AI應用。


        落地的背后,更要注重自主安全可控


        現階段,企業基于開源的人工智能框架去開發AI應用是非常普遍的做法。然而,胡時偉認為,采用開源的方式優勢固然明顯,但背后卻隱藏著諸多隱患。例如,技術選型對不成熟開源產品的過分依賴;缺少企業級環境測試及業務經驗;安全、版本穩定方面欠缺考慮;對企業信息安全和數據資產安全帶來多重風險,其中包括License隨版本變更的法律風險、后門植入和代碼質量風險、AI特有的模型受攻擊風險等等。


        因此,企業在構建AI體系時,自主、安全、可控是重中之重。秉承這一原則,“第四范式先知”包含自主研發的底層算法及分布式計算框架,其源代碼安全受到嚴格保護。同時提供完整的長期技術支持服務體系,通過對產品和技術的定期穩定迭代為企業客戶提供可靠支撐。


        第四范式根據多年的行業實踐經驗,提出了企業級的AI平臺架構,將數據、算法、線上服務、監控等功能以完善的體系化架構進行支撐。除此之外,“第四范式先知”還極為注重平臺的測試及兼容性,以企業級軟件標準構建測試中心團隊,覆蓋安全、接口、集成、場景、安全等方面的測試,并針對常見的軟硬件環境進行兼容性測試。


        AI的核心價值在于機器智能


        AI的核心價值便是利用數據,讓機器自動產生智能。在胡時偉看來,該過程與人類獲得知識、做出決策的過程類似。著名的“庫伯學習圈”理論,將人學習的過程總結為“行動、經驗、反思、理論”四個階段。機器同樣是基于過去的知識與經驗,經過無數次的思考與進步,最終輸出一個最優策略,所需的材料統稱為“BRAIN”:在機器的“學習”過程中,需要為它創造學習環境,業內稱之為過程數據(Big-data)、反饋數據(Response);其次,機器的“思考”過程需要匹配合適的算法(Algorithm)、以及能夠滿足數據量的計算資源(Infrastructure);最后,要將AI的決策應用到具體的生產環境中(Needs),從而提升業務效果。整體上來看,閉環的高維機器學習系統以及持續不斷的自主學習是“智能”的最大核心。


        此前,第四范式基于“BRAIN”及“學習圈”理論,利用“第四范式先知”為金融、互聯網、健康醫療等眾多行業用戶提供核心業務的機器智能決策支持,為企業帶來了實際的價值提升。以反欺詐為例,對比于總數在千條之內的專家規則,第四范式基于高維度機器學習模型設計的反欺詐特征體系,在總量超過25億維的特征集上進行探索,最終發現有效特征8000萬維。同等情況下,業務效果比專家規則要提升數倍到數十倍之多。


        最后,胡時偉強調,企業要構建自主可控的AI能力,是一件綜合性的系統工程,需要從數據閉環建設、系統穩定性與安全性、團隊能力培養、數據與計算能力資產統一管理等多個層面努力和投入。第四范式希望利用自身深厚的技術積累和行業落地經驗,與企業一同前行,共建企業級的AI核心系統。

        主站蜘蛛池模板: 浙江省| 确山县| 龙泉市| 分宜县| 洛阳市| 连南| 繁昌县| 华坪县| 玛曲县| 霸州市| 长宁区| 民权县| 信丰县| 新绛县| 杭锦旗| 城步| 平凉市| 金堂县| 云霄县| 桓仁| 芦山县| 勃利县| 保山市| 保靖县| 肇州县| 微博| 合阳县| 洪洞县| 两当县| 太湖县| 万盛区| 哈巴河县| 邵东县| 固安县| 运城市| 沽源县| 乐东| 库车县| 中西区| 元阳县| 大埔县|