首页 > 传媒 > 关键词  > 人工智能最新资讯  > 正文

第四范式戴文渊:AI落地不能靠炒概念,需要踏踏实实下苦功

2018-06-26 08:52 · 稿源: 互联网

  由亚布力中国企业家论坛主办的“ 2018 亚布力青年论坛第四届创新年会”于 6 月 23 日在香港举行。本次论坛以“ 2018 金融科技新机遇”为议题,促进发展内地高新技术优势与香港国际金融中心优势的的良好合作,全国政协副主席梁振英、香港贸易发展局主席罗康瑞、港交所主席李小加等两地政商界人士出席并致辞。第四范式创始人兼首席执行官戴文渊先生作为高科技企业家代表,应邀分享第四范式在AI落地方面的经验。戴文渊指出,AI的未来虽然美好,但AI的落地之路却布满荆棘,不能靠炒概念,需要埋下头来,踏踏实实下苦功。第四范式团队在行业内积累了十多年的产业AI落地经验,在算法、数据、认知等多方面花了非常多的心血来降低AI落地的门槛,希望能加速AI改造升级各行各业的进程。

  图为第四范式创始人、首席执行官戴文渊演讲

  人工智能是被各行各业寄予厚望的未来技术,谈及人们最关心的AI在企业的落地问题,戴文渊指出,目前公众关注得最多的AI集中在感知层,例如人脸识别、语音识别、无人车等。但是,走在AI前端、享受着AI红利的企业,如BAT,没有哪家是靠人脸识别在经营的。戴文渊指出,企业真正需要的AI应该是决策层的AI,。

  戴文渊把企业内部的角色分成三种,高层做的是战略制定,中层的工作是策略制定,基层是策略执行。互联网和移动互联网改变的是基层的工作,也就是策略执行,越来越多交给机器去做了。今天,人工智能在企业内部改变的是,策略制定正在交给机器来做。决策AI化才能实实在在提升企业经营效率,无论是百度的凤巢系统,今日头条的推荐系统,支持其享受AI红利的技术不是人脸识别、语音识别和无人车,而是决策的智能化。

  人工智能技术已经实实在在地为头部企业创造了巨大的价值,但我们在将这项技术推广到更多领域的经营生产层面,也需要面对各种困难和挑战。戴文渊表示,企业AI落地要直面认知、数据、算法三道门槛:

  构建机器学习圈,破解AI落地的认知门槛

  首先,AI落地的第一道门槛是认知门槛。谈到AI,我们首先要正视一个问题:深度学习不是普通人能理解的交互方式,业务人员所关心的业务也不是科学家擅长的。怎样将业务人员关注的风险管控业务和科技人员关注的深度神经网络技术结合到一起呢,戴文渊认为,需要把公众可认知的交互方式和科技结合起来,形成一个门槛比较低的人工智能构建过程,使算法与业务进行对接。

  第四范式把这样的AI构建的过程标准化了,借鉴教育学的“库伯学习圈理论”,总结成为四步标准动作,分别是“行动”、“反馈”、“反思”、“理论”。通过构建起闭环,形成机器学习的学习圈。AI应用应该像学习圈一样,将业务闭环与AI产生的过程融合到一起。以电子银行转账反欺诈为例,第四范式结合银行、支付行业反欺诈场景,从反欺诈专家几十条规则,通过机器学习提升到了八千万条,准确率提升2. 5 倍以上。随着自学习系统持续优化模型效果,这个数字还将不断提高。

  构建面向AI的大数据系统,破解AI落地的数据门槛

  其次,在阐述认知门槛时提到机器的反思、总结,这其实就是深度学习的过程,但如果缺乏有效数据,效果就会受影响,这就涉及到第二个门槛——数据门槛。

  AI是基于大数据的,但很多企业有数据却不能产生AI,这是因为有大数据不等于就有AI。大数据分为两种,BI的大数据和AI的大数据,过去的大数据多数是为BI设计的,BI大数据主要是帮助人去总结一些经验,例如数据库,强调查询和统计。AI大数据是给机器看的数据,主要不是考虑查询和统计,需要的是完整和实效性高。因此两个大数据系统的设计理念天然会不同。我们经常会看到企业由于过去建设了面向BI的大数据系统,又将AI建设在这个大数据系统之上,非但没有帮到AI的落地,反倒成为AI落地的障碍。面向AI的大数据系统,要能存取PB级甚至更大量的日志,一定要支持实时存储,可以不需要实时查询和统计,但又需要极其高效的批量存取能力。正是因为传统的BI大数据系统限制了AI的发展,第四范式自主研发一套面向AI的大数据系统。其次,基于面向AI的大数据系统,我们需要建立起学习圈中的行为数据和反馈数据的收集体系:收集行为数据,收集反馈数据,让机器自学习。

  自主研发世界领先的AutoML技术,破解AI落地的算法门槛

  最后,关于算法的门槛,戴文渊表示,未来的AI,不应该依赖科学家来调参,而是让算法做到不需要科学家,让机器去学习。这也是破解AI落地算法门槛的关键。

  让机器自动建模、自动调参,这在机器学习领域称为AutoML。要做到这一点,就要把机器学习或深度学习过程中高度专业化的参数设计环节自动化,而这过去往往都是顶级数据科学家的看家本领。我们AI这个领域,过去过多强调了科学家的调参能力,不利于AI的普及。第四范式从 3 年前开始发展不需要调参的AutoML,目的就是真正让企业也掌握自有AI能力。为此,“第四范式先知”平台将AutoML技术封装,能够让用户在没有机器学习研究背景的情况下开发机器学习模型、或是缩短数据科学家用来创建模型的时间和精力投入。

  AutoML是AI赋能的重要方式之一,第四范式作为世界上最早开始研究AutoML的团队,也是世界领先的团队,过去的三年取得了多个阶段性突破。在医疗领域,第四范式和瑞金医院联合发布了糖尿病前期诊断的模型,运用AutoML技术,结合医院的数据总结出了 50 万条诊断规则,比医生普遍诊断水平提升200-300%。第四范式某一客户,利用AutoML算法,在去年的一个世界反欺诈比赛中,战胜了诸多专业反欺诈公司,获得了亚军。今年,第四范式也在与诸多国际巨头的竞争中,取得了国际最具影响力的神经网络会议NIPS中的AutoML大赛的承办权,成为国际AutoML的领导者。

  一个好的AI算法可能需要耗费工程师们 1 年的时间,而解决AI落地的问题可能需要花费一个团队 10 年时间——第四范式就是这样一个团队。秉持“AIForEveryone”的企业愿景,第四范式一直致力于降低AI应用门槛,希望AI能普惠大众、赋能百业。在长期人工智能落地和企业服务实践过程中,第四范式不断在解决着阻挡企业AI落地的各种障碍。 2015 年,第四范式推出“先知“1.0,开始迈向技术赋能企业AI落地之路。三年多的时间,“第四范式先知”积累了大量人工智能落地和企业服务的实践经验和方法,包括数以千计的团队掉进的陷进。从帮助企业从低门槛构建模型开始,到如今发展到为企业提供端到端AI覆盖能力和量产属性的AI核心系统,“第四范式先知”不仅解决了企业AI落地从 0 到 1 的各种问题,还赋予企业从 1 到N的强大能力。第四范式一直坚持探索AI落地解决之道,已经为银行、保险、证券、医疗、政务等多个领域上千余家企业提供人工智能产品、服务和解决方案,特别在金融领域,第四范式服务的客户总资产已经占到中国金融总资产的半数以上。“AIforEveryone”要求第四范式走的不是一条颠覆式创新的路,而是要帮助各行各业的合作伙伴、成为各自领域最好的AI公司,与大家共建AI时代。

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • 沈向洋:我们必须探索如何和人工智能共生存

    在“2021IDEA大会”上,IDEA创院理事长、美国国家工程院外籍院士、英国皇家工程院外籍院士沈向洋表示,“我们都是AI时代的原住民,必须探索未来如何和人工智能共生存共成长。”

  • 人工智能的未来,是为不断基于人类需求而战的科学

    究竟什么是人工智能?影视作品早已给过我们答案:在一个漆黑的夜晚,两辆汽车砰地相撞,掉进水里;一个机器人正好路过,看到了这场车祸并发现了车中陷入危险的人。机器人发现车祸的过程,这就是感知智能。这个机器人游到一个黑人警察的车外,一拳打碎车门,“救她!救那个女孩!”黑人指的另外一辆车中的女孩大喊,机器人没有理会,而是一把将黑人拉出窗外,因为机器人判断黑人生存的概率是45%,而女孩不到11%。机器人判断出二者生存概?

  • 当云计算遇见人工智能:决策智能的价值实现之路

    当AlphaGo在与人类的对弈中布下第一手棋,决策智能的时代便按下了不可逆转的启动键。近年来,决策科学从一个新兴学科一跃成为业内发展最快、应用最广泛的领域。随着云计算和人工智能快速发展,运用数据科学的力量由机器帮助人们做决策成为了可能。在萨摩耶云首席科学家王明明看来,云计算和人工智能的关系更像是血液与神经系统。他形象地把云计算比喻为动力单元,把人工智能比喻为头脑单元,只有当“动力”与“头脑”充分融合与协?

  • 城市的人工智能计算中心有多重要

    今年是“十四五”规划实施的第一年,在“十四五”规划中,对数字化、智能化在社会、经济、产业转型升级中的重大价值给予了高度肯定。这其中人工智能技术作为新一轮产业变革核心驱动力,在加快产业升级、经济转型、社会治理上起到尤其重要的作用。人工智能是一项新兴产业,是未来科技发展和科技竞争的焦点。关键技术“要不来、买不来、讨不来”,在人工智能领域,中国也有其明显的技术优势和应用优势,在人工智能科技发展的进程中,

  • 哈佛研究人员利用人工智能帮助阻止世界各地的偷猎行为

    哈佛大学约翰-A-保尔森工程与应用科学学院的徐莉莉(Lily Xu )从小就知道环境和保护对她来说是多么重要。9岁时,她已经决定吃素,因为正如她所说,“我不想伤害动物。”徐莉莉长大后认为她的热情将永远与她对计算机科学的专业兴趣分开。然后她成为了 Milind Tambe的Teamcore实验室的一名研究生,之后一切都改变了。徐莉莉现在正在进行的研究是利用机器学习和人工智能来帮助世界各地的保护和反盗猎工作。她最近的论文"野生动物保护

  • 摩尔线程与一流科技深度合作,共同加速人工智能创新和应用

    摩尔线程与北京一流科技有限公司(简称:一流科技)将展开深度技术合作,基于摩尔线程国产全功能GPU强大的计算能力及一流科技OneFlow深度学习框架的高效特性,为AI应用提供非凡加速性能。摩尔线程GPU将为OneFlow提供高性能算力支持,助力提升AI用户体验,共同打造更好的AI 行业解决方案。在此基础上,双方还将共建共享生态,助力中国人工智能行业发展。深度学习是近年兴起的人工智能研究方向,企业进行深度学习模型的训练和部署时?

  • 人工智能驱动的搜索引擎You.com将对抗谷歌

    You.com自称是世界上第一个开放的搜索引擎,今天宣布推出公开测试版,并获得了由Salesforce首席执行官Marc Benioff领投的2000万美元资金,Breyer Capital、Sound Ventures、Day One Ventures等也参与其中。该公司表示,这些资金将用于用户增长、产品和技术,因为You.com将其平台扩展到公共网络上的新用户。随着经济向网上发展,You.com断言,互联网正变得更加集中,并被少数强大的、心怀叵测的科技公司控制。相比之下,You.com联合

  • 人工智能如何助力有孚网络云计算数据中心扛起“双碳”目标

    在碳中和、碳达峰目标下,传统数据中心向新型数据中心的转型正引起越来越多的关注。据统计, 2020 年国内数据中心总用电量达到1969. 6 亿千瓦时。预计至 2023 年,中国数据中心总用电量将达到2667. 92 亿千瓦时,年复合增长率达到10.64%。数据中心行业面临巨大能源压力,数据中心加强节能减排已刻不容缓。数据中心从诞生到现在,一直在不断演进和升级。如今随着人工智能、深度学习与数据中心的融合,以AI代表的智能化技术成为数据?

  • 人工智能训练师国家职业技能标准发布 共分为五个等级

    近日,国家人力资源社会保障部(以下简称人社部)发布了《人工智能训练师》国家职业技能标准,该标准由国家人社部职业技能鉴定中心、浙江省人社厅指导,阿里巴巴集团牵头,浙江省技能人才评价管理服务中心、科大讯飞股份有限公司、北京百度网讯科技有限公司等十余家单位主要起草,历时2年完成。

  • 蚂蚁集团顾鸣:人工智能前三十年谈发展 后三十年谈可信

    “蚂蚁集团基于可信AI技术自研的、IMAGE智能风控体系中的“E”——“端云协同风控”能力已经覆盖了99%的业务场景。”蚂蚁集团机器智能部总经理、蚂蚁安全实验室学术带头人顾鸣,在前不久刚刚结束的2021年国际信息与通信安全会议(ICICS2021)中,首次对外宣布。

这篇文章对你有价值吗?

  • 热门标签

热文

  • 3 天
  • 7天