戴文淵:AI開始接管越來越多的“策略制定”工作

人工智能人物訪談篇之二

編者按：

《人工智能人物》是吳文俊人工智能科學(xué)技術(shù)獎原創(chuàng)科技自媒體公眾號。旨在交流人工智能科技前沿趨勢，對話人工智能領(lǐng)軍人物思想，解讀中國智能科學(xué)技術(shù)最高獎成長基因，搭建有態(tài)度的人工智能產(chǎn)業(yè)生態(tài)聚合平臺。

《人工智能人物》首次推出訪談欄目，我們采訪了第六屆吳文俊人工智能科學(xué)技術(shù)獎創(chuàng)新獎一等獎獲得者——第四范式創(chuàng)始人兼首席執(zhí)行官戴文淵，以下為戴文淵的獨(dú)家報道。

獲獎人物介紹

戴文淵，男，漢族，1983年生，畢業(yè)于上海交通大學(xué)，ACM世界冠軍，第四范式創(chuàng)始人兼首席執(zhí)行官。2003-2004年，獲得ACM-ICPC競賽三屆亞洲冠軍(2003一次冠軍，2004兩次冠軍)；2005年，獲ACM-ICPC全球總冠軍；2005年，獲上海交通大學(xué)校長獎；2006年，獲中國青少年科技創(chuàng)新獎。2009-2013年就職于百度，2011年，獲“最佳百度人”；2012年，獲“百度最高獎”。2013-2014年任華為諾亞方舟實驗室主任科學(xué)家時 ，獲華為“President Award”。2015年，他和機(jī)器學(xué)習(xí)領(lǐng)域的頂尖科學(xué)家、工程師、咨詢專家及行業(yè)專家一起，創(chuàng)立了通用人工智能平臺型企業(yè)“第四范式”。2016年，憑借“基于遷移學(xué)習(xí)的下一代機(jī)器學(xué)習(xí)平臺”項目成果，榮獲第六屆吳文俊人工智能科學(xué)技術(shù)獎創(chuàng)新獎一等獎。

從ACM奪冠到研究人工智能，從百度到華為再到自己創(chuàng)立第四范式，戴文淵用過去十幾年的實踐證明了，“AI”是可以“for someone”的；現(xiàn)在，戴文淵和他帶領(lǐng)的第四范式正在證明，“AI”終將“for everyone”。

AI開始接管越來越多的“策略制定”工作

人工智能是被各行各業(yè)寄予厚望的未來技術(shù)，目前公眾關(guān)注得最多的AI集中在感知層，例如人臉識別、語音識別、無人車等。但是，真正利用AI創(chuàng)造核心價值的公司，都是將AI技術(shù)用在了企業(yè)中后臺的經(jīng)營上，讓機(jī)器自己能夠自動進(jìn)行精細(xì)化決策。

決策的AI化才能實實在在提升企業(yè)經(jīng)營效率。企業(yè)內(nèi)部的角色分成三種：高層做的是戰(zhàn)略制定，中層的工作是策略制定，基層是策略執(zhí)行?；ヂ?lián)網(wǎng)和移動互聯(lián)網(wǎng)改變的是基層的工作，越來越多的企業(yè)將策略的“執(zhí)行”交給計算機(jī)。今天，人工智能改變的實質(zhì)是，策略制定正在交給機(jī)器來做。

相比于過去依靠人來制定策略，機(jī)器制定策略的優(yōu)勢更為明顯。例如，第四范式和瑞金醫(yī)院合作的一個項目，是對未來三年糖尿病患病概率進(jìn)行預(yù)測，機(jī)器制定出了50萬條判斷規(guī)則，而在此前，中、美兩國的傳統(tǒng)判斷標(biāo)準(zhǔn)只有10-30條，這是數(shù)量級層面的巨大提升。此外在金融領(lǐng)域，過去業(yè)界認(rèn)為最好的反欺詐模型是1000條規(guī)則，這是頂級專家能做到的極限，而國內(nèi)領(lǐng)先的股份制商業(yè)銀行基于第四范式的AI技術(shù)，可以找到超過25億條規(guī)則。再比如，在內(nèi)容分發(fā)領(lǐng)域，千人千面的個性化推薦應(yīng)用開始備受推崇，那如何才能做到個性化內(nèi)容推薦？實際上，只要當(dāng)業(yè)務(wù)規(guī)律數(shù)超過人數(shù)，每個人都可以被不同規(guī)律覆蓋，就能做到個性化了。

企業(yè)要解決的三個瓶頸問題

這幾年，AI給企業(yè)、行業(yè)和產(chǎn)業(yè)創(chuàng)造的價值已在越來越多的落地項目中變得更為清晰。但是，AI目前的門檻太高，將很多有大量需求的場景擋在門外，沒有真正參與到這場變革中來。AI的生產(chǎn)效率提不上去，戴文淵將原因總結(jié)為實企業(yè)AI落地要過認(rèn)知、數(shù)據(jù)、算法三道門檻：

首先，AI落地的第一道門檻是認(rèn)知門檻。談到AI，我們首先要正視一個問題：深度學(xué)習(xí)不是普通人能理解的交互方式，業(yè)務(wù)人員所關(guān)心的業(yè)務(wù)也不是科學(xué)家擅長的。怎樣將業(yè)務(wù)人員關(guān)注的風(fēng)險管控業(yè)務(wù)和科技人員關(guān)注的深度神經(jīng)網(wǎng)絡(luò)技術(shù)結(jié)合到一起？這就需要把公眾可認(rèn)知的交互方式和科技結(jié)合起來，形成一個門檻比較低的人工智能構(gòu)建過程，使算法與業(yè)務(wù)進(jìn)行對接。第四范式把這樣的AI構(gòu)建的過程標(biāo)準(zhǔn)化了，借鑒教育學(xué)的“庫伯學(xué)習(xí)圈理論”，總結(jié)成為四步標(biāo)準(zhǔn)動作，分別是“行動”、“反饋”、“反思”、“理論”。通過構(gòu)建起閉環(huán)，形成機(jī)器學(xué)習(xí)的學(xué)習(xí)圈。AI應(yīng)用應(yīng)該像學(xué)習(xí)圈一樣，將業(yè)務(wù)閉環(huán)與AI產(chǎn)生的過程融合到一起。

其次，在機(jī)器學(xué)習(xí)過程中，如果缺乏有效數(shù)據(jù)，效果就會受影響，這就涉及到第二個門檻——數(shù)據(jù)門檻。AI是基于大數(shù)據(jù)的，但很多企業(yè)有數(shù)據(jù)卻不能產(chǎn)生AI，這是因為有大數(shù)據(jù)不等于就有AI。大數(shù)據(jù)分為兩種：BI的大數(shù)據(jù)和AI的大數(shù)據(jù)。過去的大數(shù)據(jù)多數(shù)是為BI設(shè)計的，BI大數(shù)據(jù)主要是幫助人去總結(jié)一些經(jīng)驗；AI大數(shù)據(jù)是給機(jī)器看的數(shù)據(jù)，主要是完整和實效性高。因此，兩個大數(shù)據(jù)系統(tǒng)的設(shè)計理念天然不同。我們經(jīng)常會看到企業(yè)由于過去建設(shè)了面向BI的大數(shù)據(jù)系統(tǒng)，又將AI建設(shè)在這個大數(shù)據(jù)系統(tǒng)之上，非但沒有幫到AI的落地，反倒成為AI落地的障礙。正是因為傳統(tǒng)的BI大數(shù)據(jù)系統(tǒng)限制了AI的發(fā)展，第四范式自主研發(fā)一套面向AI的大數(shù)據(jù)系統(tǒng)：收集行為數(shù)據(jù)，收集反饋數(shù)據(jù)，讓機(jī)器自主學(xué)習(xí)。

最后，是關(guān)于算法的門檻，未來的AI，不應(yīng)該依賴科學(xué)家來調(diào)參，而是讓算法做到不需要科學(xué)家，讓機(jī)器去學(xué)習(xí)。這也是破解AI落地算法門檻的關(guān)鍵。讓機(jī)器自動建模、自動調(diào)參，這在機(jī)器學(xué)習(xí)領(lǐng)域稱為Auto ML。第四范式從3年前開始發(fā)展不需要調(diào)參的Auto ML， 能夠讓用戶在沒有機(jī)器學(xué)習(xí)研究背景的情況下開發(fā)機(jī)器學(xué)習(xí)模型、或是縮短數(shù)據(jù)科學(xué)家用來創(chuàng)建模型的時間和精力投入。第四范式作為世界上最早開始研究Auto ML的團(tuán)隊，也是世界領(lǐng)先的團(tuán)隊，今年，第四范式也在與諸多國際巨頭的競爭中，取得了國際最具影響力的神經(jīng)網(wǎng)絡(luò)會議NIPS中的Auto ML大賽的承辦權(quán)，成為國際Auto ML的領(lǐng)導(dǎo)者。

“先知”登場

為了解決AI落地的三大門檻問題，第四范式自主研發(fā)了“第四范式先知”的平臺。正是憑借“先知”平臺的領(lǐng)先性，戴文淵獲得了第六屆吳文俊人工智能科學(xué)技術(shù)獎創(chuàng)新獎一等獎，打破了該獎歷年只授予頂尖高校、重點(diǎn)實驗室和科研機(jī)構(gòu)的傳統(tǒng)?！跋戎毕到y(tǒng)的核心出發(fā)點(diǎn)是降低人工智能應(yīng)用的開發(fā)難度，并為企業(yè)開發(fā)AI應(yīng)用提供支撐，從而實現(xiàn)人工智能在各行各業(yè)的廣泛應(yīng)用。

“先知”的設(shè)計，來源于學(xué)習(xí)圈理論。學(xué)習(xí)圈是大衛(wèi)·庫伯提出的經(jīng)驗學(xué)習(xí)模型理論，其認(rèn)為人類學(xué)習(xí)的過程是由“行動——經(jīng)驗——反思——理論”這四個階段構(gòu)成，即通過行動產(chǎn)生經(jīng)驗，再通過反思將經(jīng)驗總結(jié)為理論，指導(dǎo)新的行為。戴文淵將人類的“學(xué)習(xí)圈”類比到機(jī)器學(xué)習(xí)領(lǐng)域，機(jī)器決策是由過程數(shù)據(jù)（行動）、反饋數(shù)據(jù)（經(jīng)驗）、機(jī)器學(xué)習(xí)（反思）、產(chǎn)出模型（理論）構(gòu)成的“機(jī)器決策閉環(huán)”。換而言之，就是建立機(jī)器對復(fù)雜事情的判斷能力和場景決策能力，模擬人的思維過程，訓(xùn)練機(jī)器能像人一樣作出決策規(guī)劃、產(chǎn)生策略。

當(dāng)前，第四范式先知平臺按照機(jī)器的學(xué)習(xí)圈理論，構(gòu)建數(shù)據(jù)、算法和生產(chǎn)三大核心，給企業(yè)客戶提供包括行為數(shù)據(jù)、反饋數(shù)據(jù)、模型訓(xùn)練和模型應(yīng)用在內(nèi)的全流程應(yīng)用?？蛻酎c(diǎn)擊進(jìn)去進(jìn)行簡單操作，就可以得到想要的應(yīng)用服務(wù)，打造出完整的基于AI技術(shù)的全流程決策系統(tǒng)。同時，第四范式提供開發(fā)工具，讓合作伙伴在各自行業(yè)內(nèi)開發(fā)應(yīng)用，應(yīng)用開發(fā)出來后，通過相關(guān)載體，企業(yè)拿去安裝即可，合作伙伴不需要派人到每家企業(yè)部署實施。

按照戴文淵的設(shè)想，隨著“先知”平臺的發(fā)展，AI門檻將會進(jìn)一步降低。未來，只需要把企業(yè)的業(yè)務(wù)目標(biāo)告訴機(jī)器，機(jī)器就可以從企業(yè)數(shù)據(jù)倉庫中創(chuàng)造出業(yè)務(wù)價值。

獲獎項目成果及進(jìn)展

遷移學(xué)習(xí)(Transfer Learning)與過去的機(jī)器學(xué)習(xí)方式相比，可將從一個環(huán)境中學(xué)到的知識用來幫助新環(huán)境中的學(xué)習(xí)任務(wù)，從而更接近人類學(xué)習(xí)的行為。遷移學(xué)習(xí)近年來受到機(jī)器學(xué)習(xí)領(lǐng)域的廣泛關(guān)注，正逐步成為人工智能和機(jī)器學(xué)習(xí)研究領(lǐng)域的主流方向之一。

本成果在遷移學(xué)習(xí)理論方面做出了世界領(lǐng)先的成績：(1) 完成了遷移學(xué)習(xí)的基本理論與算法研究；(2) 提出了全球首個非監(jiān)督遷移學(xué)習(xí)算法；(3) 世界范圍內(nèi)首次提出通用遷移學(xué)習(xí)框架。本成果的特點(diǎn)還在于理論研究與產(chǎn)業(yè)應(yīng)用的深度結(jié)合。戴文淵將遷移學(xué)習(xí)技術(shù)應(yīng)用于百度鳳巢在線營銷系統(tǒng)、百度大腦等多個重量級核心產(chǎn)品，大幅提升了業(yè)績，由此成為百度最年輕的T10科學(xué)家。

此后，戴文淵幫助華為建立起遷移學(xué)習(xí)的人工智能能力，完成了遷移學(xué)習(xí)在運(yùn)營商領(lǐng)域的第一次落地。2015年，戴文淵創(chuàng)立了第四范式公司，其主導(dǎo)研發(fā)了基于遷移學(xué)習(xí)的下一代機(jī)器學(xué)習(xí)平臺—“第四范式.先知”，該平臺致力于將以遷移學(xué)習(xí)為核心的人工智能技術(shù)，以產(chǎn)品化、平臺化的方式呈現(xiàn)，惠及更多企業(yè)。基于本成果在產(chǎn)業(yè)界的應(yīng)用，戴文淵共主導(dǎo)或參與了17件發(fā)明專利申請、1件實用新型專利申請和8件軟件著作權(quán)登記。

獲獎?wù)呒恼Z

戴文淵：作為AI技術(shù)的堅定信仰者與早期實踐者，第四范式一直致力于降低AI應(yīng)用門檻，希望AI能普惠大眾、賦能百業(yè)?！癆I For Everyone”的企業(yè)愿景要求第四范式走的不是一條顛覆式創(chuàng)新的路，而是要幫助各行各業(yè)的合作伙伴、成為各自領(lǐng)域最好的AI公司，與大家共建AI時代。