奇弦智能科技公司創(chuàng)始人兼CEO在2017鈦媒體 T-EDGE 年度國際盛典上
鈦媒體注：鈦媒體T-EDGE國際年度盛典，作為鈦媒體年度最重要、在科技領域最舉足輕重的年度國際峰會，每一年年末希望能夠?qū)Ξ斈臧l(fā)生的和未來可能發(fā)生的做一些重要盤點和預判，同時，搭建一個平臺通過線上線下交流，助力全球前沿創(chuàng)新者的價值發(fā)現(xiàn)與落地。
人工智能除了大數(shù)據(jù)、圖像識別、語音識別，還有哪些可能性?在 2017 鈦媒體 T-EDGE 年度國際盛典上，奇弦智能科技公司創(chuàng)始人兼 CEO、同濟大學經(jīng)濟與管理學院副教授陸云波給出了另外一種可能——把一個公司整體裝到計算機里去，讓它具備思考能力。
在陸云波看來，今天的人工智能已經(jīng)被偏見化了，人們 80%的注意力都放在機器學習、深度學習這些具體、單獨的技術上。但實際上，能讓一個產(chǎn)業(yè)真正落地的人工智能，一定是端到端的多種技術的組合應用。
從工業(yè)時代到信息時代，再到今天，很多人認為人工智能時代已來，但陸云波卻認為，現(xiàn)在仍處于信息時代與人工智能時代之間的過渡階段——2.5 時代(大數(shù)據(jù)時代)。拿企業(yè)管理優(yōu)化領域來說，今天的 AI 更多還是圍繞單點的智能。
“但是如果能把一個企業(yè)的運行規(guī)律和數(shù)據(jù)結(jié)合起來，塑造一個全息計算的模型，我們就能在模型上開啟很多全新的想象。它能把所有單點的智能一攬子連接起來形成一個大腦，這正是我們看到的方向，也是我們正在做的。”
陸云波給奇弦智能的定義是，“一家能夠極速構(gòu)建組織大腦的公司”。目前奇弦智能首先將全息計算模型應用到了物流領域，幫助物流企業(yè)構(gòu)建一個“游戲化”的系統(tǒng)。通過這個系統(tǒng)，物流企業(yè)能在這個虛擬的快遞公司里，測試一趟運輸中可能出現(xiàn)的各種問題，并全局計算得出一個最優(yōu)的運輸方案。
而這樣一個組織大腦的應用范圍并不局限于物流行業(yè)，“比如說我們把一家制造業(yè)公司，或是一家零售公司裝進去，還將產(chǎn)生不同的化學反應。” 陸云波說道。（本文首發(fā)鈦媒體，作者/謝康玉）
以下是陸云波在鈦媒體 T-EDGE 國際年度盛典上的演講全文,略經(jīng)鈦媒體編輯:
前面上午快結(jié)束的時候，也有嘉賓說到，今天的AI有一點娛樂化、泡沫化。那一個同濟大學經(jīng)管學院的教授來講AI，是不是也會娛樂化和泡沫化呢？其實我還想再加一個詞兒，今天的人工智能還有一點偏見化。為什么這么講？
今天講到人工智能就會想到大數(shù)據(jù)、機器學習、深度學習，這些已經(jīng)占了我們80%的注意力。那么我們是否想象過一些其它的可能性呢？所以今天我想和大家分享的是另外一種可能。我們有沒有可能把一個公司整體裝到計算機里面去，讓它具備思考能力呢？
在這里我想先分享一個小故事，當然這個故事是假的。說森林里面有一條蜈蚣非常會跳舞（非常優(yōu)美、是大家崇拜的對象），但是有一只小烏龜很嫉妒它，就說你剛開始跳的時候是先出28只腳還是36只腳？你跳到75只腳的時候，下一只腳是怎么出的？這條蜈蚣就想我怎么會不知道，然后回去就拼命地想，想著想著最后連舞都不會跳了。
今天的人工智能顯然已經(jīng)開啟了一個全新的、廣闊的未來。她已經(jīng)讓很多的東西變得能夠自動處理。但是如果問她，你為什么這樣做？還有沒有其他的可能性？對她來講就是一件非常具有挑戰(zhàn)性的事情了。
所以結(jié)合到物流公司，今天有數(shù)不清的包裹在整個物流系統(tǒng)里流轉(zhuǎn)。我們要有大量的設備、管理者、決策者和工人才能讓整個系統(tǒng)正常運轉(zhuǎn)。但是這個系統(tǒng)本身是沒有感覺、不會思考的。如果你想去問這個系統(tǒng)說，你換一種方式來運作會不會更好，它是不會回應你的。這樣的系統(tǒng)今天還不存在。
今天我要特別分享的是，我們在這個方面已經(jīng)跟物流行業(yè)里面一些頂尖的公司做了嘗試，正在幫助他們構(gòu)建這樣一個“大腦”，讓他們工作中大量的管理決策能夠以智能化的方式來處理。
在這個地方我還是要回答一下剛剛拋出的一個問題：一個管理學院的老師為什么來講AI？
20多年前我剛進同濟大學讀書時，特別愛玩游戲。當時我讀的雖然是管理專業(yè)，但我一直在思考一個問題：我們可以花幾千萬上億來做一個游戲，帶來巨大的商業(yè)價值。但是對于一家世界500強，擁有幾百億產(chǎn)值的大企業(yè)，他是否愿意花幾千萬上億來做這么一個把整個公司都搬進計算機中的一個“游戲化”公司呢？如果他有了這么一個虛擬的公司，我相信他們能在上面做很多的事情。當然這在20年前是不可能的。
那個時候比爾蓋茨寫過一本書叫《未來之路》，里面就描述了說，在未來，數(shù)據(jù)是無處不在的。
那個時候我就在想，如果等到未來數(shù)據(jù)無處不在的時候，我們是否能疾速高效地把一家公司整體還原進計算機中、把它整體克隆進去呢？這是我在20年前一直問自己的一個問題。所以，我就跨界到了計算機。
今天我們看到的人工智能都是深度學習、機器學習（它也源自于神經(jīng)網(wǎng)絡）。我在20年前去看人工智能經(jīng)典教材的時候，會發(fā)現(xiàn)第一章是序論、第二章是引擎，第三章才是神經(jīng)網(wǎng)絡，第四章是機器進化，第五章是狀態(tài)機。
今天為什么說人工智能被偏見化了？其實讓一個產(chǎn)業(yè)真正落地的人工智能一定是端到端的多種技術的組合應用。就像AlphaGo也不僅僅只是深度學習，它是很多技術組合的創(chuàng)新。而我們要實現(xiàn)一家公司的實時可計算，僅靠深度學習肯定也是遠遠不夠的。
所以在過去的10多年里，我們投入了大量的精力去研發(fā)。也正是這種專注，使得我們今天研發(fā)出了目前為止能夠極速構(gòu)建組織大腦的技術，如果稍微不謙虛一點來說，我們很可能是目前唯一的一家。
今天我們還很年輕，雖然這個技術研發(fā)了十幾年，但我們公司只有一年半多的歷史。在這一年半的時間里面，我們已經(jīng)跟國內(nèi)10家頂尖物流公司中的7家建立了合作，幫助他們逐步推進、共同構(gòu)建這個大腦。
今天我們團隊里面80%的人都是省理科競賽一等獎的獲得者。我們團隊40%的人則是沒有參加高考、直接保送大學的全國計算機競賽一等獎獲得者。
所以，我們有一整個團隊正為這個事情努力著。
我們的領域就是把人工智能跟管理相結(jié)合，再落地到具體的行業(yè)。所以我們來對標一下這個行業(yè)、這個領域里正在發(fā)生的一些事情。
大家知道只有工業(yè)時代才有企業(yè)。1.0時代，我們知道的管理優(yōu)化公司就是麥肯錫、波士頓和貝恩，我們俗稱叫MBB，他們針對某個特定的難點或問題，為企業(yè)提出解決方案。
到了信息時代（2.0時代），就有了一系列的信息化產(chǎn)品，如SCM（供應鏈管理系統(tǒng)）、ERP（生產(chǎn)制造管理系統(tǒng)）和ERP（客戶關系管理系統(tǒng)）等，同時也誕生了一系列千億級的公司。這些公司大家比較熟悉的有SAP、甲骨文。包括跟在后面的IBM、埃森哲，以及我們熟知的PWC、安永等一系列咨詢公司。頂尖的這些公司都非常大。
現(xiàn)在，人工智能時代來了。我們今天滿眼看到的是視覺識別、圖象識別、語音識別。那么有沒有可能把AI技術組合創(chuàng)新、應用在我們這個領域中呢？如果有的話，應該是什么樣子。
它首先應該是一個產(chǎn)品，同時這個產(chǎn)品不再是協(xié)作、協(xié)調(diào)的，它一定是決策的，而要完成一系列決策的就應該是一個大腦。
在這個智能時代到來的時候，還有沒有更多的可能呢？我今天想提出一些全新的觀點，我認為今天的我們還處在2.5時代（大數(shù)據(jù)時代）。
今天的企業(yè)把所有的數(shù)據(jù)都匯總在一個數(shù)據(jù)倉庫里，使我們能夠去計算。同時我們也能用一系列的AI算法在這上面去挖掘到一系列有價值的點來解決問題。
比如說國內(nèi)BAT中的某一家，他們說想看看員工的離職是否能找到相關性。于是他們結(jié)合大量的數(shù)據(jù)，應用了一些算法去加載。結(jié)果發(fā)現(xiàn)員工密集使用飯票的這個行為，跟他的離職率有高達50%的相關性。
我們同樣有一個經(jīng)典的案例，當啤酒和尿布在超市里放一塊兒時，能夠同時促進啤酒和尿布相關的銷售。
但在這里我們發(fā)現(xiàn)一個巨大的缺口——這些數(shù)據(jù)是怎么來的。這些數(shù)據(jù)來自于企業(yè)，企業(yè)是運行、運作的，而這些運行、運作是有規(guī)律可尋的。當你僅顧著沉淀這些數(shù)據(jù)的時候，便喪失了數(shù)據(jù)本身之間的因果關系。
舉一個例子，假設我手上有一臺來自于未來30年后的CT掃描機。這個CT機對著我的身體，能以秒的級別，把我身體里的每個原子都掃描進超級計算機中。這樣我整個身體的大數(shù)據(jù)就存進了這個計算機中。
但這個大數(shù)據(jù)里是沒有我整個身體的運行機制的。誠然我們有了這些數(shù)據(jù)，能夠在這上面加載很多AI算法，為我們帶來很多有價值的決策，從而能更好地管理身體，讓我們更健康。
但是，今天的AI都是圍繞著一個點的AI。當然我說的還是在企業(yè)服務管理優(yōu)化的場景里。
假設我這個來自于未來的CT機，能把我生理運行的規(guī)律也掃描進去，我們就會發(fā)現(xiàn)，如果你研發(fā)了一個新藥，這個藥在原來（2.5時代）的大數(shù)據(jù)模型上是沒有辦法做任何測試的。但是當你把你整個人數(shù)字克隆到這個計算機里面的時候，你研發(fā)的新藥就能實現(xiàn)測試了。
我想描述一下這兩者之間的區(qū)別。在AI領域里專門做研究的人都知道，我們今天只知道AI能干什么事情，但是我們不能問她為什么這樣做。就像你不能問蜈蚣為什么它跳舞能跳得那么好一樣。
但是如果能把一個企業(yè)的運行規(guī)律和數(shù)據(jù)結(jié)合起來，塑造一個全息計算的模型，我們就能在模型上開啟很多全新的想象。這個模型上不再是一個單點的智能解決方案，它能把所有單點的智能一攬子連接起來形成一個大腦，去實現(xiàn)一個系統(tǒng)的智能解決方案，這正是我們看到的方向，也是我們正在做的。
我們現(xiàn)在把這個技術首先應用在物流的領域。今天在座的各位平時都會寄包裹，也會收到包裹。我們能夠感知到的就是快遞小哥拿了你的包裹，騎著車到了一個門店，門店一輛車裝出去，后面裝到哪里就不知道了。
事實上對快遞公司來講，這背后有一個龐大的網(wǎng)絡。這個網(wǎng)絡在無時不刻處理你的包裹，快遞公司的老板和COO每天也都在“跳舞”，目的就是為了實現(xiàn)讓這個網(wǎng)絡的成本更低、效率更高。
這個過程中間絕對不是一個單點的問題。我舉一個例子，假設今天華東大暴雨，同時華北霧霾，整個中國航空基本上就陷入了半癱瘓的狀態(tài)，我們深圳廣州也會受到波及。在這種情況下，道路上也會非常擁堵，這些車、這些飛機上都是裝了包裹的，這些包裹都是有時間目標的。一旦這種情況發(fā)生，對于一家快遞公司而言損失就發(fā)生了。
當發(fā)生這些損失的時候，能否有一個中央大腦能告訴你該怎么做才能挽回這個損失呢？顯然今天是沒有答案的。我們今天在物流里已經(jīng)看到有很多的場景，比如把一個倉庫完全地自動化。
但我們要是問這個倉庫說，你把你的結(jié)構(gòu)改一改，是否會變得更高效？或者問這個倉庫，如果有一批貨晚來了，我能不能插隊？能否擁有更高的優(yōu)先級優(yōu)先卸車來保持時效？這在今天是做不到的。同樣對于剛才描述的那些問題，我們目前仍沒有一個系統(tǒng)、也沒有一個大腦能讓它去挽回這些損失。這是第一個場景。
第二個場景，比如說今年上半年，我們國內(nèi)某一家著名的快遞公司，要重構(gòu)整個華東的網(wǎng)絡。理論上我們今天這些數(shù)據(jù)都有，所有環(huán)節(jié)的數(shù)據(jù)也有，那么路由的網(wǎng)絡該怎么調(diào)整呢？我們能否拿這些數(shù)據(jù)來自動計算呢？
現(xiàn)在是很難做到的。我們今天還是得請專業(yè)的咨詢公司，他們用傳統(tǒng)的算法告訴你這樣改是好的。但這樣改了真的好嗎？當他落地的時候，才發(fā)現(xiàn)到了6個月以后還沒有結(jié)論，他很難去計算和衡量。所有的這一切都需要先把整個公司還原進去，只有這樣我們的組織系統(tǒng)才能具備某種程度的思考能力和推理能力，我們的企業(yè)才會變得更加智能。
我們以前一直都在埋頭干活兒，基本上也不怎么去說。這次也非常感謝鈦媒體的邀請，也算是我們的處女秀。希望剛才分享的這些事情，能夠一點點打破對AI的某種偏見。
當然剛才我們分享的這個組織大腦，不僅僅只能用在物流行業(yè)，它還可以用在很多其他相關的領域。比如說我們把一家制造業(yè)公司，或是一家零售公司裝進去，還將產(chǎn)生不同的化學反應。希望以后有機會再和大家分享，謝謝大家！
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論