7?日，人工领域最热的话题Q莫q于正在深圳召开的?017全球人工与机器hC(x)CCF-GAIR”了。世界顶U专家和知名企业代表聚在一P最前沿的应用技术、最新的研究成果、最独到的观点看法，都能在这里看到、听到、交分享到?/span>
在此ơ论坛上Q星河首ơ提Z“智能商业”的概念(徐茂栋：(x)商业引爆产业互联|时?Q引起了q泛x。随后，在此ơ大?x)的主题分论坛中Q星河互联CEO傅淼再次详细阐述了智能商业的相关问题Q?/span>
星河互联CEO傅淼
Business Intelligence(BI)q么多年来一直被译为“商业智能”，我们可能一直都译错了Q正的译也许应该是“商业情报”。而真正的商业时代才刚刚开始?/span>
虽然目前AI的整体发展水q_U相当于六岁孩子的智商，但是q是一个严重“偏U”的童Q如果我们能正确地定义问题，q个童能在商业决策上ؓ(f)我们提供巨大的帮助?/span>
历史上看QOR(q筹?、BI、AIg都没能很好地建立起高度可依赖的商业决{支持系l。借助于AI领域的最新进展，三者结合催生了新的商业决策支持模式Q即IntelligentBusinessQ这是真正的商业?/span>
我们试l出商业的框架性定义：(x)AI增强的决{支持系l?DecisionSupport SystemQDSS)Q服务于企业中需要决{的各人员Q应该具备实时、闭环、自动进化、自动识别问题、全局优化{特征，目的在于提高企业决策的效率和质量Q增Z业在数字l济时代的竞争力?/span>
商业领域努力的终极目标——ؓ(f)构徏一个支持决{的优化模型需要做出关于决{变量的决策。AI的应用可能优化模型构徏和演化变得自动化Q也是_(d)模型本n也成Z优化的决{变量，q也意味着Z机器学习(fn)的模型的自动适应和自动演化成为可能。这L(fng)机制才是真正的Intelligent BusinessQ我们努力的l极目标?/span>
什么样的企业会(x)成ؓ(f)成功的智能企业：(x)做到法、数据和场景三者的完美融合?/span>
人类Ʋ望的驱动会(x)带来更多的需求和相应更多新的工作Z(x)Q与此同ӞAI?qing)脑机接口等新技术在教育上的应用?x)帮助未来的力_力快速适应新的工作Z(x)。技术的改进?x)给我们人类带来更多的福，而不是灾难?/span>
以下为傅淼的演讲全文Q?/span>
傅淼Q?988-1995q先后获得清华大学精密A器系学士、硕士学位，1998q获国南加州大学计机工程士学位。星河互联CEOQ清华校友互联网与新媒体协会(x)理事?/span>
大家好。今天我演讲的题目是从商业智能到商业?/span>
1、BI的v?/span>
大家知道AI真正热v来是q去两年的事Q得C产业界和投资界的q泛认可。在此之前AI在学术界赯v落落数十载，始终没有得到产业界的真正x和认可。但是反q来QBusinessIntelligenceQ也是BIQ实际上已经出现了很多年Qƈ且在商业上也获得了相当大的成功?/span>
那么问题来了Qؓ(f)什么大家一直不把Business Intelligence的成功视为ArtificialIntelligence的成功呢Qؓ(f)什么大家要歧视Business Intelligence里的q个Intelligence呢？我最q一直在思考这个问题，然后有个大胆的结论：(x)也许q二十年来，我们一直都译错了?/span>
大家知道QIntelligence在英文里有两个含义，一个是Q一个是情报的意思。那么实际上Business Intelligenceq个词可能就是商业情报的意思，只不q这么多q来我们一直想当然地把它翻译ؓ(f)商业?/span>
Z验证q个xQ我研究了一下BI的历双Ӏ?958qIBM的研I员Hans Peter Luhn首次提出了BI的定义：(x)“BI是这样一U能力，q种能力可以理解已知事实之间的相互关p，以帮助用户采取正的措施Q达成既定目标。”可以看出，BI的作用是帮助用户Ҏ(gu)据进行挖掘，发现对决{有价值的信息Q其实就是商业情报?/span>
2、客观存在着更适合计算机决{的问题
下面我们回到对h工智能的讨论。AI{于几岁孩子的智力？q是一个很隑֛{的问题。最q我扑ֈ一论文《h工智能的智商和智能等U划分研I》，是几位中国学者的研究成果Q我认ؓ(f)是在q个问题上分析得比较完备的一文章，感兴的同学可以找来看看。此文把不同q龄的hcȝ智商和不同的AIq_做了比较Q结论是代表AI最高水q的hq_l合来看和hc?岁智商是cM的?/span>
因此Q业界通常认ؓ(f)Q目前AI在商业领域的应用Q主要是在一些以成年人类的标准来看，不需要太高智能的场景q行自动化替代或人机交互的体验升U?/span>
但是Q我们对q个问题有不同的看法。我们认为只要正地定义问题Q目前AI的发展程度已l可以在商业决策支持领域发挥重要的作用?/span>
Z么我们认?岁孩子的智力能够帮助我们更好地做商业决策呢？注意我们上面提到的结论是QAI目前的水q“综合”来看和人类6岁的智商cM。但是，很明显，q个6岁的孩子是个“偏U”的童Q至他在围上已经可以战胜人类最伟大的棋手?/span>
当然Q纯_Ҏ(gu)Z好奇Q我也研I了一?岁孩子在围棋上能辑ֈ的最高水qI到目前ؓ(f)止是业余4D，q是l大多数围棋爱好者一辈子都达不到的，所以不要小看六岁孩子的智力Q在某些特定的领域经q系l的训练可以辑ֈ以成qh的标准衡量也非常高的水^。当ӞAlphaGo的水准要q远高于业余四段了，“棋圣”聂卫^认ؓ(f)AlphaGo的棋力至已l达C业二十段?/span>
所以，目前AI在hcȝ某些高zd领域已经可以辑ֈq远过成年人类的最高水q뀂关键是Q我们如何准的扑ֈq些AI可以充分发挥其能力的问题Q我们不妨还是用围棋作ؓ(f)一个例子来定义q类问题的一个可能的方向?/span>
二十q前IBMp战胜了国际象棋大师卡斯帕罗夫，大家震惊之余Qƈ没有觉得很可怕，可是Z么AlphaGo战胜围棋手很可怕呢Q因为国际象只?X8=64个格子，利用计算机可以用ID法精求解，q种情况按现在的标准不叫AI。但是围有19X19=361个节点，其计复杂度q远过国际象棋Q目前最高的超U计机也远q无法通过I尽法精求解?/span>
大家知道Qhcd脑的数D是很差的，但是在处理很多问题上通过直觉而不是运的能力可以辑ֈ相当高的水准。比如说围棋qg事情Q?9×19格已l远q超Zhcd脑的计算力，在这U情况下靠直觉、经验和惌力下围棋Q这是围的力所在。现在的AI可以模拟人类处理cM问题的方式近似地求解Q但是比人类更精，速度更快Q这才是Z觉得可怕的地方?/span>
因此Q我们可以尝试定义这样一c问题：(x)客观上它的正解是存在的而且理论上是可以通过数D精求解的Q但是它的计复杂度已经q远越了计机的算力，所以无论是是计机Q都是要用近似方法求解，只不q计机可以比h做得更精?/span>
如果我们在商业决{领域能够找到符合这个条件的一些问题，AI在帮助用h好地解决q类问题上是可以发挥重要作用的?/span>
当然Q这只是“正”地定义AI可以发挥重要作用的商业决{问题的一个粗的试。随着我们不断努力Q我怿我们?x)找到更多的定义q类问题的方法，也就是说Q会(x)扑ֈ更多的AI可以大显w手的商业决{问题?/span>
3、商业决{支持系l的几种试
自从计算生以后，人类p囑ր助其强大的数D能力徏设一个可依赖的决{支持系l?Decision Support SystemQDSS)Q让我们来回一下这个领域的发展历史?/span>
1q筹?Operations ResearchQOR)
首先从运{学来看Q商业决{的目标是追求最大化收益。商业决{绝大多数都是微观经层面上的决{，微观l济学上最核心的假设是所有的人，当然包括法h都是理性的l济人，其决{的目标是q求l济利益最大化。从OR的角度看Q商业决{的q程是最优解搜烦的过E?/span>
OR大家知道Q在40q代军二战军事后勤领域首先出现Q已l过?0q了。在q?0q内OR发展的很成熟Q在很多领域都发挥了巨大的作用。其中有q样一个非怼奇的公司Q以OR为核心技术，取得了相当大的商业成功。这家就是i2 TechnologiesQ我跟这家公怹非常有缘?/span>
我个人的教育背景比较复杂Q在清华上学的时候学的是柔性制造和工业机器人，ȝ国后先是学工业工E学Q主要就是ORq套东西Q后来又转到计算Z业。我扑ַ作的时候惊喜地发现q家公司可以把我三个专业完美l合在一P׃无反֜加入了，q且成ؓ(f)我唯一以雇员n份服务过的公司?/span>
q家公司依托于OR理念首先提出了智能化供应铄理念Qƈ形成了一套强大的产品Q借助q个理念和这套品征服了全球财富500Z的约400强，其中包括国内的联惛_华ؓ(f)。这家公司的市值在2000q最高达C500亿美金，q且?3亿美金的天h(hun)收购了AspectQ是当时软g史上最大的q购?/span>
2009qi2以只?亿美金的h卖给另外一家公司JDAQ虽然相关的产品仍然在服务客P但是作ؓ(f)软g史上的一代传奇就此落q?/span>
Z么基于OR的i2没能延箋其商业上的巨大成功？
当然原因有很多，但是在底层的产品逻辑层面上，我个人反思，可能有两个原因。一个是局部优化。学qOR的都知道Q运{学里优化最大的敌h是不小心陷入局部最优解。即使在法层面求得全局的最优解Q如果你所依托的数据都是内部数据的话，本质上还是局部的优化?/span>
W二个是静态模型问题。作Z个优化模型的构徏Q有几g事情要做Q?1)要选择决策变量Q?2)要对目标函数的Ş式进行决{，q对目标函数里的参数q行讑֮Q?3)要对U束条g的Ş式进行决{，q对U束条g里参数进行设定?/span>
q些都选择好了以后才能形成可用的模型，在上一代的ORpȝ里面Q这些都需要很多专家来参与Q最后设定好q个模型Q一旦设定以后就不会(x)L更改Q这是一个相寚w态的模型。但是实际上Q我们的产业环境是飞速变化的Q一个静态模型很隑և来反映瞬息万变的外部环境?/span>
2商业(Business IntelligenceQBI)
再来看BIQ我们暂且还把它叫做商业。作为DSS领域的一个重要分支，BI的h(hun)g得到了市可。Gartner的报告显C，?010q的时候，BI的用率辑ֈ30%Q?7%的领先企业运用了BI?017q全球市场预计可以达?83亿美金。这已经是一个相当大的市模，我们完全可以认ؓ(f)BI取得了比较大的商业成。但是增长已l非怹力，预计未来几年只有7.6%的年化增长率?/span>
3人工(ArtificialIntelligenceQAI)
最后再看AI在决{支持系l领域的应用。过d十年AI在学术界几v几落Q直到过Mq才真正走进产业界，是一个“大器晚成”的“神童”。之前几十年里AI在实用层面有限的成功是在决{支持系l的q用Q也是专家pȝ(ExpertSystem)。专家系l经历了很多q的发展Q也解决了一些问题，但是整体上很隄是一个大的成功。这里面有几斚w的原因，主要包括Q?/span>
知识表达方式单一Q主要依赖启发式规则Q以?qing)不支持大规模数D是专家pȝ的内在缺陗?/span>
知识库的完备性和规模、知识获取的隑ֺ、覆盖面{，是决定专家系l成功的军_性因素。在互联|普?qing)之前，很难把某个行业内_的数据抽取出来，构徏有效的知识库?/span>
推理机对特定领域l验的依赖很强，通用性不好?/span>
4、新一代的商业决策支持pȝQ智能商?/span>
ȝ一下，历史上OR、BI和AI在DSS领域的应用都各自取得了不同程度的成就Q但是M来看Q距建立起高度可依赖的商业决{支持系l还有不的距离?/span>
那么ZAI在过dq的重大H破Qƈ和OR、BIl合是否可以催生新的商业决策模式呢？我们把这个新的模式称为智能商业，Intelligent BusinessQ这是真正的Q而不仅仅是商业情报?/span>
1商业的定?/span>
我们试图l智能商业一个定义。大安知道到目前ؓ(f)止AI本n都没有一个业界公认的标准。在q里我们只是试图l智能商业一个框架性定义，为后面的讨论做一个基。我们认为智能商业是AI增强的决{支持系l，服务于企业中需要决{的各人员Q应该具备实时、闭环、自动进化、全局优化的特征，以及(qing)自动识别问题的能力，目的在于提高企业决策的效率和质量Q增Z业在数字l济时代的竞争力?/span>
2商业框架
q就是我们提出的商业框架(上图)Q可以看到这个框架跟传统的BI模式在单体层面上基本cMQ都是有一个数据层Q一个模型层Q上面有应用层，但是q一代跟上一代有什么不一L(fng)地方呢？
首先它不再是一个企业内部的局部优化，它要考虑自己在供应链上下游的情况Q也要考虑不同供应链之间的关系Q即要考虑一个完整的产业生态网状结构的关系?/span>
其次从数据层面，处于现在q样一个大数据的时代，企业所能接触到的数据的丰富E度是空前的。以前更多的是挑战打通内部的数据孤岛Q现在除了内部数据，q有供应链上下游企业之间点对点的数据交互Q还有更大的云化的外部数据?/span>
在传l的决策支持pȝ里，因ؓ(f)没有明确的相x，q些外部数据的利用率很低。但是外部环境对企业l营可能有更大的影响Q外部数据隐含着很多相关性，利用现在的大数据技术，可以Z业决{带来更多的数据信息Q通过AI的方式把里面有用的信息挖掘出来，应用到整个决{支持系l里面?/span>
W三个层面就是利用反馈和闭环能够Ҏ(gu)型进行自动的优化?/span>
3与传l商业决{系l的不同
当然现在我们只是提出q样一个智能商业的框架Q这只是一个v炏V当q个框架真正变成现实Q它跟传l的商业决策支持pȝ相比?x)有几点不同Q?/span>
传统DSS中最l决{者是人；在智能商业决{支持系l更多的是hZ互，而部分达到自动化决策?/span>
分析的主题以前是人提出明主题，由机器帮助分析；来机器?x)发Cq没意识到的问题?/span>
从数据上Q原来是非实时的Q来源封闭的Q将来的数据应该是实时的、来源开攄?/span>
从模型上以前是固定的Q没有自动优化的机制Q将来的模型应该是自动优化的?/span>
应用范围上以前是企业内部Q将来会(x)是全产业铄?/span>
4商业的演q?/span>
当然Q这?x)是一个长期奋斗的目标Q会(x)需要五q、十q甚x长的旉Q现在只是从理论上提样一个框? 以帮助我们开展下一步的工作?/span>
关于模型的自动优化，我想再进一步解释一下，q可能是我整个演讲里最重要的一句话(q不是一个绕口o(h))Q?/span>
为构Z个支持决{的优化模型而做出的关于决策变量的决{，q可能恰恰是AI-Enhanced DSS的核心所在?/span>
AI的应用可能模型构徏和演变的决策变得自动化，意味着模型本nQ包括决{变量、目标函数、约束条Ӟq些成ؓ(f)了优化的决策变量QŞ成了一个优化的嵌套Q这也意味着Z机器学习(fn)的模型自动适应和自动演化成为可能。当Ӟq无Z理论上还是实践上都需要大量的工作要做Q但是这L(fng)机制才是真正的Intelligent BusinessQ这是我们努力的l极目标?/span>
5商业行业价值提?/span>
q是我们做的一个智能商业的行业价值提升分布图(上图)Q显CZ哪些行业?x)更早地从智能商业的实施中尽快得到收益。横轴是从可行性角度，Uu是从价值提升角度。可行性考虑的是一个行业的数据化和信息化基Qh(hun)值提升更多的是考虑一个行业的竞争Ȁ烈程度，军_了这个行业企业是否有_动力用更Ȁq的Ҏ(gu)增强在商业竞争中的竞争力?/span>
右下角是?sh)信q营商，它的可行性是很高的，因ؓ(f)?sh)信行业数据化信息化E度很高Q但是因业竞争相Ҏ(gu)有那么激烈，所以可能采用智能商业的驱动力没有那么强。刚才伯克利的Scott Moura教授讲了国?sh)力pȝ优化的案例，竞争也没有那么激烈，但是也可以看到至现在在学术界已l引起了很多兴趣Q所以我们认为将来所有行业可能都?x)被AI所影响?/span>
6星河在智能商业的探烦
星河互联在智能商业方面除了理论性的思考，q有些具体的探烦。比如这是我们投资的公司叫`鹊，是中国第一家独立且很完善的酒店收益理体系?/span>
收益理是q个酒店每天、每时、每个客人的定h(hun)可能都是不一L(fng)Q其优化的目标函数就是让整个酒店的收益率最大化。这在航IZ已经变成非常成熟的应用，当然也只有几安常大的航I公司有钱有能力做这个事情，酒店相对比较分散Q很多小型酒店没有能力做完善的系l，我们有一个独立完善的pȝ能够q行有效的支撑?/span>
q里体现了一些我们的核心理念Q包括数据源的开攑֒实时接入Q跟市场和用L(fng)全面交互Q以?qing)基于反馈的闭环自动优化层面。当Ӟ现在q个模式自动优化很大E度上还是一个半自动的，但是它代表了一个趋ѝ?/span>
星河互联有很大一部分职能是风险投资，在支持我们自q风险投资决策上我们也在尝试徏设一套智能商业方面的pȝ。当然这套系l正处于早期Q很多问题仍需探烦Q还没有形成非常pȝ和经q初步验证的l果Q将来有Z(x)?x)跟大家再报告进展?/span>
5、黑和“工作台”应该怎么qQ?/span>
所谓黑?Blackbox)是pȝl出一个决{指令，我们完全按照这个决{执行；而工作台(Workbench)则是l你一pd决策的徏议和决策后面的成本分析，让hcd做最l决{。同时把Ҏ(gu)推理q程所Z的关键的U束告诉你，如果你对pȝl出的决{徏议都不满意，q可以根据这些关键约束的信息针对性的做工作，甚至L变某些约束，以改变求解空_(d)扑ֈ更适合实际业务需求的Ҏ(gu)?/span>
q是应用商业时两U不同的理念Q下面我谈一下我们对q个问题的看法?/span>
我们知道自动N领域对自动化E度有一个从level 0到l(f)evel 5的分U方法，q里我借用q个体系对不同行业的决策支持的自动化现状做了评h(hun)?/span>
在做q个研究之前Q我们觉得智能商业还在早期。但很快我们发现很多行业的业务决{已l非常自动化Q像q告自动投放、航I公司的收益理定h(hun)Q至在具体操作层面上都处于level 5。而另外一端，也就是完全依赖hcd{、没有Q何系l支持的level 0阶段的行业，现在几乎找不C。在不知不觉之间Q智能商业已l来C我们w边?/span>
反过来说黑箱和工作台。这里面有两个问题，一个是企业文化层面的问题，一个是q_q化成熟度的问题?/span>
我D一个供应链领域的例子，比如说今天是7?P销售刚刚签回来的大单要求必??0号交付，但是供应链计划系l考虑到所有约束，认ؓ(f)最??0h能交付。同旉团最高领g了死命o(h)Q你们必??0L(fng)我交付，q是战略订单?/span>
q种情况下，如果是黑模式，计划员就完全不知道该怎么做了Q不知道关键节点是什么地斏V如果是工作台模式，计划员就可以发现关键节点在哪里，可能是了那么一个关键器件。这个信息{递给采购部门Q可以用非常规的Ҏ(gu)获得q个器gQ在7?0号可以交付?/span>
所以可以看刎ͼ要求发挥主观能动性的商业文化里，黑箱模式是不可能的。领导给我压力，我不知道抓手在哪儿，׃(x)感觉非常不安全。另一个层面，黑箱模式?x)让很多人类在这个过E中所形成的直觉和l验消失Q如果一个企业用全自动的供应链计划系l超q五q_(d)拥有高能力的计划员可能没有了。在处理H发事g的时候，或者这个模型需要优化进化的时候，q都是依赖高U计划h才的dQ可能就?x)面临无人可用的尬局面?/span>
最q英国有一杂志有一个关键发玎ͼ人在开车的时候大脑有个区域是z跃的，但是用了GPS以后Q这个区域就不再z跃了，它的观点是如果完全依赖导航，的某一部分功能׃(x)退化掉。工作台和黑子模式也是同样的问题，你完全依赖黑，很多商业直觉和经验就?x)退化。在不同决策的环节，比如低h(hun)值的可以使用黑箱Q但是一些高价值的关键节点q是要有工作台?/span>
当然QhcdL(fng)q化都是人类能力的外化和攑֤Q当外化变的非常可靠之后Qhc自q能力退化掉了。一旦智能商业自动决{能力进化到一定程度，非常可靠Q质量非帔RQh心甘情愿放弃演化了。但是如果还不是完全可靠Q关键时候还要依赖自q能力Q这时候工作台模式可能更有效?/span>
一家企业成为成功的企业的三个核心因素是什么：(x)法、数据、场景，或者叫产品Q也是与用户和市场充分交互的服务蝲体?/span>
6、AI?x)让人类׃吗?/span>
最后也不能免俗的谈一谈对AI和hcd业的看法?/span>
比尔 盖茨有一个很有意思的观点Q企业用AI把h替换掉了要交E，Z么要交税Q因为政府需要用钱养被你砍掉的这个h?/span>
大家可以惛_外一个问题：(x)Ҏ(gu)普ؓ(f)什么当选？他当选很大程度是因ؓ(f)全球化把国蓝领的工作抢C。其实在全球化的体系中，国整体来看l济上没有吃亏，但是q些利益主要是被部分资本家赚C。如果国安过一定方法把一部分钱拿q来通过财富再分配的方式l到失去工作的蓝领工人，是不是一个皆大欢喜的l局呢？Ҏ(gu)普选择的政治\U显然不是这L(fng)?/span>
马克思关于共产主义的论断中说Q共产主义社?x)中力_是h的第一需求，现在看v来这是一个天才的论断。你只给我钱Q不l我力_者的w䆾Q我失M作ؓ(f)力_者自食其力的严。因此，Ҏ(gu)普的Ҏ(gu)是要把工作机?x)拉回到国去，让这些h能够得到力_的机?x)，昄Q他的方案更受这些蓝领工人的Ƣ迎?/span>
大家之所以会(x)xq个问题Q是觉得AI?x)把人类的工作机会(x)夺走。我?x)更乐观一点地看这个问题，人类无休止的Ʋ望?x)不断创造出更多的工作机?x)。就拿旅游这件事来说Q三四百q前除了徐霞客这L(fng)人，很少Z(x)有旅渔R求，但是现在几乎所有的人都需要旅游。有一天技术成熟，L球旅行成为所有h都想试的事情，q就是一个非常巨大的市场Q会(x)有大量新的工作出现。去月球旅行完了之后ȝ星旅行又是一个更大的市场Q更多的工作Z(x)?/span>
所以，我们无需担心没有新的工作Z(x)Q我们面临的核心问题是：(x)即有新的工作机?x)出玎ͼq种更新换代的速度?x)很快，但是成年人很难让自己_快的q步Q去学习(fn)适应新的工作Z(x)。那么，AI在拿C一些工作机?x)的同时Q在教育和培训层面是不是也能提供更多对hcd速自我进步的支持Q比如说利用脑机接口q种新的技术，是否可以知识快速注入到大脑中以适应新的岗位Q?/span>
在AI的发展历史中Q伴随着每一波新技术浪潮，Z都会(x)说技术会(x)对h的劳动市场造成冲击Q但L(fng)到目前ؓ(f)止，q没有灾隑֏生。很多专安a说AI?x)摧毁hc，但这么多最聪明的年Mh义无反顾地冲Cq个行业中来。我想他们跟我一P怿AI技术的q步?x)给我们人类带来更多祉而不是灾难，q是我的核心观点?/span>
谢谢大家Q?/span>
清华校友M(x)服务?/span>
清华校友M(x)订阅?/span>