人工智能院士探讨新一代人工智能的5大智能方向

机器之心合集

参赛者：量子奶酪、吴攀

简介：机器学习可以参与制造加工的整个生产过程：在生产过程中，通过供应链和维护计划优化来降低生产成本，提高生产效率和质量，最终通过差异化定价利润获得最大价值。

每个制造商都有很多可能性将机器学习应用到他们的行业中，通过获得对其产品的前瞻性洞察来提高他们的竞争力。

机器学习的核心技术可以解决当今制造商面临的问题。 从努力保持供应链运转，到定制化生产，再到按时完成订单任务，机器学习算法可以为每个生产环节提供更高的预测精度。 许多开发的算法都是迭代的，这意味着它们可以不断学习并寻求最佳解决方案。 这些算法可以在几毫秒内反复迭代，使制造商能够在几分钟而不是几个月内找到最佳解决方案。

机器学习改变制造业的十种方式：

1、生产率提高20%，材料消耗率降低4%。 利用预测数据分析和机器学习的智能制造系统有可能提高生产单位以及整个制造工厂级别的机器的盈利能力。 下图来自通用电气并被美国国家标准与技术研究院 (NIST) 引用，总结了在制造中使用预测分析和机器学习的好处。

数据来源：焦点小组：智能制造系统的大数据分析

2. 提供更多相关数据，以便财务、运营和供应链团队可以更好地管理工厂和需求约束。 许多制造企业的IT系统不完整，导致跨职能团队难以实现共同目标。 随着机器学习的引入，这些团队的洞察力和智能可以提升到一个全新的水平，他们优化产品工作流程、库存清单、在制品（WIP）和价值链决策的目标成为可能。

数据来源：GE全球研究Stifel 2015工业会议

3. 提高组件和本地级别的预测准确性，以提高预防性维护和维护-修理-大修 (MRO) 性能。 将机器学习数据库、应用程序和算法集成到云计算平台中已经很常见，亚马逊、谷歌和微软发布的云平台就证明了这一点。 下图解释了如何将机器学习集成到 Azure 平台中。 微软已授权 Krone 使用 Azure 平台，使他们能够实现制造运营自动化，以实现工业 4.0 目标。

数据来源：在互联世界中实现制造转型 John Shewchuk 技术研究员 DX，微软

4、实现了状态监控流程，让制造商能够在工厂层面管理整体设备效能（OEE，Overall Equipment Effectness），将OEE从65%提升到85%。 一家自动化原始设备制造商 (OEM) 与塔塔咨询服务公司合作，在其冲压线的 OEE 降至 65%、停机时间为 17% 至 20% 后改进其生产流程。 他们的解决方案是在 12 个月内每 15 秒收集并汇总设备的 15 个运行参数（例如油压、油粘度、油泄漏和气压）的传感器数据。 该解决方案的组件图如下所示：

来源：在制造业中使用大数据进行机器学习分析

5、机器学习给智能客户关系领域带来变革，Salesforce迅速成为行业领导者。 Salesforce 正在进行一系列并购活动。 下图中的表格来自Kewen的研究报告（Salesforce：Initiating At Outperform；Growth Engine Is Well Greased），该报告总结了Salesforce收购的一系列机器学习和人工智能公司，并分析了它们的新产品发布趋势和预计收益并购贡献。 Alex Konrad 在他最近的博客文章（Salesforce 将以 28 亿美元收购 Demandware 以进军数字商务）中分析了 Salesforce 以 28 亿美元收购电子商务提供商 Demandware 的交易。 Cowen & Co.预测，Commerce Cloud将在18财年贡献3.25亿美元的收入，其中Demandware的销售占很大一部分。

6、机器学习算法可以判断哪些因素对企业质量影响最大，哪些因素影响最小，从而带来产品和服务质量的质的提升。 对于许多制造商来说，在公司核心的工作流程层面提高产品和服务质量是一项具有挑战性的任务。 质量往往是孤立存在的。 机器学习通过确定哪些内部流程、工作流程和因素对实现目标质量贡献最大或最小，正在彻底改变产品和服务质量。 机器学习算法还可以通过预测质量和采购决策将如何影响 DMAIC（定义、测量、分析、改进和控制）框架中的六西格码性能指标，使制造商的制造流程变得更加智能。

7. 机器学习已经通过优化团队、机器、供应商和客户需求来提高生产效率。 如今，它正在影响航空航天和国防、离散制造、工业和高科技制造领域的日常工作环境。 随着制造商更有效地利用生产力，产品变得更加复杂和定制化，机器学习可以帮助他们优化机器、训练有素的员工和供应商选择流程。

8.由于机器学习推动了生产服务订购模式，因此可以实现制造即服务的概念。 能够支持快速和高度定制的装配线生产的制造公司现在可以启动新的业务运营，为全球服务和销售提供订购率。 面临制造成本飙升的快速消费品 (CPG) 和电子产品的供应商和零售商可能会订购制造服务，并在品牌、营销和销售上投入更多资金。

9. 机器学习是优化供应链和创造更大规模经济的理想选择。 对于许多复杂的制造公司来说，70% 以上的产品都是从供应商那里采购的，因此需要在首先满足哪个买家的需求方面进行权衡。 通过机器学习，买家和卖家可以更有效地协作，减少缺货情况，提高预测准确性，并按时或提前履行客户订单。

10. 在正确的时间了解特定用户的正确定价以实现利润最大化并使用机器学习来完成交易将变得无处不在。 机器学习正在扩展当今企业级价格优化应用程序所提供的一切。 最显着的区别是，将会有新的建议策略来优化价格和完成交易。

©本文由机器之心编译

BAT人工智能生态现状图：AI“赋能”全面战争爆发

人工智能正处于最关键的十字路口。 所谓第四次工业革命必须产生实际的革命成果。 天地广阔，谁能有所作为？ 许多AI初创公司都在各自领域取得了突破，但他们拥有强大的AI技术储备和渗透几乎所有领域玩家的能力。 目前，BAT公司主要有3家。

这场AI“赋能”之战，关乎平台、技术、场景、生态等方面的综合实力。 百度叫All in AI，腾讯叫AI in All，阿里巴巴建达摩院。 新革命谁能笑到花开？ 近战前夕，我们描绘了一幅当前的局势。

BAT现状

为了竞争，BAT迟早要下注，但离不开几件事，比如组建团队、做研发、构建生态系统。 至此，三大巨头在人工智能领域布局的大致轮廓已经可见。

百度

2013年1月，随着深度学习研究院（IDL）的成立，百度在人工智能领域的野心首次显露出来。 后来，李彦宏陆续建成了五个主要实验室。 除深度学习实验室外，还设有硅谷人工智能实验室、大数据实验室、增强现实实验室和深度学习及应用国家工程实验室。

经过五年的整合这些实验室的研发成果，逐渐形成了一个平台体系：百度智能云和百度大脑。 智能云提供计算基础设施和数据采集、分析、标注能力，而百度大脑则集成机器学习和深度学习算法，然后利用AI的语音、图像、视频、AR/VR、自然语言处理、知识图谱等感知、用户画像等认知能力发布，形成百度AI开放平台。

据百度最新公布的数据显示，百度大脑目前拥有80余项核心AI能力，超过37万开发者和合作伙伴，日调用次数2.19亿次。 这些电话来自百度内部和外部。

阿里巴巴

众所周知，马云并不喜欢“人工智能”这个词，更喜欢机器智能。 言辞的改变并不影响本质。 在整个互联网行业涌向AI的浪潮中，阿里也在2017年推出了“NASA计划”以及承载它的实体组织：达摩院。

事实上，阿里的AI研究起步早于达摩院。 公司大部分人工智能基础研究成果来自于2014年成立的数据科学与技术研究院，又称iDST。

最近，阿里正在努力将这些大脑整合到一个统一的平台：阿里云ET大脑。 在2017年上届云会上，ET大脑正式发布，其部署领域不再局限于原来的城管、医疗、工业、环保、航空，也走上了“广撒网”。

腾讯

腾讯无论做什么，都不会只投资一支团队。 人工智能也是如此。 在基础研究方面，腾讯拥有三个机构：AI Lab、优图实验室和微信AI Lab。 优图专注于计算机视觉技术，而AI Lab和微信AI研究方向不同，但也有很多重叠之处。 ，是人工智能实验室中的标准机器学习、自然语言处理、语音识别和计算机视觉。

在最喧嚣的自动驾驶和对话式AI平台上，腾讯也投资了不止一个团队，开始搭建平台、积累合作伙伴。 腾讯虽然进入AI较晚，但可以明显感受到行动和决心是伟大的。

梳理重点战场

冲突有其自身的原因和后果。 虽然广阔天地能做的事情很多，但是三所学校也都有自己的重点方向。 但还有一些战场是最重要的，也是未来人工智能技术落地过程中BAT可能最先开战的地方。

对话式人工智能

人机交互的重大创新、下一代服务门户、下一代Android、家庭的控制中心……种种期待，让智能设备的对话式AI成为BAT竞争最激烈的领域。

百度有DuerOS，阿里有AliGenie，腾讯至少有两个：腾讯云小微和移动互联网集团（MIG）叮当。 如果以智能音箱的销量来判断对话式AI系统的发展，非常擅长做生意的阿里似乎走在了前列。 2017年7月，阿里AI实验室亮相并发布了一款智能音箱：天猫精灵X1。 这款音箱在双十一降价，当天就卖出了100万台。

然而，卖音箱只是手段而不是目的。 天猫精灵背后的最终目标仍然是关于AliGenie开放平台和生态系统的梦想。 BAT有这个生态系统的梦想。

虽然百度直到去年底才推出Raven H智能音箱，但最新数据显示，DuerOS开放平台发布半年来，已新增合作伙伴130多家，硬件解决方案超过20种已实施，每月增加5个新产品。 多款车型搭载DuerOS，覆盖家居、车载、移动场景、机顶盒、电视、冰箱、音箱、机器人、汽车、手机、耳机等设备。

为了守住这个领域，除了在北京和硅谷建立庞大的AI团队外，百度还收购了两家初创公司：专注于语音交互和自然语言理解的Kitt.ai，以及后来推出了乌鸦H扬声器。

相比之下，腾讯云小微的硬件开放平台和技能开放平台仍处于内测状态。 除了与华硕合作打造的机器人外，关于合作伙伴的声音并不多。 值得一提的是，他们似乎在硬件上开辟了一条出路：智能客服。

首款智能音箱AliGenie也并非天猫精灵独有。 其硬件接入平台页面还显示了十余家合作伙伴。 此外，AliGenie还推出了垂直行业智能语音解决方案，希望为对话式AI除了家庭和移动硬件之外开辟新的场景。

自动驾驶仪

2亿辆汽车和200多家整车厂勾勒出一个具有更大想象空间的产业。 BAT在出行这件事上一直焦躁不安，战火从地图、打车软件一直烧到自动驾驶。

阿里自动驾驶业务目前还处于招募阶段。 12月中旬开始，阿里官网开始出现与自动驾驶相关的AI Labs职位。 另外，据36氪报道，这个团队中有不少自动驾驶汽车初创公司nuTonomy的老部门，并且已经开始向汽车厂商开放。 做介绍。

说到投资车厂，赚得最多的就是腾讯。 除了相继投资初创公司蔚来和威马之外，腾讯还在二级市场投资了特斯拉5%的股权，甚至还秘密投资了硅谷一家自动驾驶公司。 至于腾讯自己的自动驾驶业务，据说已经到了全面研发和多次路测的阶段。

目前，在自动驾驶进展还不够明朗的情况下，腾讯的合作伙伴大多都与汽车车联网系统中的AI相关。 广汽、长安、吉利、比亚迪、东风柳汽、博世等都与腾讯有着或多或少的联系。

最早入局的百度，已经不再与阿里腾讯处于同一发展阶段。 百度围绕Apollo已经与90多家企业达成合作，包括博世、大陆、一汽、长安、奇瑞、北汽、金龙等，也探索出了一条明确的路线——在该领域打造Android。

Apollo是百度于2017年4月推出的自动驾驶开放平台，旨在为合作伙伴提供开放、完整、安全的软件平台，帮助其构建完整的自动驾驶系统。 到2018年初Apollo 2.0发布，云服务平台、软件平台、硬件平台、车辆平台四大模块已全部开放，释放了简单城市道路自动驾驶的能力。 一切都按照去年7月宣布的路线图进行。 根据规划，2018年至2020年，百度将加快开放速度，直至最终让合作伙伴完成完全自动驾驶。

但对于阿波罗来说，生态更重要。 所谓生态，不仅仅是一个赋能的汽车工厂。 Apollo还成立了基金，向产业链上下游延伸，未来三年将投资100多个项目。 作为一个开源系统，初创公司和大学实验室也是 Apollo 的合作伙伴。

与腾讯一样，百度也投资了威马汽车以及共享出行平台首汽海汽。 此前，百度还投资了自动驾驶关键部件激光雷达核心制造商Velodyne以及相关技术开发商xPerception。

金融

另一个不可忽视的战场是金融。 阿里巴巴旗下的金融巨头蚂蚁金服和阿里云都在尝试为金融机构赋能。 自2017年1月起，蚂蚁金服开始逐步转变定位，尝试利用积累的技术能力赋能和服务金融机构。

2017年底，阿里云发布ET金融大脑，帮助合作伙伴提升风控、营销、客户服务效率。

相比之下，腾讯向金融行业合作伙伴提供的技术相对比较肤浅。 它不涉及风控等专业垂直应用，只是为其注入了更通用的身份检测、客户服务等能力。

你可能想不到，百度也是这个战场上的重要参与者。 虽然百度金融今年在to C市场上并没有闹出太大的动静，但这家“All in AI”的公司也必须坚守金融的“智能”。

在11月的百度世界大会上，百度金融科技负责人徐栋梁表示，百度金融已赋能近400家机构，为机构客户提供解决方案，为他们提供安全防护、智能获客、大数据风险等服务控制。 。 据称，百度金融也正在规划更加独立的未来。

医疗的

当谈到人工智能在各行业的应用时，很多人首先会想到医学影像。 在这一领域，百度自从医疗事业部部分团队转向AI系统后就一直沉寂，但腾讯和阿里巴巴都在抓住机会。

在首批国家新一代人工智能开放创新平台中，腾讯凭借其医学影像平台“觅影”入选。 腾讯觅影于2017年8月发布，推出的第一个产品是早期食管癌筛查。

腾讯觅影结合了AI实验室、腾讯优图、TEG架构平台部等团队的AI技术，并由互联网+合作事业部牵头。 腾讯觅影上线不到半年，已拥有西门子医疗、兰州大学第二医院、深圳市南山人民医院、中山医院等十几家合作伙伴。

马化腾此前表示，医疗和人工智能是非常好的起点，未来腾讯将在医疗领域做更多的事情。

阿里比腾讯更早进入AI医疗。 2017年3月底，ET医疗大脑首次亮相，号称具备虚拟助手、医学影像、精准医疗、药物发现、新药研发、健康管理等功能。

与腾讯的思维不同，ET医疗大脑的技术并非来自阿里巴巴内部，而是聚集了众多合作伙伴提供服务，比如进行皮肤检测的医源智能、分析病历的惠美医疗等。

零售

无论是新零售还是旧零售，无论是线上还是线下，阿里巴巴在这个领域都有天然的优势。

首先我们来梳理一下AI给阿里巴巴自身业务带来的变化。 机器人客服“阿里巴巴小米”承担了双11 95%的客服咨询； 机器智能推荐系统双11生成567亿种不同货架； AI设计师“鲁班”双11期间设计了4.1亿张产品海报； 华北数据中心运维机器人：承担运维人员30%以上的重复性工作…

就像AI对于百度搜索业务一样，AI对于阿里巴巴电商业务也有着天然的赋能红利。 除了上述进展之外，蚂蚁金服还推出了基于人工智能技术的客服机器人“小马达”，以及人工智能辅助车辆损坏评估服务“丁大猫”。

阿里还创建了一家无人零售咖啡店。 无人商店是未来一个非常有趣的趋势。 此外，在新零售思维指导下，阿里巴巴还斥巨资投资了多家线下零售相关企业，包括：齐家云、大润发、东方股份、新华都、易果生鲜、银泰百货、bigbasket、联华超市等。 ……

腾讯表示，将提供场景、大数据、AI技术支持，以及腾讯全产品线，帮助商家量身定制解决方案，帮助线下门店实现数字化、智能化，实现消费者与产品的跨场景沟通。 智能连接。

已经有一些案例了。 例如，在深圳、广州的一些服装零售连锁店，腾讯的AI技术提供了人脸识别、顾客画像、精准推荐等技术支持。 其他方向包括连锁餐饮、快速消费品等。

零售并不是百度擅长的方向，但百度也在这方面有所行动，正在寻找合适的合作伙伴，为赋能做好准备。 有趣的是，已经辞职的百度研究院前院长林元庆，其创业服务的第一个大客户就来自零售领域。