一週人物 一週數字
地方經濟資料庫

AI智慧時代,商業的真相到底是怎樣的?

2017年06月27日 14:33   來源:中國經濟網   
[字號 ]

     中國經濟網北京6月27日訊 商業智慧時代,量化決策勢不可擋,如何從洶湧的AI泡沫中找到正確方向?AI智慧時代,商業的真相到底是怎樣的?

  6月24日,首場深度AI系列論壇“AI大師圓桌系列”首場在京開講,Stanford講席教授葉蔭宇坐鎮,佐治亞理工學院、明尼蘇達大學、紐約大學、清華大學青年領袖學者助陣,從深度學習在時空大數據分析中的應用談開,詳細解剖商業智慧中的機器學習、深度學習,以及少為人知卻直指真實場景中複雜決策的運籌學。

  王子卓:“定價策略”是公司的“生命線”

  杉數科技CTO、明尼蘇達大學助理教授王子卓首先談到由數據驅動的定價策略,他認為好的定價策略是一家公司的“生命線”,在比較廣泛的意義上來説,一個好的定價策略,需要在正確的時間,正確的地點,以正確的價格,把正確的服務和商品賣給正確的消費者。如何在價格和需求量之間找到平衡,獲得最大收益,需要企業充分利用數據進行智慧決策,機器學習、人工智慧技術、運籌學的技術都是必不可少的。

  在不同的商業領域裏,有很多不同的定價場景,具體的定價場景非常複雜。他將定價場景分為6大類。

  以標準定價為例,在杉數科技和多個網際網路企業的合作中,就需要刻畫消費者的商品選擇行為,從而利用消費者對不同商品的需求關聯性,推動消費者在一次消費中購買多件商品,以提升單次消費的客單價,增加收益。這就需要綜合考慮採銷業務需求或公司戰略要求、商品的歷史銷售與價格數據、及基於用戶行為數據分析得到的消費關聯特性,構建聯合定價的商品池;基於聯合定價商品池,綜合考慮友商價格、季節性、促銷、替代品與互補品等因素的影響,構造出需求函數模型,並在此需求函數形式下構建多SKU聯合定價方案,實現全局銷售收益最大化。産品量達到百萬級。

  王子卓博士指出:“之前很多人覺得,銷量、利潤、營業額,這幾個可能是互相矛盾的指標,可能説想提升銷量就必須降低利潤,但是實際上並不是這樣。我們在這裡進行組合優化之後就可以發掘每一個SKU它的一些特性,充分利用每一個SKU它自身的一些特性,可以達到對這些指標的整體的提升。這也是我們覺得用數據驅動的這個定價非常有潛力的一點。”

  陳溪:機器學習應該如何做決策

  紐約大學助理教授陳溪介紹了前沿機器學習應用,解答通過機器學習應該如何做決策的問題——真實商業場景中的問題都是決策問題,好的預測並不等於好的決策。目前,人工智慧對於決策或邏輯上的推導還相對薄弱。因此,傳統的機器學習雖然在飛速發展,但也迫切需要與運籌學、統計學結合起來,才能夠使機器學習在商業當中得到廣泛應用,讓用戶産生的數據變得更有價值。

  在演講中,他生動地講解了多臂老虎機問題(Multi-Armed Bandit Problem,MAB):不同老虎機有著不同的收益反饋,但每一次拉動老虎機時,老虎機的反饋數值是隨機分佈的。如何進行最少的嘗試、盡可能多地確定老虎機的整體收益反饋水準,映射了很多實際生活的問題。多臂老虎機MAB演算法有著廣泛的商業用途,比如電商可以把該演算法用於某個産品消費群體的認知和開發。

  李建:時空大數據分析應對複雜商業場景

  清華大學助理教授李建的分享聚焦時空大數據分析,以深度學習應用的五個例子詳細闡述深度學習應用的難點、重點、要點。為人所熟知的深度學習往往是圖像識別、人臉識別、語音識別,或者説自然語言處理。而將時空大數據和深度學習結合起來的並不常見。時空大數據的特點是,數據類型非常豐富,比如GPS、訂單數據、天氣數據、路況數據等等。這與語音識別、圖像識別不同,需要把不同質的數據組合起來進行學習和預測,來應對這一複雜商業場景提出的實際挑戰。

  通過對於交通路況的預測,可以解決網約車供需匹配、交通部門協管交通狀況等等問題,而訂單預測則對於線上租車的車輛調度、物流網點的資源匹配等十分必要。物流公司和其他相關産業的選址問題、無人駕駛對於障礙物的預判等等也都需要相關的輔助。時空數據在各行各業中海量産生,對於這些數據的合理挖掘與利用可以幫助生産者乃至整個社會提高生産效率。

  藍光輝:優化演算法在機器學習、深度學習中的應用

  佐治亞理工學院終身教授藍光輝的演講則圍繞(大規模)優化演算法在機器學習、深度學習中的應用展開。近幾年,機器學習和人工智慧得到突破性發展,在銀行、保險、行銷、通訊、醫療等等領域得到了廣泛應用。他指出,在這些商業應用中,“除了用機器學習來做預測以外,最重要是要做決策。建立模型再做決策,涉及到優化的系統整合,不管是在機器學習過程中還是在決策過程中,都需要用到優化模型或者演算法。”優化演算法的系統整合,即求解器(Optimization Solver)。問題規模、難度越大,求解精度越高,對於求解器的要求也就越高。

  葉蔭宇:AI的發展趨勢

  斯坦福大學講席教授葉蔭宇結合杉數科技的實際案例分別講解路徑優化、庫存管理、投資組合三大應用。1982年就去美國斯坦福大學讀書的他看待今日的AI熱潮,有著獨特的歷史眼光。對於AI的發展趨勢,他提出三個觀點:

  1、未來數據量會幾何增長,模擬規模也飛速增長,所以需要超大規模的優化演算法,比如工業4.0的智慧排程與生産,需要超大規模的的線性非線性規劃,優化演算法;

  2、要從實際的角度考量,如何實現演算法的大規模高效實現,特別是並行化與集群化,使得其與軟硬體充分結合發揮其最大效能,例如如何利用GPU實現一些複雜二階演算法的並行運算,都是目前研究的熱點與難點。

  3、在AI的應用上,要考慮如何充分發展可以應用於具體場景的高效演算法,如智慧供應鏈,智慧金融,健康管理等領域。

(責任編輯:彭金美)