都說人工智能的大潮已經(jīng)到來，但是人工智能應(yīng)該如何落地與產(chǎn)業(yè)結(jié)合，產(chǎn)生實(shí)際的效果？在ACM SIGKDD主席、加拿大西蒙弗雷澤大學(xué)計算科學(xué)學(xué)院教授裴健看來，產(chǎn)業(yè)AI化的核心是數(shù)據(jù)以及對于數(shù)據(jù)的挖掘，而對于企業(yè)來說，AI落地的過程中最關(guān)鍵的不是你用了多少新鮮的算法和新的數(shù)據(jù)，而是你能不能直接支撐業(yè)務(wù)部門進(jìn)行業(yè)務(wù)手段和業(yè)務(wù)內(nèi)容的創(chuàng)新。

在過去的數(shù)年中，裴健教授一直在與藍(lán)十字、SAP、IBM、華為等多家公司進(jìn)行著大數(shù)據(jù)方面的合作，對如何推進(jìn)企業(yè)AI進(jìn)程也有著深入的研究。2017年正值裴健教授的學(xué)術(shù)間隔年（Sabbatical Leave，歐美教授每隔數(shù)年可以有一年時間不承擔(dān)學(xué)校的教學(xué)工作，專心去做自己想做的研究與課題），而裴健教授曾向雷鋒網(wǎng)提過，他希望能更好參與到一個用AI推進(jìn)企業(yè)流程的完整過程中，因此裴健教授與華為展開了更全面的的深入合作并擔(dān)任華為AI首席科學(xué)家一職，幫助華為更好地將AI與其業(yè)務(wù)結(jié)合起來。

AI與傳統(tǒng)產(chǎn)業(yè)結(jié)合有兩種思路：AI+和+AI。前者先打造一個AI平臺，在平臺上跑各種AI的應(yīng)用，并將傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)到AI平臺上運(yùn)行；后者則是在某些比較適合AI應(yīng)用的領(lǐng)域先研究如何應(yīng)用AI，用AI改進(jìn)流程，并將其逐步推廣到其他傳統(tǒng)產(chǎn)業(yè)中來。裴健教授向雷鋒網(wǎng)介紹，“+AI”的思路在華為內(nèi)部供應(yīng)鏈、風(fēng)險控制、熱線客服等業(yè)務(wù)領(lǐng)域已經(jīng)得到了明顯的業(yè)務(wù)進(jìn)展，華為在此基礎(chǔ)上提供了一系列端到端的解決方案，將供應(yīng)商包含其中，以AI的方式來解決傳統(tǒng)企業(yè)的業(yè)務(wù)問題。

在正在召開的“華為全聯(lián)接2017大會”上，裴健教授結(jié)合華為云的業(yè)務(wù)，為我們進(jìn)一步介紹了企業(yè)在做AI應(yīng)用中的難點(diǎn)與挑戰(zhàn)。裴健教授認(rèn)為，AI只有使得業(yè)務(wù)產(chǎn)生價值，才能夠最終對用戶有真正的作用 。

（裴健教授演講中）

以下是雷鋒網(wǎng)整理的裴健教授演講主要內(nèi)容。

我非常高興有機(jī)會能夠跟大家分享華為在公有云上提供的AI服務(wù)，以及這些服務(wù)怎么能夠幫助我們的企業(yè)迎接未來的挑戰(zhàn)。

我們都知道在最近的幾年里面AI取得了前所未有的重大突破，產(chǎn)生了很多明星級的應(yīng)用。為什么AI這個已經(jīng)存在了幾十年的學(xué)科在最近的幾年會取得很大的突破？其中有兩個很關(guān)鍵的因素，第一個是在機(jī)器學(xué)習(xí)領(lǐng)域，我們有了一些開源的機(jī)器學(xué)習(xí)庫，如說Tensorflow、MXNet、Caffe、CNTK等，使得用戶可以很容易地編寫機(jī)器學(xué)習(xí)模型。但是編寫了一個機(jī)器學(xué)習(xí)程序并不意味著你就能夠訓(xùn)練到一個好模型，你需要大量高質(zhì)量的數(shù)據(jù)來訓(xùn)練這個模型。處理大規(guī)模高質(zhì)量的數(shù)據(jù)需要一個機(jī)器學(xué)習(xí)的平臺，而且最好這個平臺是基于云上的。業(yè)界基于云的機(jī)器學(xué)習(xí)平臺大幅度的降低了AI技術(shù)的使用門檻。 

AI目前的進(jìn)展和數(shù)據(jù)與計算密不可分。首先，我們要獲得好的機(jī)器學(xué)習(xí)模型，就必須要有大量高質(zhì)量的數(shù)據(jù)。但是，在我們很多的企業(yè)AI應(yīng)用里面缺乏大量高質(zhì)量的數(shù)據(jù)，這是企業(yè)AI應(yīng)用的一個重要的瓶頸。

如果我們大量的數(shù)據(jù)，我們可以訓(xùn)練一個深度模型，我們需要對數(shù)以百萬計的參數(shù)進(jìn)行調(diào)優(yōu)，這需要巨大的計算資源。AI需要通用的計算資源,如CPU等，也需要一些專用的計算資源，如說PU、FPGA、TPU等。目前這些資源在體系結(jié)構(gòu)上是排它的。一個子任務(wù)分給GPU去做了就會一直由GPU做。我認(rèn)為，未來體系結(jié)構(gòu)應(yīng)該逐步走向融合，有靈活的調(diào)度。

基于云的AI平臺是處理AI所需要數(shù)據(jù)的關(guān)鍵中的關(guān)鍵。在企業(yè)環(huán)境當(dāng)中有不同的機(jī)器學(xué)習(xí)的任務(wù)和應(yīng)用，我們應(yīng)該怎么樣去選取這個模型呢？一個原則是模型的復(fù)雜度一定要與問題和數(shù)據(jù)的復(fù)雜度匹配起來，否則我們要么出現(xiàn)過擬合或欠擬合的問題。不同的應(yīng)用場景會往往有不同的復(fù)雜度和不同的計算量。要使企業(yè)的AI應(yīng)用成功，不能夠只靠一個模型。我們需要一個豐富的平臺，提供豐富的AI模型和服務(wù)。

基于這樣一個考量，華為AI架設(shè)一個通向業(yè)務(wù)智能的橋。無論我們是做AI+或者是+AI，我們堅信業(yè)務(wù)的最終業(yè)務(wù)價值是AI的最終價值，一定要解決最終業(yè)務(wù)問題。AI只有使得業(yè)務(wù)產(chǎn)生價值，才能夠最終對用戶有真正的作用，否則的話，空談AI沒有任何的業(yè)務(wù)價值。企業(yè)的業(yè)務(wù)價值永遠(yuǎn)是需要端到端的解決方案。從算法到算法對大部分的實(shí)際應(yīng)用沒有意義， 需要把數(shù)據(jù)平臺、集成商、領(lǐng)域?qū)＜液蜆I(yè)務(wù)用戶協(xié)同起來。在企業(yè)業(yè)務(wù)當(dāng)中的AI是一個以技術(shù)和服務(wù)平臺作為基礎(chǔ),連接數(shù)據(jù)、領(lǐng)域知識、應(yīng)用和用戶，使各方面渾然一體、緊密結(jié)合、相互互動的解決方案。

基于這樣的理念，華為AI推出了使能服務(wù)的框架。這是建立在華為深厚的行業(yè)解決經(jīng)驗(yàn)。在最底層，我們有豐富的異構(gòu)計算平臺，包括了各種的不同硬件資源和計算資源，如傳統(tǒng)的服務(wù)器及GPU、FPGA等設(shè)備，還有昨天剛發(fā)布的Altas。

在這之上我們提供一層平臺智能服務(wù)API，覆蓋了流行的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)平臺，如TensorFlow、Caffe、MxNet等。我們還提供了非常強(qiáng)大的圖計算能力，可以在秒級響應(yīng)內(nèi)處理千億條邊百億節(jié)點(diǎn)規(guī)模的圖。這里面我們還提供了像搜索等一系列的基礎(chǔ)服務(wù)來提供平臺層的支持以及強(qiáng)大的推理功能。

在平臺API之上，我們有通用AI層，支持視覺、語音、自然語言理解等這些感知和認(rèn)知功能。用戶可以在這層上構(gòu)建通用的AI應(yīng)用。

在這之上是我們的強(qiáng)項(xiàng)，領(lǐng)域和場景AI層，是我們理解行業(yè)、理解企業(yè)，提供行業(yè)領(lǐng)域的API，如我們面向智能、物流、風(fēng)控、推薦問答、金融、制造等不同領(lǐng)域的API。對于一個行業(yè)來說，這層提供了一個Sandbox和一個工具集，可以用這些工具很容易搭建解決方案。另外，我們還提供解決方案的樣本。這是我們?nèi)A為把已有的成功經(jīng)驗(yàn)?zāi)贸鰜砀鷺I(yè)界分享。用戶你可以根據(jù)這些藍(lán)本很容易修改定制獲得企業(yè)需要的解決方案。

我們后續(xù)會沿著這個服務(wù)框架逐步發(fā)布大量的服務(wù)，歡迎大家使用，也歡迎合作方在這個平臺上貢獻(xiàn)他們的服務(wù)，共同建設(shè)企業(yè)AI應(yīng)用的生態(tài)。

點(diǎn)擊此處下載裴健教授的演講Slide

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。