杉數(shù)科技一直以來對舉辦產(chǎn)學結(jié)合的圓桌會懷有極高的熱情。

這家成立于 2016 年的公司由五位斯坦福大學教授及博士創(chuàng)立，以運籌學泰斗、馮·諾依曼獎得主葉蔭宇教授為核心，聯(lián)合商學院、運籌學及決策分析與風險分析等專業(yè)的四位博士，圍繞海量數(shù)據(jù)環(huán)境下的復雜問題提供降本增效的優(yōu)化決策方案。

葉蔭宇教授認為，既然杉數(shù)科技的核心創(chuàng)始團隊是以科學家為主，鑒于自身的技術(shù)優(yōu)勢與獨特性，公司的經(jīng)營與發(fā)展從戰(zhàn)略層面而言，也不能只局限于產(chǎn)品本身，需要從最前沿的研究及行業(yè)亟需解決的問題為企業(yè)提供全新的思維模式。

因此，杉數(shù)科技在做好自身業(yè)務(wù)規(guī)劃的同時，也組織了多場 AI 大師圓桌會。不論是關(guān)注算法及商業(yè)落地的「智能商業(yè)時代, 算法的力量」；或是關(guān)注博弈論及相關(guān)應(yīng)用的「AI 時代, 博弈與行為分析」，無一例外地，杉數(shù)科技都邀請到了相應(yīng)領(lǐng)域的國內(nèi)外優(yōu)秀甚至是頂尖的 AI 學者為與會者進行分享。

在近日杉數(shù)科技于上海主辦的「2018 第二屆 AI 大師圓桌會」——「從鏈到網(wǎng)：數(shù)字賦能零供新關(guān)系」上，杉數(shù)科技圍繞智慧供應(yīng)鏈的背景及現(xiàn)狀邀請到了多位學者及企業(yè)嘉賓到場交流。

雷鋒網(wǎng) AI 科技評論了解到，杉數(shù)科技在服務(wù)企業(yè)，為他們提供多項定制最優(yōu)化決策能力的同時，也希望能通過這樣的研討平臺，助力企業(yè)間的商業(yè)合作。

「在服務(wù)企業(yè)之時，一方面我們提供上層解決方案，另一方面我們也在幫助企業(yè)建立他們的學科體系，人才體系，做這類看似『吃力不討好』的工作?！股紨?shù)科技 CEO 羅小渠如是說，但他認為，這些服務(wù)對于一個具有科學家基因的公司而言是值得的?！杆械暮献鞫际枪糙A的，當企業(yè)對這些思緒、工具和方法有了更深的理解，那么杉數(shù)能夠得到更進一步的提升；而即便企業(yè)未來對杉數(shù)的依賴不再像以前那樣大，我們在這個過程中也能收獲寶貴的實踐經(jīng)驗。」

目前在大量數(shù)據(jù)的業(yè)務(wù)場景下，融合運籌學與機器學習的方法能為以新零售、物流行業(yè)為代表的領(lǐng)域構(gòu)造智能化系統(tǒng)，在智能選址上發(fā)揮作用。以杉數(shù)科技構(gòu)建的智慧選址系統(tǒng)為例，它采用了「大數(shù)據(jù)+機器學習+運籌優(yōu)化」三位一體的選址解決方案，綜合全局多業(yè)務(wù)目標最優(yōu)的基礎(chǔ)上幫助企業(yè)。

紐約大學助理教授陳溪在演講中也提及了僅僅依靠深度學習來解決實際問題的局限性。圖像的結(jié)構(gòu)化讓深度學習得以提取足夠的特征，并在一些應(yīng)用場景中取得良好的表現(xiàn)，但這并不代表它在解決商業(yè)問題上同樣能取得良好效果。AlphaGo Zero 通過深度強化學習算法，在圍棋這樣完全信息博弈的環(huán)境下，規(guī)則明確，且有既定的目標，因此能有出色的表現(xiàn)。但在如分類和預測這樣的實際決策問題上，只依靠深度學習是遠遠不夠的。而反過來說，決策的問題才是實際應(yīng)用中最需要解決的問題。

一個決策過程需要綜合在各種因素中進行權(quán)衡，這也是運籌和優(yōu)化的復雜性及核心所在。特別是，綜合歷史數(shù)據(jù)、用戶行為與實際購買行為匹配等多種條件下，如何考量決策的效果，也是陳溪博士在本次演講中啟迪大家思考的一點。

而從 UCLA 杰出教授、運營管理頂級期刊 MSOM 主編 Christopher Tang 的角度來看，供應(yīng)鏈信息的交匯與融合能夠成為「網(wǎng)」狀決策，并從預測、優(yōu)化、模擬及決策鏈條下進行科學管理。

供應(yīng)鏈信息的流動主要從產(chǎn)品供應(yīng)商，流經(jīng)制造商、總經(jīng)銷、零售點，最終傳遞到消費者身上。通過列舉 IPE、NIKE、大疆等企業(yè)的信息可視化、透明化案例，Christopher Tang 希望供應(yīng)「網(wǎng)」決策能夠影響消費者的決策思維，反過來影響企業(yè)的環(huán)境可持續(xù)發(fā)展、社會責任感、經(jīng)濟發(fā)展，綜合提升企業(yè)的經(jīng)濟效益和環(huán)境效益。

從學術(shù)和應(yīng)用的角度了解了機器學習、供應(yīng)鏈信息與決策的關(guān)系后，普洛斯戰(zhàn)略顧問、隱山資本合伙人董中浪以《物流：一個正被技術(shù)顛覆和解構(gòu)的行業(yè)》闡述了他對物流行業(yè)資本層面的理解。在他的觀點中，企業(yè)紛紛布局零售、電商行業(yè)，跑馬圈地，本質(zhì)上是希望盡快搶占一個全國甚至全球性的倉配體系、物流體系。

本質(zhì)上，這是一個通過技術(shù)重構(gòu)供應(yīng)鏈的過程?？萍荚谖磥頃笝M切」物流產(chǎn)業(yè)，圍繞核心技術(shù)，整個產(chǎn)業(yè)會從基礎(chǔ)設(shè)施和應(yīng)用場景兩個層面進行變革，技術(shù)將抹平所有的服務(wù)界限。董中浪也指出，掌控物流產(chǎn)業(yè)中的應(yīng)用場景是服務(wù)商的核心要務(wù)。

從代表生產(chǎn)力的 AI（機器智能），代表生產(chǎn)關(guān)系的區(qū)塊鏈，以及代表生產(chǎn)資料的 IoT 技術(shù)，都將更進一步地讓物流行業(yè)發(fā)生巨變。

「數(shù)據(jù)和 AI 驅(qū)動的物流資產(chǎn)所帶來運營的高效率，將徹底解構(gòu)原有的物流產(chǎn)業(yè)格局。」從資產(chǎn)角度，董中浪認為，最好的物流公司本質(zhì)上應(yīng)該是最好的科技公司，但更進一步地，最好的科技公司也將會是最好的資產(chǎn)管理公司，因為對于一個企業(yè)而言，資產(chǎn)的協(xié)調(diào)與統(tǒng)籌勢必在未來將起到更大的作用。

在當今的商業(yè)環(huán)境下，更海量的數(shù)據(jù)、更多維的決策復雜度、更多元的決策信息、以及對實時性越來越強的需求，給目前的商業(yè)決策提出了更進一步的挑戰(zhàn)。

與陳溪博士同樣地，斯坦福大學教授、美國工程院院士 Peter Glynn 也指出了機器學習的局限所在，但他主要是從數(shù)據(jù)缺失的角度來分析的。此外，無從量化的因素在商業(yè)決策中隨處可見，通過仿真模擬技術(shù)應(yīng)用用于決策的必要性便呼之欲出。結(jié)合他在仿真技術(shù)框架在模擬與決策中的相應(yīng)研究，Peter Glynn 向與會觀眾分享了他在大規(guī)模數(shù)據(jù)下，如何基于隨機模擬解決不確定性因素眾多的商業(yè)決策。

那么在如此繁雜的商業(yè)場景下，標榜自己是「真正意義上的人工智能決策公司」的杉數(shù)科技，又是從哪些角度來解決這一問題的？

杉數(shù)科技 CTO 王子卓在會議最后分享了公司如何在各個業(yè)務(wù)「打通從數(shù)據(jù)到?jīng)Q策的鏈條」。圍繞零售、物流、制造業(yè)等三大核心產(chǎn)業(yè)，杉數(shù)科技圍繞大規(guī)模調(diào)度與供應(yīng)鏈解決方案，在智慧預測、庫存優(yōu)化、倉儲自動化、數(shù)據(jù)管理、運輸優(yōu)化、智慧選址、生產(chǎn)制造等多個領(lǐng)域做全局統(tǒng)籌，并結(jié)合多種業(yè)務(wù)的約束條件，幫助企業(yè)高效低成本地實現(xiàn)資源的優(yōu)化配置與統(tǒng)籌。

以物流行業(yè)為例，最常遇見的三類運籌學問題包括區(qū)域的劃分和選址（哪個車隊負責哪個區(qū)域，物流樞紐怎樣才能是效率最高和成本最低等問題）、收益管理與定價（如何根據(jù)不同服務(wù)制定產(chǎn)品線）及運輸優(yōu)化問題。融合運籌學與人工智能學科的交叉，結(jié)合「算法+模型」的解決方案，杉數(shù)科技能為企業(yè)提供多維度、多目標、多場景的配送任務(wù)分配以及路線規(guī)劃建議，能有效實現(xiàn) 10-25% 的物流配送成本節(jié)省。

在本期的 AI 大師圓桌會環(huán)節(jié)上，來自學界與企業(yè)的嘉賓通過觀點的碰撞，暢談了零供關(guān)系的趨勢與機會所在。企業(yè)效益自然是以減少成本、提升收益為衡量條件，而以杉數(shù)科技為代表的 AI 企業(yè)也致力于將這種定制決策的能力賦予更多的公司。更難得的是，杉數(shù)科技通過這樣一個學術(shù)意味濃厚的「AI 大師圓桌會」，一方面強化自己在學界領(lǐng)域的豐厚資源和技術(shù)實力，另一方面也為與會的企業(yè)人員提供了參考案例，為進一步的合作打下良好的基礎(chǔ)。

深度學習訓練數(shù)據(jù)不平衡問題，怎么解決？雷鋒網(wǎng) AI 研習社社區(qū)已于即日上線，歡迎移步看看哦！

https://club.leiphone.com/

雷鋒網(wǎng)報道。

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。