2020年2月4日，工信部發布《充分發揮人(rén)工智能賦能效用 協力抗擊新型冠狀病毒感染的(de)肺炎疫情倡議書》，要(yào / yāo)求加大(dà)科研攻關力度，盡快利用人(rén)工智能技術補齊疫情管控技術短闆，快速推動産業生産與應用服務，在(zài)疫情發現、預警、防治等方面有所作爲(wéi / wèi)。

這(zhè)是(shì)一(yī / yì ／yí)場特殊的(de)戰争，而(ér)人(rén)工智能已成爲(wéi / wèi)一(yī / yì ／yí)支特殊的(de)尖兵隊伍，不(bù)怕危險，不(bù)知疲倦，正全面加入抗擊新冠肺炎的(de)第一(yī / yì ／yí)線。2月18日上(shàng)午，廈門創投視頻會議連線到(dào)了(le／liǎo)淵亭科技創始人(rén)洪萬福，聚焦“人(rén)工智能總體介紹及在(zài)疫情中的(de)應用”這(zhè)一(yī / yì ／yí)主題進行直播分享，帶大(dà)家走近“人(rén)工智能時(shí)代”。

淵亭科技成立于(yú)2014年，是(shì)一(yī / yì ／yí)家在(zài)廈門本土成長起來(lái)的(de)優秀人(rén)工智能企業，在(zài)金融、國(guó)防、公安政務等領域技術積澱深厚。淵亭科技于(yú)2019年11月獲得了(le／liǎo)市産業投資基金參股子(zǐ)基金中電中金基金和(hé / huò)廈門創投自主管理的(de)金創集智基金的(de)投資。

 

 

 

洪萬福：15年軟件行業從業經驗，擅長大(dà)型系統架構規劃、知識圖譜、自然語言處理等。曆任清華同方軟件出(chū)口首席架構師、Dell架構師等，主導設計過十幾個(gè)千萬-億級大(dà)型信息化系統。參與《工信部信通院-知識圖譜行業标準2018版》、《深度學習評估框架和(hé / huò)過程》多項國(guó)内及國(guó)際标準的(de)制定。2014年創立淵亭科技并推出(chū)DataExa産品系列（知識圖譜、AI中台等），專注認知智能方向在(zài)行業的(de)應用和(hé / huò)賦能。

以(yǐ)下爲(wéi / wèi)視頻會議精選内容—— 

一(yī / yì ／yí)、人(rén)工智能概況  

人(rén)工智能定義

人(rén)工智能是(shì)計算機科學的(de)一(yī / yì ／yí)個(gè)分支， 它企圖了(le／liǎo)解智能的(de)實質，并生産出(chū)一(yī / yì ／yí)種新的(de)能以(yǐ)人(rén)類智能相似的(de)方式做出(chū)反應的(de)智能機器，該領域的(de)研究包括機器人(rén)、語言識别、圖像識别、自然語言處理和(hé / huò)專家系統等。

“三次浪潮”

人(rén)工智能起始于(yú)1950年的(de)圖靈測試，而(ér)1956年的(de)達特茅斯會議标志着人(rén)工智能的(de)誕生，并用AI（Artificial Intelligence）代表人(rén)工智能。

  人(rén)工智能共經曆了(le／liǎo)“三次浪潮”：第一(yī / yì ／yí)次浪潮是(shì)1955-1958年，由感知神經網絡将人(rén)工智能推向第一(yī / yì ／yí)個(gè)高峰，代表公司是(shì)美國(guó)的(de)DRAPA，由于(yú)當時(shí)算力、算法的(de)限制，此次浪潮很快陷入低谷；第二次浪潮興起于(yú)上(shàng)世紀八十年代，當時(shí)反向傳播算法獲得廣泛關注，參與人(rén)工智能開發的(de)主力軍是(shì)高校和(hé / huò)實驗室，但除了(le／liǎo)算力不(bù)足，當時(shí)還缺乏運算數據，所以(yǐ)第二次浪潮再次陷入低谷。目前我們處于(yú)快速發展第三次浪潮，互聯網（含移動互聯網）的(de)普及産生了(le／liǎo)海量信息的(de)數據，GPU、FPGA等芯片研發有效提升了(le／liǎo)算力，行業參與者也(yě)更加多樣化，民間機構紛紛投入研發，嘗試解決垂直場景問題，預示着本輪人(rén)工智能浪潮會持續很長時(shí)間。

 

機器學習

機器學習是(shì)對能通過經驗自動改進的(de)計算機算法研究，其中包含了(le／liǎo)：監督學習(Supervised learning): 已知數據和(hé / huò)其一(yī / yì ／yí)一(yī / yì ／yí)對應的(de)标簽，訓練一(yī / yì ／yí)個(gè)智能算法，将輸入數據映射到(dào)标簽的(de)過程。無監督學習(Unsupervised learning): 已知數據不(bù)知道(dào)任何标簽，按照一(yī / yì ／yí)定的(de)偏好，訓練一(yī / yì ／yí)個(gè)智能算法，将所有的(de)數據映射到(dào)多個(gè)不(bù)同标簽的(de)過程。弱監督學習(Weakly supervised learning): 已知數據和(hé / huò)其一(yī / yì ／yí)一(yī / yì ／yí)對應的(de)弱标簽，訓練一(yī / yì ／yí)個(gè)智能算法，将輸入數據映射到(dào)一(yī / yì ／yí)組更強的(de)标簽的(de)過程。強化學習(Reinforcement learning): 智能算法在(zài)沒有人(rén)爲(wéi / wèi)指導的(de)情況下，通過不(bù)斷的(de)試錯來(lái)提升任務性能的(de)過程,用于(yú)有勝負之(zhī)分的(de)場景，比如Alphago圍棋，告知機器規則後，機器将不(bù)斷試錯達到(dào)所需結果。以(yǐ)及半監督學習(Semi supervised learning) 和(hé / huò)多示例學習(Multiple instance learning) 。

深度學習是(shì)機器學習的(de)分支，是(shì)一(yī / yì ／yí)種以(yǐ)人(rén)工神經網絡爲(wéi / wèi)框架，對數據進行表征學習的(de)算法，傳統的(de)機器學習需要(yào / yāo)人(rén)爲(wéi / wèi)先總結特征，比如研究航空公司如何降低油耗，需要(yào / yāo)先提取飛行數據特征如風向、飛行動作等，再同曆史數據對比找到(dào)存在(zài)規律，給機器設定起始态和(hé / huò)最終态，深度學習在(zài)中間的(de)特征提取部分，可由機器模拟人(rén)腦感知鏈條，自動提取特征，中間過程由機器模拟人(rén)腦感知鏈條，自動提取特征導出(chū)結果。

 

人(rén)工智能三層次

計算智能：運算能力和(hé / huò)存儲能力。例如1996年IBM的(de)深藍計算機戰勝了(le／liǎo)當時(shí)的(de)國(guó)際象棋冠軍卡斯帕羅夫，其主要(yào / yāo)靠的(de)就(jiù)是(shì)算力。

感知能力：機器的(de)視覺、聽覺、觸覺等感知能力。人(rén)類都是(shì)被動感知的(de)，但是(shì)機器可以(yǐ)主動感知，例如激光雷達。

認知智能：獨立思考和(hé / huò)解決問題的(de)能力，通俗講是(shì)“能理解、會思考”。概念、意識、觀念等都是(shì)人(rén)類認知智能的(de)表現，但目前技術尚未成熟。

人(rén)工智能學派

符号學派：模拟人(rén)的(de)心智。認知智能、知識圖譜業務都屬于(yú)該學派。

聯結學派：模拟腦的(de)結構。

行爲(wéi / wèi)學派：模拟人(rén)的(de)行爲(wéi / wèi)。

近些年人(rén)們越來(lái)越意識到(dào)學派之(zhī)間相互融合的(de)重要(yào / yāo)性，比如“知識圖譜+深度學習”，試圖解決知識圖譜在(zài)邏輯推理能力強、泛化能力弱和(hé / huò)對深度學習不(bù)重視人(rén)類現有知識體系的(de)矛盾及問題。

人(rén)工智能三要(yào / yāo)素

數據、算法、算力（實際使用中還是(shì)以(yǐ)CPU海量廉價節點爲(wéi / wèi)主，GPU使用較少）。

人(rén)工智能進展及邊界

計算智能遠超人(rén)類，代表案例是(shì)深藍打敗國(guó)際象棋人(rén)類選手。

感知智能中，語音識别整體上(shàng)超越人(rén)類，代表案例是(shì)微軟2015年發布的(de)翻譯軟件。

圖像識别也(yě)屬于(yú)感知，圖像識别和(hé / huò)感知、認知計算不(bù)是(shì)一(yī / yì ／yí)個(gè)層級，常規識别遠超人(rén)類（例如人(rén)臉識别），但泛化識别弱于(yú)人(rén)類。

認知智能中，文本挖掘的(de)常規任務接近人(rén)類，語義理解遠不(bù)到(dào)人(rén)類水平，情報分析與人(rén)類具有很強互補性。

決策控制屬于(yú)強人(rén)工智能（AGI：Artificial General Intelligence），其中無人(rén)駕駛可以(yǐ)在(zài)有限條件下使用，暫弱于(yú)人(rén)類；綜合決策要(yào / yāo)看所在(zài)領域的(de)複雜程度（例如Alphastar在(zài)星際争霸已達到(dào)宗師水平，AlphaGo碾壓人(rén)類圍棋選手）。

 

人(rén)工智能生态圈

基礎層：芯片/服務器、雲服務、計算平台/框架、數據服務等。

技術層：計算機視覺、自然語言處理（NLP）、機器學習等。

垂直應用層：智慧醫療、智慧教育、智慧金融、智能駕駛等，存在(zài)很多行業機會。

人(rén)工智能（以(yǐ)深度學習爲(wéi / wèi)代表）面臨的(de)問題

缺乏常識：例如2016年特斯拉交通事故，調查表明當時(shí)有7秒反應時(shí)間，但汽車訓練時(shí)沒有遇見過此類情形，錯誤反應造成事故。

可解釋性：例如銀行在(zài)傳統信用卡審批中采用評分制，過程可以(yǐ)解釋，但AI審批隻輸出(chū)結果，中間決策過程是(shì)個(gè)黑盒（卷積神經網絡CNN），因此不(bù)可解釋。

效率問題：機器學習認識一(yī / yì ／yí)件事物需要(yào / yāo)大(dà)量多維度數據，同時(shí)配合相應算力，而(ér)人(rén)類在(zài)某些學習場景隻需要(yào / yāo)很少素材，比如兒童識圖。

安全隐患：比如在(zài)感知智能裏，給機器一(yī / yì ／yí)些幹擾會影響識别準确率。

 

人(rén)工智能威脅和(hé / huò)倫理

失業危機：短暫性痛苦，但長期可以(yǐ)解決。

AI偏見：學習過程大(dà)量依賴語料，采集過程中會摻雜帶有偏見素材。

戰争用途：例如美軍研發殺人(rén)無人(rén)機。

 

人(rén)工智能重要(yào / yāo)發展方向

小樣本學習/小數據學習：人(rén)類在(zài)與世界的(de)觀察交互中學習、建立常識并完成新的(de)任務，并不(bù)需要(yào / yāo)如今智能系統的(de)海量标注數據或大(dà)量交互。

持續學習：人(rén)類的(de)學習可适應持續動态變化的(de)環境，目前的(de)機器學習一(yī / yì ／yí)般是(shì)定期離線訓練，不(bù)能有效應對無時(shí)無刻都可能發生變化的(de)環境。

開放場景 通用AI：人(rén)類可以(yǐ)綜合利用各種智能解決不(bù)同問題，現階段的(de)智能系統通常僅能解決限定場景領域有清晰邊界的(de)問題。

可解釋性：時(shí)下最熱門的(de)深度學習方法往往是(shì)“黑箱子(zǐ)”，但缺乏足夠的(de)理論支持，對于(yú)重大(dà)決策問題或監管性的(de)任務，理解模型的(de)内部機制很有必要(yào / yāo)。

二、人(rén)工智能行業應用

目前，人(rén)工智能已經廣泛用在(zài)金融、安防、電信、醫療、教育、工業制造等領域。

淵亭科技服務案例有：

案例1（某銀行）：幫助公司搭建消費金融征信風控大(dà)數據平台，通過結合運營商提供的(de)數據（BOSS計費、支付記錄等），精準識别客戶，在(zài)2017年電商雙11期間，在(zài)近600萬用戶中實現近79億的(de)交易額度。

案例2（某監管機構）: 幫助監管機構，把央行條例解讀後寫成規則，重點挖掘賬戶異常交易和(hé / huò)行爲(wéi / wèi)，解決人(rén)工漏報誤報問題，尤其在(zài)針對新出(chū)現的(de)洗錢手段上(shàng)效果顯著。

案例3（某券商）：幫助券商搭建證券行業第一(yī / yì ／yí)個(gè)智慧大(dà)腦項目，把所有數據（工商數據、宏觀數據、交易數據等）規整建立大(dà)數據庫，構建金融證券知識圖譜（宏觀經濟、産業鏈、企業畫像、産品服務），通過分析模型實時(shí)解讀新聞和(hé / huò)上(shàng)市公司公告，對事件風險預警的(de)準确率提升至59%-72%。

案例4（某監管機構）：通過上(shàng)傳交易所數據，無監督學習建模，對可疑交易賬戶（特點窗口内對敲行爲(wéi / wèi)）分組，再結合可視化行爲(wéi / wèi)分析，抓取操縱股價行爲(wéi / wèi)。

三、人(rén)工智能疫情防控應用  

 

人(rén)工智能防控概況

 

這(zhè)次疫情傳播主要(yào / yāo)有四個(gè)痛點問題需要(yào / yāo)破解：如何阻斷傳播、病毒傳播溯源、調度優化、疫情監控。

目前人(rén)工智能在(zài)疫情防控中的(de)應用主要(yào / yāo)有：病例篩查（通過算法篩選）、藥物研發（AI臨床實驗、藥物分析）、無人(rén)服務（無人(rén)機器人(rén)）、傳播控制（大(dà)數據分析）、日常管理（登記）、預警預防。

淵亭科技疫情作戰平台總體架構

正月初三，淵亭公司在(zài)國(guó)家疾控小組的(de)領導下，開始積極搭建疫情作戰平台，目前已通過工信部全國(guó)疫情防控評測認證，并推薦給各部委采購使用。

其中，數據采集模塊：最小集合包括确診人(rén)員信息、交通出(chū)行數據、運營商數據，最優集合包括社區數據、城市監控數據、互聯網第三方數據等。功能模塊：一(yī / yì ／yí)是(shì)預警中心：聚集性疫情預警信息、關鍵節點發現預警、超級傳播源預警、高危群體防控預警。二是(shì)研判中心：針對疫情信息大(dà)數據，快速構建疫情圖譜，提供基于(yú)圖譜的(de)關聯分析、時(shí)空分析、流向分析等可視化分析手段，結合人(rén)員關系網絡快速挖掘關鍵節點及二三度人(rén)群等，幫助防控部門從根源阻斷病毒傳播途徑。

 

》》交流互動環節——

 Q&A 

Q:未來(lái)3-5年，淵亭在(zài)民用領域有哪些拓展計劃？

A:公司核心能力是(shì)知識圖譜，偏向情報分析，抓住圖譜賦能方法論就(jiù)可以(yǐ)實現跨行業服務。比如在(zài)工業互聯網領域，像内部管理、物料供應鏈管理都存在(zài)需求，淵亭可以(yǐ)帶動工藝水平提升，提高人(rén)效，難點在(zài)于(yú)數據标準化，特别針對中小企業。在(zài)民用領域方面，判斷社會服務性行業存在(zài)落地(dì / de)機會，比如無人(rén)超市，無人(rén)銀行。

 

Q:經曆此次疫情， AI未來(lái)會對政府公共管理可能産生哪些變革？

A:首先，國(guó)家層面會更加重視信息化建設，會深度挖掘，打通各個(gè)部門數據，優化數據庫；第二，應急指揮将迎來(lái)風口，過去傳統偏重硬件采購，未來(lái)建立智慧大(dà)腦，将更多應用大(dà)數據、雲計算等技術；第三，智慧城市更加深入、向正向發展。

 

Q:人(rén)機連接等AI技術發展未來(lái)是(shì)否可控，對人(rén)類是(shì)否構成威脅？

A:短期來(lái)看，在(zài)人(rén)腦控制機器操作、人(rén)機交融有應用場景，比例醫療領域輔助治療老年癡呆；而(ér)人(rén)腦機器增強，即機器意志代入人(rén)腦，對于(yú)AI是(shì)否對人(rén)類構成威脅，我認爲(wéi / wèi)所有技術科學的(de)最高境界應該是(shì)創造全新的(de)領域。

 

Q:AI在(zài)投資決策上(shàng)應用的(de)趨勢以(yǐ)及公司的(de)布局是(shì)什麽樣的(de)？

A:AI在(zài)金融應用時(shí)間較久，例如二級市場用機器學習做量化投資分析，還有之(zhī)前提到(dào)公司跟金融機構合作的(de)案例。其中關鍵點在(zài)于(yú)把投資特征量化成數據，以(yǐ)便機器學習。

 

Q:弱監督學習是(shì)否适用于(yú)方言學習，使得機器可以(yǐ)像人(rén)類一(yī / yì ／yí)樣學習語言？

A:監督學習方言比較難，自然語言處理難點在(zài)于(yú)語言存在(zài)多樣性、歧義性和(hé / huò)上(shàng)下文語境，以(yǐ)及語言體系本身承載的(de)文化，監督學習更多關注的(de)是(shì)特征提取分析，沒辦法很好解決上(shàng)述問題。目前斯坦福大(dà)學在(zài)嘗試開發統一(yī / yì ／yí)語言框架，試圖在(zài)英語範圍内，總結抽取語言的(de)通性，但不(bù)可能模拟人(rén)類天然學習語言方式。

 

Q:如何判斷AI邊緣計算芯片市場？

A:非常可觀，尤其在(zài)國(guó)防領域應用，例如現代戰争中，雙方實力對比懸殊，其中一(yī / yì ／yí)方中央控制系統一(yī / yì ／yí)旦遭遇打擊癱瘓，單兵作戰将受到(dào)限制；此外，戰場環境的(de)探測感知，也(yě)都需要(yào / yāo)用到(dào)邊緣計算。

》》淵亭科技

淵亭科技是(shì)一(yī / yì ／yí)家專注于(yú)數據智能、緻力于(yú)“行業+數據智能”解決方案的(de)創新型公司。公司重點面向運營商、金融、軍政和(hé / huò)互聯網領域提供業界領先的(de)大(dà)數據應用産品與解決方案，爲(wéi / wèi)客戶打造全生命周期的(de)數據價值挖掘體系。公司自主研發了(le／liǎo)包括DataExa-Insight數據洞察平台、DataExa-Sati認知計算（知識圖譜）平台、DataExa-Suite（包括自然語言處理引擎、推薦引擎、規則引擎、社會網絡分析引擎、數據采集處理引擎和(hé / huò)數據分析挖掘引擎等組件）等産品，并利用該平台在(zài)各領域形成具備自學能力的(de)行業知識圖譜，将數據服務提升到(dào)知識服務。

》》廈門創投

廈門創投成立于(yú)2011年12月30日，目标成爲(wéi / wèi)中國(guó)專業的(de)母基金管理機構，打造在(zài)全國(guó)具有影響力的(de)政府引導基金管理品牌。廈門創投受托管理廈門市産業投資基金，涵蓋六大(dà)類型：廈門市産業引導基金、國(guó)家新興産業創投計劃參股基金、廈門市國(guó)企戰略發展基金、廈門市海絲投資基金、廈門市現代服務業跟投基金、小微企業創新創業基地(dì / de)示範城市專項基金。

廈門創投發起設立多隻市場化投資基金，投資優秀GP管理的(de)股權投資基金，并好中選優以(yǐ)跟投策略投資項目，構建不(bù)同投資策略組合，爲(wéi / wèi)投資人(rén)實現較低風險水平上(shàng)的(de)較高收益。截至2019年底，廈門創投直接、間接管理的(de)各類基金共計59支，基金總規模近800億元。