285
機器人
人工智能的發展是為了“使用”——華為企業智能實踐與創新
9月21-22日，GIIS-全球產業創新峰會在深圳京基100盛大啟幕。 華為雲AI開發部總經理羅華霖做了以《華為人工智能實踐與創新》為主題的演講，其核心觀點如下：
▌目前人們看到的都是弱人工智能，弱人工智能的本質是一個工具，可以解決兩個問題：用於提高人的效率和輔助人的工作。
▌華為EI，叫企業智能(Enterprise Intelligence)，涵蓋平台服務到通用服務再到特定領域實踐的服務，華為把從內部積累的一些能力、知識和方法開放給更多企業客戶，讓企業更智能。
以下是演講的主要內容：
什麼是AI？
大家最近談得比較多的，比如工業4.0和中國製造2025，現在這個浪潮已經被推到浪尖上了。企業在智能化轉型過程中，究竟要用AI解決什麼問題？AI又是什麼東西？
從華為這麼多年的一些實踐來看，華為認為，其實AI就發生在大家的日常生活中。現在行業的一個大概說法，AI有兩種，一種是強人工智能，一種是弱人工智能。
▌強人工智能可以說跟目前大家關係都不大，這是研究如何通過模擬人的思維和模擬人細胞構成的一個方向，這個領域目前也沒有太大突破。人的細胞現在從一些計算能力和計算機的角度，當前最多可以模擬幾十個神經元或者幾百個神經元，而人的大腦有幾十億到上百億的神經元，這個方向短期還是很難突破。
▌另外一個是弱人工智能，其實就是大家常說的AI，截至目前看到的AI都屬於弱人工智能。弱人工智能本質上是一個工具，主要解決兩個問題：第一是解決人的效率問題，通過一些人工智能或者算法，解決人之前在傳統領域不太好解決的問題，讓工作的效率更高；第二是解決人難以到的事情，類似輔助人做一些事情。
華為EI
華為EI（Enterprise Intelligence），叫做企業智能，我們的目的是“讓企業更智能”。因為華為本質也是一個企業，同時也是一個製造企業，任總對於我們的要求是先要做好自己的事情。
9月的華為全聯接大會上首次發布創新的企業智能（EI）。為什麼這麼長時間才發布？人工智能要先聚焦華為公司內部的從生產、物流、供應鏈，終端等領域的問題解決，再把已經實踐積累的能力、知識和方法提供給更多企業，幫助更多企業實現智能化的夢想。
下麵舉幾個例子，是目前在內部實踐裏典型的成功案例。我們把人工智能應用在華為供應鏈的智能裝箱、物流和路徑規劃，以及報關、發票等場景。這些工作場景上麵消耗的人力非常大，針對如何提升效率，減少人員的投入方麵，孵化了較多的智能化技術。此外在風控、營銷，包括華為終端業務上，也積累了很多成功的智能化實踐。
效果上，比如智能裝箱和提貨規劃的實踐上，基本上每年都能節省上千萬以上，這僅僅是其中一個較小環節。另外還有智能倉儲、貨量預估等方麵也有大量的智能化實踐。對於交易風控場景，華為VMALL本身也是一個比較大的電商企業，也會有欺詐防攻擊的問題，我們也做了很多實踐，另外還在個性化推薦方麵也有實踐。
其實從前麵的例子中已經看到了，工業4.0或者它描述的場景，更多的是個性化的製造。客戶下訂單，再回到生產線，通過個性化的定製，形成訂單生產，再慢慢通過智能化環節進行閉環，最後把東西通過智能物流送到客戶手裏。這個可能會離大家稍微遠一些，但是平台能力技術已經慢慢開始在實踐中積累起來，怎麼讓企業用起來，這可能需要企業根據自己的行業實踐慢慢來思考和實踐。
華為對AI的理解
從平台到通用服務再到領域的服務，我們分了幾層，最底層是華為硬件的基礎能力。區別於傳統的應用，AI需要大量的計算，傳統的一些CPU或者計算能力可能都跟不上。例如之前一個計算機能很好處理文本，現在變成圖像和視頻之後，處理能力會要求更高，需要大規模的GPU或者FPGA等新的硬件能力。最近AI的興起，也是歸功於硬件能力和計算能力提升，讓整個AI應用進入大家的視野。
關於平台服務，前麵也舉了一些例子，現在各個領域的一些核心算法都是通過平台服務和一定的數據訓練出來的。所謂AI是一個什麼東西？其實剛剛講了一些，當前的AI是一個弱的人工智能，本質上是一個工具，工具通過什麼來達到這個目的呢？比如說語音轉文本的技術，其實是學了更多的語音樣本之後得出來的，也就是說，轉化成一個文本，需要大量數據的訓練，而數據訓練就需要機器學習、深度學習等平台能力支撐。
再一層是語音、自然語言，視覺等能力，包括語音轉文本、自然語音、對話，視覺處理等等，自然語言是你說了一句話，轉化成文本；文本的意思有很多種，在特定的場合有不同的意思，怎麼理解這句話，理解這句話之後會形成一個問答，這些都是自然語言領域的。
還有另外一個是大家常用的OCR，就是一些光學字體的識別，各種各樣的單據、票據，個人認為這個有可能是企業的重要切入點。因為每個企業都有大量的票據單據，原來都靠大量人工核對，並把文檔進行數字化的輸入，通過OCR就能大大降低輸入門檻，這會是一個關鍵領域。
華為公司在AI領域的實踐
華為基於內部做的端到端的智能APIs服務。我們華為公司每年有180萬以上的訂單，大概會形成30到50萬規模的物流單，怎麼實現從始發點貨物的供貨預估——貨物的裝箱管理——運輸到目的區域的分發——最後一公裏的客戶配送，這就需要有一係列智能化的技術支撐。
其實人工智能應用到企業，它也沒有那麼神秘。例如我們第一步做的備貨，就是根據你的曆史數據，預測你可能這個月應該備貨多少。原來是靠人的經驗或者規則來做，現在通過人工智能之後會效果更準確一些。
基於倉儲的優化，這對於大型企業是比較重要的。現在倉儲都分為幾級，華為公司在海外分了大概4到5個的集散中心，全球發貨到集散中心之後，把如何把貨物進行比較好的布放以及取貨順序的安排，這個就需要有人工智能的算法在裏麵。
還有集裝箱，這裏麵會涉及到一個裝箱的過程，要考慮類似於如何在一個最小的空間裏麵最大利用這些空間等問題。裝箱也有一些規則，比如說形狀、重量、是否怕壓，這些都有一係列的算法去解決。我們會提供最優化的算法，形成一些智能物流的服務。這些實踐每年帶來過千萬的費用節省。
OCR識別，比如說企業的票據、發票、文本，怎麼通過自動化的方法錄入，包括一些紙質單據的傳遞，其實它也需要利用一些人工智能技術。原來的方法可能做得不太準，最近有了深度學習和其它的人工智能技術之後，識別率大大提高了。比如數字及表格的識別有些場景準確率超過98%，訓練精度和模型精度的提高，對整個企業也是一個幫助，可以大大節省人力。
風控，這是華為內部的一個實踐。可以看到這裏一個要求非常高的實時平台，傳統是通過專家的經驗規則，再結合案例形成一些模型，但是人工智能的模型相比傳統會更準一些。大家怎麼理解模型和規則的差異？比如說我們要推銷一個東西，打電話給VIP用戶推銷，首先從模型角度來看，不管這個人怎麼樣，先做過一個模型，包括這個人打電話的時間、打電話的量、上網的量和他個人的一些特征、在網時間，根據這些推算出來這個人是不是VIP。
但是下午兩三點打電話或者上網比較多的是消費重度的用戶，這一點是看不出來的，而模型會告訴你這些人是最值得推薦的。同樣在風控裏麵也會有類似學習到的模型，這些模型告訴你哪些人可能是需要你對他進行控製或者有可能是有問題的用戶。
推薦。推薦是在華為終端的實踐，我們華為終端本身也是一個比較大的電商，有終端推薦、遊戲推薦和音樂、視頻的推薦，這裏麵的推薦都是用我們的係統來做的。這個推薦平台可以很好提供包括人物畫像和動態的實時模型更新，實時推薦等關鍵能力,能夠做到分鍾級模型更新上線。
關於圖片圖像處理，華為提供一係列的圖像處理能力，如圖片識別和高清重建服務等服務。這個具體在製造業怎麼應用呢？舉例來講我們在對圖片進行處理時用到這樣的技術，比如說把模煳的圖像處理得清晰一點，或者把圖像裏麵的關鍵人物和關鍵事件進行分類識別。在華為內部GTS例子，上基站之前會有整個工作各方麵的規範性檢查，我們現在都是用遠程圖像處理的方法做這個事情。以後企業有自動化生產的，也可以通過圖像處理的方式截取和監控生產製造過程的關鍵信息。
智能問答。智能問答也是最近比較火的，類似於小機器人。華為內部IT熱線的機器人，華為有各種各樣的IT問題，如訂票問題，很多企業也都會遇到這樣的問題，當內部有一定量的相似問題需要答複或者處理，用自動問答技術可以大大節省人力。目前機器的自動閉環能做到65%以上，這個替代率跟整個知識、模型和要回答的問題有關係，場景稍微複雜一點。
總的來說，華為認為，人工智能的發展是為了使用。人工智能要為企業創造更多價值，則必須將這些分散的單點技術集成起來，綜合運用到複雜的企業場景中。華為雲定位於智能社會的使能者，聚合人工智能、物聯網、計算和存儲等基礎能力，提供創新的企業智能雲服務，將華為多年來儲備的基礎研究成果與實踐經驗開放給政府、企業、合作夥伴及開發者使用。
最後更新：2017-10-08 08:13:29