順豐科技“智慧物流”論壇：人工智能的價值在于提升物流中的運籌學
發布時間：2017-07-17 09:17:53 億歐網
關注中物聯
2017年7月15日，由順豐科技、杉數科技、鈦媒體聯合舉辦的AI+智慧物流圓桌論壇在深圳凱賓斯基酒店舉辦。參會嘉賓包括順豐集團CTO兼順豐科技CEO田民、美國加州大學伯克利分校教授Martin Wainwright、杉數科技聯合創始人兼CTO王子卓、騰訊AI實驗室主任張潼。
活動開始，主辦方順豐集團CTO兼順豐科技CEO田民為活動致辭，田民首先回顧了物流的英文單詞Logistics的起源。Logistics起源于希臘文Logistikos，意為“計算的科學”，拿破侖的政史官A.H.若米尼在總結征俄失敗后最先使用Logistics的概念，以此作為軍事術語。此后該單詞又相繼流入美國和日本，由于Logistics常被用于運輸場景，日語將其概括為“物體的流動”，而淡化和忽略了“計算的科學”深層含義。
當前很多人認為物流就是搬運貨物，但其實物流背后涉及到數學、統計學、運籌學，并且通過與人工智能機器學習等技術交叉結合可以更加有效的解決許多更復雜更難計算的問題。田民呼吁大家要冷靜下來看待人工智能，了解人工智能和機器學習背后的原理和適用場景，這也是此次活動的意義所在。
隨后，美國加州大學伯克利分校教授Martin Wainwright從學術角度分享了他看到的人工智能落地的現實狀況，并闡述了對人工智能、機器學習以及數學優化之間關系的理解。他認為人工智能是機器學習和統計學的一部分，而這些問題在落地時往往需要計算機優化算法的幫助來尋找解答。
Martin著重提到了利用大數據實現的智能預測功能，以Netflix為例，人工智能算法的最大商業價值便是對用戶觀影數據分析，然后實現精準推薦。這其中需要解決的是數據降噪、應對丟失數據、合理降維等問題。接著，Martin詳細講解了如何高效地優化人工智能問題，尤其是數據降維在其中的作用：在人工智能建模時，我們需要收集海量數據，進行評測。當數據量太大了之后，人工智能算法運行會非常耗費計算和存儲資源。利用隨機概括（randomized sketching）法，可以將大數據的信息進行壓縮，并在合成的新數據上進行機器學習。在一些例子中，1000個合成數據上的機器學習仍可保證百萬級數據所能實現的精度和準度，效率卻大大提高了。
此外，Martin還看好人工智能在藥品領域的落地，現在醫藥健康是一個非常大的領域，如果利用人工智能生產個性化的藥品，這將會是一個很大的市場。但是，現在人工智能研究是在一個有限的條件下研究具體的問題，能否進入更大的范疇是值得思考的問題。此外，人工智能目前在提高單體智能方面做得不錯，但是怎么樣把人工智能應用到系統層面，提高群體的智慧和管理，這可能需要結合運籌學和統計學算法。
杉數科技聯合創始人兼CTO王子卓接著Martin的話題普及了運籌學的概念。運籌學是將實際問題轉化成數學模型，并高效求解的一套方法。現代運籌學大約起源于上世紀四十年代，在第二次世界大戰時，軍隊有很多關于資源調配的問題，比如如何部署雷達、調配軍隊、投炸彈等。而在人類社會中，任何活動都需要找到一個最好的決策，通過最好的參數實現最準確的預測。這些問題僅靠簡單的想法很難得到一個最好的決策，因此需要一個系統的方法來量化解決，也就是運籌學。
王子卓介紹了物流行業中常見的三類運籌學問題。第一、區域的劃分和選址的問題。物流公司要制定每一個送貨隊伍負責哪個區域，每一輛車負責哪個區域，物流樞紐怎樣選擇才能使效率最高或成本最低，這些都會直接影響物流效益。
第二、定價和收益管理。定價和收益管理就是讓商家在正確的時間，把正確的商品以正確的價格賣給正確的人。物流行業很重要一個問題是如何制定它的產品線，消費者會從產品目錄里面選擇一種服務，對不同服務里面的項目有相關性，商家要建立其中的相關性，然后決定如何去制定產品線。
第三、路徑優化的問題。物流行業中，路徑優化是最基本的一項技術，在物流需求產生后，物流公司如何設計一個路線去拿到需求，如何以最小成本，最短時間滿足需求。在實際場景中，這些問題會變得非常復雜，因為有非常多的因素要考慮，因為有多個需求，多個送貨員，多個出發點。除此之外，有的是實時需求，有的是時間窗口，有的是取貨，有的是送貨，會有不同的限制。另外因為中國的承重限制，會產生有很多路程上的不確定性，時間上的不確定性，這樣的情況下如何制定一個路線可以更好的服務消費者，這對物流公司是一個非常重要的問題。
活動最后，騰訊AI實驗室主任張潼介紹了目前團隊的研究方向，并分享了中美兩國在人工智能研究上的不同之處。
張潼介紹，騰訊此前就做過人工智能方向的研究，曾經辦過一個研究院，也做過搜索方面的研究，積累了一些有人工智能背景的人才。而騰訊重點做人工智能是2016年，建立了AI Lab。AI Lab主要圍繞兩個方向，一個是幫助騰訊業務更好落地，另外一個積累技術，開拓新技術，也包括產品方向的技術。具體來說，分為四個細分領域。
一、游戲相關。游戲在AI方面是比較相關的，騰訊也有很多游戲方面的數據，AI Lab利用這些數據將游戲體驗做得更好，更加貼近真實世界。
二、新聞搜索。這方面是跟內容理解有關的研究，利用人工智能解讀新聞和視頻的內容，然后實現新聞的精準推送。最近微信也剛剛建立了搜索部門，AI Lab也會幫著做個性化推薦。
三、社交對話。例如各類智能音箱里面的語音助手，騰訊也在做自己的語音助手，這類語音助手需要人機對話的支持，騰訊AI Lab的任務是讓騰訊的語音和對話達到世界頂尖水平。
四、語音開放云。騰訊通過AI Lab把人工智能技術積累下來，然后通過云的方式共享出去，幫助騰訊做平臺和生態。
關于中國和美國在人工智能上的對比，張潼認為，國內很多的互聯網公司和創業公司的技術人員，有比較強的技術能夠落地。做工程的人員都有數據的經驗，也有很多人更愿意做各種各樣的嘗試，這都是國內的優勢。美國的技術水平相對比國內較厚一點，在學術研究上美國還是比較領先，但是國內創新能力也在慢慢加強，而且國內在產品落地上稍微領先一點。
相關閱讀
每日 推薦