肖京、闵万里:AI下半场,如何推动行业智能化变革?

来源 :AI报道 时间 : 2020-03-26 10:57:47

近日,中国科大校友创业投资论坛-人工智能应用专题在线上召开。论坛抛出了一个从业者普遍关心的问题,即“AI下半场,万亿级行业应用市场如何开启?”

期间,中国平安集团首席科学家肖京博士和北高峰资本创始人、原阿里云机器智能首席科学家闵万里两位中科大校友进行了分享和讨论。

 

肖京:AI催生金融、保险和医疗领域的变革

 

肖京的分享在平安集团的一线实践经验基础上展开。

肖京表示,平安集团的主要业务板块是金融和医疗两大领域。在金融领域,人工智能技术解决了众多痛点问题。

金融领域的场景可以被大致分为四大类别:风控、获客、产品服务、运营,这四大场景有各自的痛点。

第一,风控的目标是减少或控制金融风险,由于风险的类型杂,掺杂着大量的欺诈,如果全靠人来管理,会有大量错误发生。

第二,在获客场景下,银行、保险和其他金融业务的获客频次都很低。以保险产品为例,一名客户一年只会来一两次,客户的黏度不足。由于交互频次低,导致从业者对客户需求的理解有限,获客效果不够好。

第三,近年人口红利渐渐消失,造成服务人员流失,因此服务质量受到影响,进而导致客户体验下降。

第四,运营也面临着效率低的问题。平安有180万员工,一旦能提高1%的效率,就能增加100亿利润。

对此,平安首先通过互联网化的方式解决,确实达到了提升服务效率等效果,但是,互联网仅是模式创新,提供了渠道,不能真正地解决生产流程的问题,也不能改善产品质量和服务质量。肖京形象地用快餐作为比方,“好比说,你在线上买快餐,可以非常快速地买到种类丰富的食物,但如果那家快餐店生产的是低质量产品,用地沟油做的,那通过互联网,你就是非常高效地买到了一堆低质量产品,快餐的质量不会因为互联网化而提升。”

而人工智能是技术创新,解决的是生产重构的问题,上述4个痛点都能通过人工智能得到有效的解决。

肖京认为,解决问题首先需要的是数据化,数据要能与场景相结合,并长期进行迭代、提升,整个智能化过程必须要有行业专家的深度参与,最好由行业专家或业务领导直接作为智能化工作的负责人。

为了实现智能化,平安首先建立了底层数据平台。平安将17000多个营业部、机构等的数据打通并实现管理标准化,在数据脱敏后,进一步进行分析统计的工作,并在此基础上建立了计划数据分析处理和非结构化数据分析处理几个底层平台,再将平台与业务相结合,建立金融、医疗、智慧城市等场景的具体技术解决方案。简言之,智能化过程的关键要素可以被概括为:数据、技术(算法、算力)、场景、行业专家。

具体到金融应用场景,平安集团已经完成的智能化实践包括:多模态身份认证、企业大数据知识图谱、图像识别实现车险智能闪赔、全渠道智能客服等。

医疗方面,应用场景可以被概括为“3个P”:病人Patient,服务提供Provider,支付Payment。痛点主要体现在:预测防控(预测难+防控差)、筛查诊断(任务重+效率低)、治疗康复(资源缺+流程繁)、病患管理(耗时长+监督弱)。平安集团做了智慧医疗全流程解决方案,从预测防控、筛查、诊断、治疗、康复,再到病房管理、慢病管理,都有具体的工作。

在疫情期间,平安集团推出了语音排查机器人,并在武汉投入了应用。在浙江,平安集团推出了自动外呼排查。另外还有居家管理系统、心理辅导、远程诊断等,都得到了应用。

 

闵万里:AI在传统行业智能化的潜力如何释放

 

闵万里以一句话概括了自己的从业经历:“把数学公式写到产业中去创造价值”。

闵万里认为,要重新定义AI:Less artificial,more intelligence.(更少人工,更多智慧。)A代表Actionable,Accessible, Affordable(可行、易用、价格合理)。

当我们走到产业中时,会面临多种不确定性。不同于AlphaGo,围棋是一项规则特别明确的游戏,但产业中不规则、不确定的场景经常出现,甚至有自相矛盾的信号。因此,很可能一个很好的AI产品在实际场景中不被买单。AI应是在不确定性场景下,对综合技术、情报的应用。

以实际案例举例,闵万里曾做过一个海洋渔场鱼情预报的案例。渔民在南太平洋上捕捞金枪鱼,曾经是靠天吃饭。在智能化升级后,卫星能够看到海况、洋流、叶绿素、水温等信息,再结合以往的经验,AI就可以向渔民实时推荐金枪鱼密度高的区域。在建成鱼情预报模型后,捕捞走向科学化、智能化、精细化、安全化,实践证明在模型预测出的区域捕捞鱼量明显高于凭经验捕捞。

在智慧城市场景中,运用摄像头已经成为常规做法,但与此同时,地面交通拥堵状况却越来越严重。这说明,城市的“眼睛”看到了交通状况,却没有对应的行动,“感而不动”。而在精准量化车流速度、行动方向等信息后,管理者可以判断每个交通节点上的压力,进而有效调节信号。绿灯时间相当于供给,在把供给和需求进行实时匹配后,最终能够实现打通拥堵的目的。

一个特殊的案例是救护车的交通需求。由于交通拥堵,救护车经常长时间被堵在路上,病人可能会在路上不幸去世。马来西亚吉隆坡应用了智能解决方案后,救护车走到每个十字路口前,信号灯已提前变绿,并且前方的车也已提前被清空。这让救护车的行程时间缩短了233秒,也是48.9%的时间,这233秒对有些病人来说可能就是生与死的差别。闵万里将其比喻成“前面有一排风扇在转,你打出一颗子弹,如何确保子弹不被风扇叶片挡住而顺利穿过。”

在杭州城市大脑上线后,城市学会了全局思考。“把杭州的城市大脑全部链接在一起的时候,你可以看到城市每一个脉搏的跳动,每一个事件怎样蔓延,从一个单点变成一个局部甚至变成全局,然后基于这种推演,迅速地产生响应方案。”闵万里介绍称,杭州城市大脑的实时检测延时仅20秒,准确率达95%,24小时在线,永不疲劳。有了城市全局的思考后,又能反过来带来局部的改善,在拥堵发生前,城市大脑能够做到提前介入,防止小事变大事,最终大幅降低交通拥堵。

此外,智能化还可以应用在制造业上,让产线学会思考。包括石化、橡胶、光伏、钢铁、水泥、电力、装备制造、乳制品……这些场景都能够用同一套方法解决,智能化能够穿越行业的壁垒。这些产线上,流动的数据包括工艺参数、过程参数、设备状态、数据、环境变量等等,如果把所有的生产过程拉出来,研究历史上每一批次产品和生产过程的因果关系,找到规则、经验的特征,就能将机器神经网络用于工业AI。重要的是,要找到过程参数、控制参数和最终的产品质量之间的因果关系,而非关联关系,这样才能进行调控。例如,恒逸石化在进行智能化升级后,没有买一个传感器,没有运用工业物联网、5G,没有任何硬件投入,仅运用它已有的数据积累,通过AI的计算,就将燃煤效率提升了2.6%,每年节省1600万。

从这些案例中,可以提炼出一个简单的公式,即:“价值=f(数据,科学技术,行业知识)”。其中,CEO要根据行业赛道、价值闭环、商业架构,找准价值的赛道在哪儿、价值的闭环商业架构是什么;CTO要负责技术选型、路径里程碑、Scale&Speed,来设定f;科学家们根据可行性和普适性,构建科学技术。

在这个过程中,数据越来越多,价值也越来越贬值,要将数据的价值再释放和捕捉,就需要强有力的科学技术,即云计算。以前,人们把云计算想象为简单的IT运维托管,是用于节省IT成本的。但云计算最大的威力不在于IT成本的节约,而是在于价值的创造,它是规模协同的激光效应,能够将10万台机器一秒聚集在一起,万众一心看穿海量数据背后的规律,探索数据背后的新价值。“云计算用于成本节约,是有限的;用于价值的创造,是无限的。”

闵万里建议,“Business first, technology second.”当企业要运用AI创造价值,应遵循下列步骤:“业务痛点数据化;技术锚点价值化;转型拐点连续化。”在场景选择上,要足够锐利——先纵再横,不要一上来就准备解决所有环节,而是要选准一个单点,选准能够将价值明显地穿透到业务财报上的痛点,才有可能赢得信任。尤其是早期AI创业者,切忌过早谈平台,更不要讲横向拉通,做生态。

 

行业对话:人工智能应用的第二个浪潮何时到来?

在问答环节中,多位来自创投界第一线的科大校友向肖京和闵万里提问,两位嘉宾给出了各自的见解。现将问答整理如下。

Q:互联网巨头纷纷布局金融云,已拥有海量数据,甚至比金融机构更多,平安集团是否会有危机感?

肖京:平安的文化就是危机和包容永存,不管去年赚了多少,今年都在危机之中。但互联网金融和实体金融有很大区别。金融本质上是重资产重资本的业务,互联网是轻资产轻资本,因此互联网金融业务通常是标准化的,额度很小。而平安的额度服务空间更大,从业务上来说有区别。此外,平安有牌照优势。数据方面,互联网数据噪音更多。

Q:在算力、算法不齐备的情况下,创业者如何起步?

肖京:先把重点需求领域做深,再扩充团队和技术。只做技术是不够的,很难解决业务问题。摸着石头过河是在没有桥的情况下才进行,如果已有解决方案(即有桥),直接走桥。

Q:因果关系和相关关系哪个是AI的灵魂?

肖京:在实际应用场景中,因果关系已能解决很多问题。因果关系不是不重要,可用于归因分析,辅助判断。

闵万里:经验主义和关联关系最终必会进化到机理层面的因果关系,一个学科如果没有因果关系谈不上是科学。

Q:智能驾驶的伦理问题现在讨论得怎么样了?有什么方式可以解决伦理挑战?

闵万里:目前没有公认答案,技术发展一定带来挑战,但不能因伦理担心止步不前。汽车代替马车时,也面临类似的伦理问题。

Q:投资AI项目时有哪些要遵从的产品思维?

闵万里:要先问“你在解决谁的问题?你解决之后会带来什么价值?为什么是你现在来解决?”能回答,才能保证不是伪需求。根本在于价值创造的模式,要能迅速解决行业龙头的痛点,形成客户黏性,才能形成护城河。B端则是先找准问题再反向寻找工具和产品。

打赏支持

顶部