您现在的位置:首页 》新闻中心 》 富基新闻 》正文
  新闻中心
【颜之有理】人工智能,万物的灵魂
2017-01-13        访问次数:555

d

 

文/富基创始人 颜艳春

 

        早在1956年,人工智能(AI,Artificial Intelligence)在美国达特茅斯大学的一个学术会议上首次提出。人工智能,今天可能仍然处在一个嗷嗷待哺的婴儿世界,但Apple、Google、Facebook、Tesla、IBM、微软、百度、阿里巴巴、Amazon、腾讯、科大讯飞、京东等巨头在人工智能领域开始大展身手。

 

d

 

        2016年3月,由谷歌Deepmind深层思维公司设计开发的人工智能程序阿尔法围棋AlphaGo,通过分析围棋职业选手10万次比赛的数据,采用了3000万个棋谱的算法,在一场持续三个半小时的比赛中,以4比1的成绩战胜了人类的围棋冠军韩国九段棋手,堪称本世纪最完美的世纪对战。2017年初, AlphaGo化身神秘网络棋手Master击败包括聂卫平、柯洁、朴廷桓、井山裕太在内的数十位中日韩围棋高手,在30秒一手的快棋对决中无一落败, 拿下全胜战绩,再次震撼棋界和科技界。这是人工智能发展史上的里程碑事件,它不仅逐渐点燃了工业界的热情,也点燃了科学家的激情,他们和企业家、投资家也开始投身到人工智能这一伟大的、可能改变人类命运的创业大军中,也开始展露头角,人工智能产业在最近2年在人类狂想的雨林中开始野蛮生长。

 

d

 

        李开复老师预测:人工智能将是有史以来最大的风口。据VentureCapital调查报告,截至2016年11月,全球范围内横跨13个种类、总计1485家与人工智能技术有关公司的融资总额达到了89亿美元。

 

        如今,基于PC、移动和社交媒体的消费互联网热潮已接近尾声,而下一次热潮??基于物联网、人工智能和区块链的产业互联网已悄然兴起。种种迹象表明,人工智能正在从人类的空想,像空气和水一样,迅速渗透到人类的生活的方方面面。我们预测,人工智能技术是继移动互联网后又一个即将席卷全球,引爆下一场信息革命、工业革命、医疗革命、金融革命和零售革命等多个行业的革命。

 

        机器不再是一个什么都不懂的笨蛋,也不再是一个不解人类风情的呆瓜,人工智能不仅将赋予机器人类的智慧,更将赋予机器新的灵魂。孙正义预测2040年就会有100亿的机器人,也许我们每个人都会拥有一到两个机器人,我们的生活,乃至各行各业都会被人工智能所渗透。

 

d

 

        人工智能的复兴将加速人类社会的第三次进化,甚至改变人类社会的伦理,因为机器人也是人。你害怕人工智能吗?人类(Human)与AI将走向融合,还是在召唤魔鬼?端上的人工智能,特别是嵌入了AI芯片的每一个智能设备(工厂设备、医疗设备、移动设备、自动驾驶汽车等)和每一个人(包括人类和机器人类)是否会有发疯的一天?

 

        一.从人类智能到人工智能

 

        从人类智能到人工智能,AI经历了科学的黑暗期和产业的多次失败,走了相当长的一条道路,今天,人工智能的发展已经迎来产业的拐点。未来产业潜力巨大,特别是在农业、制造业、服务业、零售业、金融业、医疗业、娱乐业等行业人工智能将释放巨大的生产力和带来巨大的创新空间。

 

d

 

        1.什么是人工智能?

 

        道可道,非常道。名可名,非常名。到底什么是人工智能?人工智能,迄今为止,也没有一个通用的学术定义。《人工智能》的作者Nils J. Nilsson先生就提供了一个重要的定义:“人工智能就是赋能机器使其变得更加智慧的活动,而智能就是赋能实物、在预测场景中去执行设定操作”。

 

        Accenture的定义是“人工智能是做出能够以人类智能的方式学习并解决问题的智能机器和计算机程序的理工科。“该领域包括自然语言处理与翻译、视觉感知与模式识别,以及决策制定。

 

        人工智能有着改变操作系统、互联网入口乃至各种传统产品的潜能。通过听、说、问、看、写和用户个性化研究,将极大提升用户体验和获取信息的方式。同时,人工智能会使搜索框和社交网络点对点互动模式成为历史,用户可以直接通过对话寻找关键词,像人类一样发展出更自然、高效的人机交互形式。

 

d

 

        2.人工智能产业的三个引爆点

 

        但随着大数据,云计算,嵌入式人工智能芯片和深度学习算法的问世,人工智能产业爆发的三个条件(大数据、算法、算力)已经具备。

 

        1).更充足的大数据:

 

        随着全球50多亿人和无处不在的移动设备、低成本的云服务全天候连接起来,大量的无结构数据被创造出来。人工智能的深度学习神经网络有了更多的数据,就变得更为有效。上个月,我有幸去硅谷访问了特斯拉(Tesla)总部了解到,他们即将发布的Autopilot 2.0自动驾驶设备和软件已经收集了了4700万公里的数据,而且通过他们的汽车互联网,每 10 小时就能增加 100 万英里的数据。据 IDC 的 Digital Universe Report 显示,年度数据生成预期到 2020 年达到 44Zettabytes。

 

        2).更好的AI算法

 

        目前全球的科学家们开发了非常有效的人工智能算法,特别是在机器深度学习神经网络方面获得了巨大突破。情商更高的机器学习是从样本和经验(即大数据集和知识图谱)中进行学习的算法,而不是依靠硬编码和预先定义的规则。换言之,也就是开发者不再告诉程序如何区分苹果和橘子,而是向算法输入数据(训练),然后自己学习如何区分苹果和橘子。深度学习的重大发展是人工智能拐点背后的主要驱动力。

 

d

 

        深度学习神经网络是一种有多隐层的人工神经网络,这种神经网络即可进行有监督训练,也可进行无监督训练,结果出来的就是能够自行 “学习” 的机器学习(或者叫人工智能),也即所谓的深度学习。

 

        Google通过深度学习神经网络实现了猫脸识别,前不久Google DeepMind在人机大战中第一次击败世界高手李世石的AI围棋程序AlphaGo就采用了深度学习算法。AlphaGo由一个搜索树算法和两个有数百万类神经元连接的多层深度神经网络组成。其中一个网络叫做“策略网络”,用于计算走哪一步的胜率最高,另一个网络叫做 “价值网络”,用于告诉AlphaGo怎么移动对白子和黑子都更好,这样就可以降低可能性的深度。

 

        深度学习是机器学习的一个子集。在大部分传统的机器学习方法中,特征(即有预测性的输入或属性)由人来设计。特征工程是一大瓶颈,需要大量的专业知识。在无监督学习中,重要特征并非由人预定义,而是由算法学习并创造。

 

d

 

        今年12月22日,苹果公司发布了第一份关于人工智能的学术报告。这篇报告描述了一种新兴的技术,它被用于改进算法的训练能力,即通过计算机生成图像而非真实图像进行来训练算法的图像识别能力。苹果公司的研究人员推出了一种“模拟+无监督”的学习方法,可以用来提高模拟图像的真实性。苹果研究人员使用一种称为生成式对抗网络的新机器学习技术,它经过了修改可以让两个神经网络相互对抗,从而能够生成更加真实的图像,有些类似于照片级的图像。

 

        苹果在报告中提到:“在机器学习研究中,使用合成图像(比如来自视频游戏里的那些图像)来训练神经网络远远要比使用真实世界图像更加有效。这是因为合成图像的数据已经被标记和注释,而真实世界的图像数据需要人力消耗巨大的精力和时间去标记计算机看到的一切事物,比如一棵树、一条狗、一辆自行车。但是实际上使用合成图像的方法也可能存在一些问题,因为算法学习并不是能够完美地诠释真实世界的每一个场景。合成图像数据通常不够真实,导致神经网络学习仅仅能够了解到合成图像中的细节,并不能完整地认识到真实世界中的图像。”

 

        今天,大量的深度学习算法共享到开源网络中,通过众包,吸引了全球更多的苦学家和创业者进入这个领域,加速了更好的算法产生。例如伯克利的 Caffe、谷歌的 TensorFlow 和 Torch 这样的开源框架。比如,刚开源一周年的 TensorFlow,成为了 GitHub 上有最多 forked repositories 的框架。虽然不是所有的人工智能发生于普遍可用的开源框架中,但开源确实在加速发展,而且也有更多先进的工具正在开源。

 

        3).更高性价比的计算能力

 

        人工智能算法运算量到底有多大?想像一下,同样采用了人工智能算法的AlphaGo,需要用到上千块传统处理器(CPU) 和上百块图形处理器(GPU)。传统处理器指令集是为进行通用计算发展起来的,基本操作为算术运算和逻辑运算。而深度学习算法,基本操作是对人工神经网络中的虚拟神经元和突触进行处理。作为一款神经网络处理器,人工智能芯片处理器指令集的一条指令即可完成多个神经元的并行处理,而传统处理器需要数百甚至上千条指令才能完成一个神经元的处理。这也就解释了,为什么传统处理器运行深度学习算法时效率会如此低下。

 

c

 

        从 1993 年开始超级计算机的计算能力有了极大发展, 2016 年,单张英伟达(游戏显卡就有了类似于 2002 年之前最强大的超级计算机拥有的计算能力。图形处理器(GPU )的低成本计算能力,特别是通过云服务和建立新的深度学习神经网络模型,已经极大的增加了神经网络产生结果的速度与准确率。GPU 的并行架构要比传统的基于数据中心架构的 CPU 能更快的训练机器学习系统。通过使用图像芯片,网络能更快的迭代,能在短期内进行更准确的训练。同时,特制硅的发展,比如百度大脑使用的 FPGA,能够用训练出的深度学习系统做更快的推断。

 

        今年是各家厂商纷纷发力人工智能(AI)的一年,谷歌(微博)、Facebook和微软等巨头都在该领域下了重注,不过有一家公司却已经拿到了AI带来的巨大红利,它就是英伟达(Nvidia)。该公司股价今年直接上涨了220%,年收入同比增长193%。

 

        为什么?英伟达的机器深度学习技术的发展让这家公司的主营产品图形显卡(GPU)再次走向前台,科技公司可以利用它打造虚拟助手、完成图像识别甚至驱动自动驾驶汽车。虽然谷歌和微软都表示要自力更生打造自己的定制芯片,但几乎所有主要的科技公司都与英伟达达成了合作。上个月,微软也“认怂”了,它们未来将用上英伟达为AI技术量身定做的DGX-1超级电脑,而谷歌则宣布自家云服务明年将有一部分用上英伟达的GPU。同时,Facebook的Big Sur服务器也是基于英伟达硬件的。此外,特斯拉的Autopilot功能主心骨也是来自英伟达的PX2芯片。而百度的自动驾驶和地图测绘业务也是借了英伟达的一臂之力。牛津大学的AI政策研究专家迈尔斯指出,许多学术和独立研究人员正在利用英伟达的游戏GPU来推进自己的研究项目。

 

        IBM的科学家最近发表论文,阐述了一种所谓的电阻式处理单元(Resistive Processing Unit,RPU)的新型芯片概念,与传统CPU相比,这种芯片可以将深度神经网络(DNN)的训练速度提高至原来的30000倍。

 

        今年7月,中国寒武纪公司与中国科学院计算技术研究所又共同发布了国际上首个稀疏深度学习处理器(Cambricon-X),性能更好,功耗更低。在65nm工艺下,Cambricon-X芯片面积仅为6.38平方毫米,最高每秒能进行5000亿次神经网络基本运算,性能是高端GPU的10倍,能耗却仅为其3.4%。

 

        日本东芝公司开发出一款可用于人工智能深度学习的脑型芯片。这款1.9毫米的脑型芯片,集成3.2万个像脑细胞一样的电子回路于一体,这些回路自带计算单元及配套的存储单元,可以并行处理大量连续模拟数据信号,对其中的数据特征进行学习,同一脑型芯片中众多回路协调起来,最终形成像脑神经回路一样的系统,完成人工智能所需的大量信息数据的复杂计算、处理和深度学习任务。

 

        如果把深度学习看作切肉,传统的处理器就是瑞士军刀,专用的神经网络处理器则相当于菜刀。瑞士军刀通用性很好,什么都可以干,但干得不快,菜刀是专门用来切菜的,在切肉这件事情上,效率当然更高。

 

        二.人工智能(AI+X)的复兴,哪些人的工作没了?

 

        不久的将来,人类绝对会有大事要发生。人工智能正在迎来发展的关键阶段,人工智能作为一种基本技术,在语音识别,文字识别,机器翻译,搜索引擎,广告平台,个性化消费推荐,还有自动驾驶技术,都取得了很大的突破。未来人工智能将改变移动互联网时代人类的多个接触点,它不仅听懂的人说话,甚至还能看懂人的眼神和姿势。

 

d

 

d

 

d

 

d

 

d

 

d

 

d

 

d

 

d

 

d

 

d

 

        特斯拉新出厂的互联网电动车将会配置Autopilot 2.0第二代自动驾驶硬件设备,将配合Autopilot新版软件给驾车人提供更先进的自动驾驶和辅助驾驶功能。据悉,第二代自动驾驶硬件包括了8个摄像头、1个雷达、数个超声波传感器以及进行图像处理和人工智能神经网络的高性能计算机。

 

d

 

        科大讯飞现在一直是基于业界领先的这种语音的处理技术,他们研制了一款“小曼”的智能机器人。“小曼”的拟人化程度是非常高的。不仅赋予他人的形象相对应的感情动作,同时具有一定的可交互性,而且是显得比较自然。在技术上它首先是解决了客服机器人在大厅环境下的这种混淆背景噪声、人声干扰、回声等等一系列的噪音问题。通过先进的麦克风和语音序列,以及定位,以及嘈杂环境下的唤醒率的问题,都可以使用户体验非常的完美。

 

        Netflix,亚马逊 和 Pandora 都在使用人工智能来确定推荐什么样的电影、商品和歌曲。今年5 月,亚马逊开源了它们的深度学习算法,它是可扩展稀疏传感网络引擎(the Deep Scalable Sparse Tensor Network Engine(DSSTNE),简称‘Destiny’),被用于产品推荐,同时可以被扩展以实现超越语言和语言理解以及异议识别的目的。

 

        Mall of America 的E.L.F.是一个聊天机器人,利用Watson的AlchemyLanguage API,在客户通过Facebook或手机上的移动浏览器进行交互时了解他们的查询和情绪。它通过一系列问题了解客户想要做什么,并根据反馈提供建议。如果客户想要更多,系统会将客户连接到真正的人那里寻求帮助。

 

        Fashion Island的At Your Service也利用沃森为客户提供访问信息的途径,IBM将其描述为“从本质上是在他们手掌心里创建一个增强的目录。”客户拨打(949)734-7364获得响应,然后就几乎可以问任何有关该商场的问题。At Your Service集成了Watson的Conversation and AlchemyLanguage API,以实现自然语言交互。

 

        智能医疗是AI的下一个蓝海。随着人工智能的发展,渐趋成熟的AI技术正逐步向“AI+医疗”进行转变,目前主要集中在机器人和机器学习两块。机器人以手术和看护为主,其中又以手术机器人“达芬奇”为典型代表。凭借灵活的关节、多功能的机械臂以及高分辨率的三维图像处理设备,达芬奇机器人已协助医生完成了多项手术。就在近日,它还帮助医生为一名年仅20个月大、身患先天性肾脏畸形的婴儿成功进行了微创手术。比如IBM开发的Watson Oncology系统,它能帮助医生分析临床数据,为病患制定个性化治疗方案,还有南加州大学开发的机器学习工具SimSensei,它可以帮助医生诊断抑郁症等等类似的还有很多。此外,还有智能穿戴、计算机视觉、语音识别等多项AI技术正在被人们引入医疗领域。在医疗保健中,图像识别技术可以提高癌症诊断的准确性。

 

        李嘉诚先生投资的Sentient Technologies公司,研发了一个能够取代投行分析师的投资机器人,叫Kensho。他可以运用自然语言的处理深度学习等AI技术建立量化交易模型。它可以在很短的时间内做高频的数据分析和投资的交易决策。做这种产品或者说实现这种业务功能,最重要的第一步是搭建知识图谱,就是让机器能够像人一样的,去处理这些数据或者说结构化以及非结构化的信息,然后来满足人类的知识表达和业务需求。

 

        最大的金矿可能来自于AI金融,传统的量化交易的是没有智能的,都是拼速度的。文艺复兴科技公司(Renaissance Technologies)是美国做量化交易第一的公司,他们的科学家最早将机器学习算法应用到二级股票市场交易中。他们的基金平均年化收益率达到了71.8%,华尔街的交易大师就打不过他们的科学家团队。

 

        因果树.图灵产品可以三秒钟回答投资圈的任何问题,里面包括行业怎么样、行业的周期、包括投资的所有的项目、投资人创业者包括他们的产品及竞品的运营数据、行业的公司数据、还有产品线的一些运营层面的用户画像等等。

 

        蚂蚁金服,设立了一个特殊的科学家团队。专门从事机器学习与深度学习等等人工智能领域的前沿的研究和应用。他们的业务场景非常的完整,应该说是目前是国内业务场景最广同时又最深的企业案例他们进行了一系列的创新。比如说互联网小贷、保险、征信、智能投顾、顾客服务等诸多的领域。根据他们自己公布的数据,网上银行的花呗和微贷业务,利用机器对数据的大规模以及高频率的处理能力。使用机器学习把虚假交易率降低了近十倍,为支付宝的证件审核系统开发的基于深入学习的OCR系统能使得他们证件校验核查的时间从一天缩小到一秒,同时提升了百分之三十的通过率。

 

d

 

        2015年“双11”期间,蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成,同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后,人工智能开始发挥作用,“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择,这里一部分是所有用户常见的问题,更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点;在交流中,则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升,在花呗等业务上,机器人问答准确率从67%提升到超过80%。

 

        2015年,交通银行推出智能网点机器人:“交交”,并引发了金融银行界的广泛关注。“交交”为实体机器人,采用语音识别和人脸识别技术,可以人机进行语音交流,还可以识别熟悉客户,在网点进行客户指引、介绍银行的各类业务等。在语言交流过程中,“交交”能回答客户的各种问题,缓解等待办理业务的银行客户潜在情绪,分担大堂经理的工作,分流客户,节省客户办理时间。

 

        我们可以通过对人语音的这种挖掘可以判断出对方来电的原因、对方来电的情绪、以及对方的内心诉求,然后将它转交给相应的客服。比说你是来投诉的,或者来咨询某种业务的等等。2015年双十一期间,蚂蚁金服百分之九十五的远程客户服务都已经由大数据智能机器人来完成,同时实现了百分之百的自动语音识别。当用户通过支付宝客户端进入我的客服以后人工智能就开始发挥作用。我的客服会自动猜出用户可能会有的疑问和提问方式供其选择。这里一部分是所有用户常见的问题,更精准的是基于用户使用的服务市场,最近的行为变量抽取出的一些个性化的疑问点。在教育过程当中也通过深入学习和语义分析,给出自动的回答。问题识别的模型、点击准确率也有大幅的提升,在花呗业务上机器人的问答准确率已经从百分之六十七提升到大概超过百分之八十。

 

d

 

        服务型机器具备对人的语音、乃至于像一些表情和图像的这种智能化理解来做出具备一定情感和推理决策能力的反应。这都是未来机器人所必须要攻克和实现的一些技术难点和功能。但想象某一天,当人脸识别超越了人类,我们还需要什么样的保安吗?当语音识别超越了人类,我们还需要什么样的客服吗?当自动驾驶超越人类,我们还需要什么样的司机吗?当智能投资超越了人类,我们还需要什么样的投资分析师吗?当写新闻超越了人类,我们还需要什么样的记者吗?当机器人能阅读CT片,我们还需要什么样的医生?

 

        三.AI落地的最后一公里:嵌入式人工智能芯片

 

        嵌入式人工智能芯片是AI落地的重要的支撑平台与关键渠道。而物联网与无人驾驶汽车就是人工智能芯片应用领域的两个重要新方向。但是,这些都不是短期能够见效的,而且需要投入比之前更加高昂的研发技术,特别是在人工智能这一领域,做好基础层非常重要。

 

d

 

        被孙正义花了320亿美金收购的芯片巨头ARM,占领了移动市场90%以上,是行业内“食物链”顶端的巨人,其有着强大的(共享芯片IP+X)生态系统。2015年,ARM全球芯片出货量高达150亿,包括高通、三星、联发科等在内的全球1384家移动芯片制造商都采用了ARM的设计架构。而专注于开发嵌入式人工智能的地平线机器人目前也拿出了不错的人工智能解决方案与软件产品,在软件层与算法层具备优势。安创空间则是一个科技服务类“创业孵化器”,它也是ARM在中国投资的第一家创业加速器,提供各类技术型资源与服务。全志科技开发SoC处理器与智能芯片,具备研发高效率低功耗型人工智能芯片的实力。

 

        ARM就正在与地平线机器人、安创空间及全志等中国的创业公司合作建立一个人工智能开放型实验室(OPEN AI LAB),在为加入平台的创业公司与开发团队们提供技术资源与统一开源框架的同时,让参与者不但能继续完善这个框架,也能够开发与生产出越来越多的算法与芯片,最终形成一个嵌入式人工智能生态系统。创立AI实验室的直接目标--容纳整个产业界不同的芯片厂商、软件层和应用层来打造一个开放的嵌入式人工智能框架(接口),加快参与者从技术到产品的孵化速度。
根本目标--将“嵌入式人工智能芯片”目前的一个有限规模扩大至万亿级规模后,继而领跑这个市场。

 

        发展战略--不走Google与百度那种向深度学习延伸的发展路线,而是走群众路线,多做一些触及到更多消费者的落地应用及嵌入式设备,譬如地平线正在研发的适用于自动驾驶汽车的ADAS原型系统。

 

        在大企业纷纷加持人工智能市场的当下,相对来说“势单力薄”的创业公司需要通过合作的方式完成上下游产业链资源整合,再利用“人工智能+芯片”的这一打法来占领市场。与其他巨头们的“打法”不同,ARM与创业公司们更想走一条“?丝逆袭”之路,让“人工智能”这个最初看起来“阳春白雪”的东西,通过统一设计框架与共享资源的形式来降低开发能耗,最终应用到一系列人人都能触及到的“下里巴人”式产品中。

 

        从市场环境来看,随着手机处理器市场份额已近饱和,智能手机增速接近停滞的现状下,ARM需要寻找新的芯片应用层与市场。

 

        因此,在继续使用“移动生态战略”的基础上,横向拓展市场,通过合作来共享资源将是ARM的主要策略之一。而中国,就被ARM大中华区总裁吴雄昂看作是未来嵌入式人工智能芯片最大的应用市场:“从物联网角度来讲,超过25%的连接都是在中国实现的。与此同时,中国产业至少会设计制造出将近一半的应用设备。因此,我们希望通过与Open AI LAB以及像地平线这样的人工智能公司,像全志这样的芯片公司继续努力打造一个更开放的生态系统。”

 

        再从公司商业模式来看,与英特尔研发、制造并销售芯片不同,ARM一直站在行业产业链的顶端,卖的是知识产权,主要向半导体制造商“兜售”芯片架构与技术来换取少量授权费。而这在某种程度上确立了ARM实施“生态战略”的优势??全球有超过85%的智能手机和平板电脑的芯片都采用了ARM架构的处理器。因此,ARM可以轻易影响到那些连结技术与大众消费产品的芯片厂商。

 

        所以,ARM在中国的嵌入式人工智能芯片市场采用了同样的“战术”,不做闭环小生态,要做终端大生态。通过建立统一的芯片框架来“掌控”人工智能芯片创业公司,在这个过程中可以变相扩大在中国的市场份额。

 

        四.新零售的大脑

 

        消费者主权时代已经来临,消费民主、消费自由和消费平等,不再是一句口号。SoLoMoMe消费群(Social社交、Local本地、Mobile移动、Me个性化)大规模崛起后所掀起的第三次零售革命已经到来。马云先生提出来的新零售,与我两年前写的《第三次零售革命》书中所预测的以消费者为中心的全渠道零售,如出一辙。全渠道零售已经从概念和蓝图变成融合线上和线下零售力量的新物种,新业态。五星电器汇通达通过C2B、C2M、b2F等新的商业模式,重新打土豪分田地,变成一个一个团结上下游品牌商或供应商、物流企业和小的零售终端的共享经济体,新的生产力。

 

d

 

        2016年天猫“双11”1207亿元,线上线下打通门店超过100万家。苏宁、银泰、TCL、 优衣库、索菲亚、GAP、Bestseller、 B&Q、良品铺子等国内外数千零售商 及品牌商的近10万门店以移动端为载 体实现电子化运营,对接阿里大数据, 变身数字化门店。消费者在天猫旗舰店购买商品,可实现最近门店配送,最快两小时上门。 通过中台、分单、千 牛店掌柜等技术方案帮助商家打通商品和库存,协调完成全渠道布局,承载线 上线下业务打通,包括门店自提、线下扫码购、门店智能导购等,升级消费者体验。

 

        美的、科沃斯、创维等品牌通过阿里全渠道库存共享资源及菜鸟物流的小批量柔性补货方案,保持门店合理库 存水位,有效降低高库存风险。

 

        百雀羚坚持纯植物草本配,打造了高质、时尚的国 货新形象。“双11”当天共计125万消费者选择购买,获得美妆类销售冠军。上海家化提升全渠道消费转化能力。

 

        2015年,上海家化首次尝试打通线上线下,开展了以“上海家化 喊你回家”为主题的“万店同庆”O2O活动,将上海 家化母品牌打响,以子母品牌联动的形式与消费者进 行全品牌全渠道互动。 作为“2016天猫双11全球狂欢节”独家冠 名商,上海家化跨屏到店人数超过1300 万,同比增长100%。“双11”当天,上海 家化以全网2亿元的零售额创下了销售新记录。

 

        1.新零售的大脑:我的双11

 

        个性化消费的战场,必将成为所有零售(包括电商)企业的下一个大的战场。阿里巴巴无疑走在了时代的前列,如果最近上过移动淘宝的apps,你会发现最近半年个性化的页面越来越多,而且推荐的商品的越来越精准。今年双11,个性化已经在平台的各处均有体现,包括但不限于搜索、推荐、猜你喜欢、有好货、店铺、商品详情等。

 

        人工智能赋予阿里巴巴“新零售大脑”,让消费者拥有个人专属的“我的双11” ,千人千面,阿里“电商大脑”为所有用户提供全面个性化体验,最大的特点是“在线+实时”。双11全天,“电商大脑”通过机器学习自动生成近千亿次个性化展示,智能决策引擎分秒不停地自我迭代,每次点 击背后都有海量计算和万亿级智能匹配。2016年淘宝天猫的个性化已经渗透到毛细血管,能极大地激励中国制造业加速从成本驱动向设计、品质驱动的转型。

 

        个性化的背后是大数据和人工智能,虽然它们还是在比较初级。未来的“双11”一定会不断突出个性化的作用,尤其是可能会带给零售业的改变。

 

        2.阿里小蜜:从人工运营到人工智能

 

        阿里巴巴集团在2015年7月24日发布一款人工智能购物助理虚拟机器人,并取名“阿里小蜜”,定位为‘阿里小秘书’,是一款虚拟人工智能购物助理机器人。

 

        阿里云 ET人工智能,是一套综合的人工智能解决方案套件,包括视频、图像和语音识别技术,整合阿里云了语音识别、语音合成、自然语言理解、实时图像识别、机器学习的综合人工智能技术。

 

d

 

        “阿里小蜜”集合了阿里巴巴集团淘宝网、天猫商城、支付宝等平台日常使用规范、交易规则、平台公告等信息,凭借阿里在大数据、自然语义分析、机器学习方面技术积累,精炼为几千万条真实而有趣,并且实用的语料库(此后每天净增0.1%),通过理解对话的语境与语义,实现了超越简单人机问答的自然对话。它拥有强大的语音识别、图像识别和深度学习能力,永远 在线、全年无休,平均响应时间不到一秒,随时帮助用户解决棘手问题。

 

        阿里巴巴集团为新会员买家特别推出“阿里小蜜”服务计划,致力于成为会员的购物私人助理,让会员专享1对1的客户顾问服务、全程陪伴式、安全有保障的购物体验。据统计阿里小蜜累计接待消费者数超632万,相当于5.2万客服 小二连续工作24小时,问题解决率已达到 80%。特别是阿里小蜜“双11” 成为服务主力。 双11”处理客户服务请求788万次,占97.5% 。

 

        过往在店铺服务上,比如到人少的夜间,有些客户咨询就需要等到第二天,客服查看留言再进行回复,这样用户体验其实并不是很好;还有在双11、店铺上新等大促活动中,往往同时面临大量的服务压力,店小蜜的出现可以帮助店铺分流这种压力,让商家的服务能力具备弹性。天猫荣耀官方旗舰店作为全天猫第一家使用店小蜜的商家,从产品研发阶段我们就非常关注,并一直与店小蜜开发团队密切互动,共同提升客户体验。

 

        在知识库构建上,店小蜜采用机器学习加个性化延展组合模式。对于一些商品层面的信息,店小蜜能够自主读取商品页面及图片上的信息,在用户咨询时提供标准答案。对于一些店铺通用类服务问题,商家还可以自定义设置。两种手段结合让店小蜜有极高扩展性,得以在服务能力上迅速提升,并首次以行业为单元构建行业细分知识库。

 

        相较于人工的个性化回答,店小蜜能够基于知识库的构建给用户提供更加标准化的答案,解决店铺招聘新人时对产品及业务不了解进而服务质量不受控制的问题。除此而外,在对话交互层面,店小蜜一改老版本机器人仅能理解用户单轮提问的限制,能够通过上下文自动分析进而更加精准的理解用户问题,使得在服务过程中的交流体验更逼近人工。

 

        即使在遇到特殊问题无法回答时,基于阿里小蜜无缝转人工的技术,店小蜜也能流畅快速地转到商家人工客服,用户咨询不会因此而受到影响。在店小蜜的使用中,商家还有高度的自主性,可以根据阶段性的店铺咨询情况设定咨询是否优先由机器人承接以及机器人的工作时段。

 

        店小蜜首次成为9个商家客 服力量参战双11,当天接待消费者近百万。 店小蜜负责人赵昆说道:“通过赋能商家,我们希望把阿里巴巴在服务领域的积累和技术能力输出给生态圈的合作伙伴,为二十亿消费者和一千万商家提供极速和愉悦的体验。而店小蜜是这个使命下的又一个重要里程碑。”

 

        3.智能物流

 

        在供应链物流,阿里巴巴也加快了人工智能的部署。人工智能算法不仅可以实时监控预警18万网点,协同快递保障安全,也确保了能够快速发货到消费者手中,也意味着供应链上的总成本和总库存通过共享物流开始下降。 “双11”当天,菜鸟网络地址库解析总调用量超过4 亿次,智能分单渗透率超过 7 成。

 

        今年双11产生的订单履约速度大大提高,截止到11月15日凌晨,6.57亿物流订单有将近9成已发货,将近2亿消费者收到包裹,提速明显。智慧物流不仅仅意味着。

 

        菜鸟网络的智能仓库全面升级,在浙江嘉兴打造的大 型自动化流水线在“双11”中发挥重要作用。 一批智能机器人也在仓库内开始测试运行,不久的将来有望实现从订单下发到包装出库实现全流程的自动化。

 

        1).AGV智能仓储机器人矩阵系统:菜鸟开发的AGV机器人可以自动识别拣货区域,驮着拣货车到指定货架前。AGV系统由中央控制几百台机器人同时工作,实现机器人之间、机器人和人之间的无缝对接。

 

        2).360度拣选机器人:如果一个消费者购买的商品分成了多个周转箱,这些箱子会自动流向一个缓存机器人。货物汇齐后,360度运行的拣选机器人会从500个缓存箱位中把周转箱放到流水线上。

 

        3).播种机器人:播种机器人分布于流水线两侧,通过真空吸盘把周转箱里的货品转移到拣选周转箱内,通过输送线送往自动包装区域。

 

        结语

 

        根据埃森哲的研究,预计人工智能到2035年就可以帮助许多发达国家实现经济增长率翻倍、完成就业转型、并培养出人类与机器间的新型关系。埃森哲的研究报告预测,用于商业活动的人工智能科技将使劳动生产率提高最多40%。

 

        人工智能的市场正在快速成长,世界知名的分析公司IDC的预测显示,全球范围内的内容分析、发现与认知系统软件市场总额,将从2014年的45亿美元增长到2019年的92亿美元。事实上,埃森哲的《科技视界2016研究》对3,100余名全球商业领袖和IT界高管展开的调查显示,超过70%的受访者比起两年前,都明显增加了针对人工智能领域的投资;有55%的受访者则计划采用机器学习和嵌入式人工智能技术。

 

        在乌镇智库联合网易科技发布的《乌镇指数:全球人工智能发展报告2016》中,我们看到美国人工智能企业总数为2905家,全球第一。仅加州的旧金山/湾区、大洛杉矶地区两地的企业数量即达到1155家,占全球的19.13%。中国人工智能企业数量虽不及美国,北上深三城占全球总数的7.4%。

 

        据VentureCapital调查报告,截至2016年11月,全球范围内跨13个种类、总计1485家与人工智能技术有关公司的融资总额达到了89亿美元。CB Insights的研究者表示,针对人工智能企业的融资额,自2011年的2.82亿美元以来已经增长了746%,在2015年达到了24亿美元。人工智能专利的注册量也比十年前增长了4倍。仅仅在过去四年间,美国的人工智能初创企业数就增加了20倍。光医疗行业,CB Insights日前重新整理出一份医疗领域AI创业图景,统计了全球活跃其中的92家初创公司。

 

d

 

        机器人已经成为人类生活的一部分,只有具备强大的与人类共处能力的机器人才能生存下来。机器人的认知智能正在加速进化,通过向人类不耻下问地学习,它们不仅理解我们在说什么,而且也知道我们背后到底想要说什么,做什么。也许五年以后,人类的一部分就是机器,也许有机器的一部分就是人类,这是一个全新的人机结合物种。美国高德纳咨询公司预测,到2020年,人类与机器人的对话将超过与伴侣的交流。科学家们正在研究如何将纳米机器人(通过毛细血管)植入到大脑中,从神经系统中提供完全沉浸式的虚拟现实(VR),把我们的新皮层连接到云端,就像我们今天可以通过云端把智能手机的功能扩展至10000倍一样,我们将能够在云端扩展我们的新皮层。

 

d

 

d

 

f

 

f

 

        万物将人工智能化,人工智能赋予机器不仅是人类的智慧,更将赋予新的灵魂。你害怕人工智能吗?人类(Human)与AI将走向融合,还是在召唤魔鬼?端上的人工智能,特别是嵌入了AI芯片的每一个智能设备(工厂设备、医疗设备、移动设备、自动驾驶汽车等)和每一个人(包括人类和机器人类)是否会有发疯的一天?

 

        美国加州奇点大学AI项目负责人Neil Jacobstein说:“我担心的并非人工智能,而是愚蠢的人类。”

 

        Facebook的首席执行官马克.扎克伯格先生近日发布了一篇长篇博文,详细讲述了虚拟管家Jarvis可以实现的工作类别。他也提到了开发人工智能软件时遭遇的最大挑战,预测了人工智能的发展方向。他最重要的发现之一是:“尽管人工智能正在飞速发展,却仍然需要人类给出足够的引导。”