人工智能技術(shù)怎么解決問題，怎么落地行業(yè)，如何實(shí)現(xiàn)商業(yè)化？
每一個(gè)AI公司都無法回避這三個(gè)問題，尤其在資本寒冬的背景下。私募通數(shù)據(jù)統(tǒng)計(jì)顯示，2019上半年共有1190支基金完成募集，同比下降47.2%，新募5729.56億元，同比下降19.4%。2019上半年，中國股權(quán)投資市場投資案例數(shù)為3592起，投資金額為2610.91億元，分別同比下降39.1%和58.5%。同時(shí)，平均投資額下降至0.94億元，同比下跌25.4%。新冠疫情之下，若2020年的數(shù)據(jù)公布，只會(huì)更慘。
“在整個(gè)資本寒冬的情況下，大家更看重你是否有這樣的能力去賺到錢，去商業(yè)化。
這就倒逼AI公司的短期目標(biāo)和長期目標(biāo)必須統(tǒng)一兼容。盡量把產(chǎn)品商業(yè)化到客戶那里去，以客戶為導(dǎo)向。”一覽群智CEO胡健告訴i黑馬&黑智，“有技術(shù)同時(shí)又有商業(yè)化落地能力的公司，能夠活下來。這種公司最終將得到資本青睞。瑞雪兆豐年，活下來的、熬過這個(gè)冬天的公司會(huì)得到更多資源，而且發(fā)展得更好?！?/span>
但落到每一個(gè)具體決策上，如何實(shí)現(xiàn)短期目標(biāo)和長期目標(biāo)的統(tǒng)一和兼容？如何在限制之下做決策？
胡健認(rèn)為要從公司本身出發(fā)，不同階段的公司優(yōu)先級(jí)是不一樣的。幾年前，AI公司融資很容易，“資金很充?！?，應(yīng)該跑馬圈地?，F(xiàn)在，AI公司被呼喚回歸理性和商業(yè)本質(zhì)。這意味著，商業(yè)公司要做出選擇，第一選擇一個(gè)有痛點(diǎn)、有錢且有成長空間的市場。“市場選錯(cuò)了，就像男怕入錯(cuò)行，入錯(cuò)行，再怎么掙扎，你也不會(huì)是一條大魚。永遠(yuǎn)是條小魚。”
其次，找到市場切入點(diǎn)，把事情做完。把事情做完之后，再考慮人效和標(biāo)準(zhǔn)化程度，看看能否復(fù)制?；貧w商業(yè)本質(zhì)，核心問題是“你要有收入和利潤。”“不同階段，優(yōu)先級(jí)不一樣。可能在某一階段，你可以先做收入，但長期來看，還要做利潤?！倍掷m(xù)的利潤和更高的收入需要決策者做出截然不同的決策。比如一個(gè)年?duì)I收10億元的公司做一兩個(gè)行業(yè)或許就可以了，若要做成百億營收，則需布局更多的行業(yè)。另外，高利潤對(duì)于核心競爭力提出更高的要求。
“創(chuàng)業(yè)是一個(gè)非常動(dòng)態(tài)的過程?！焙≌f，“不同階段，側(cè)重點(diǎn)或者調(diào)整參數(shù)是不一樣的。”
（一覽群智CEO胡健）
產(chǎn)品設(shè)計(jì)與認(rèn)知智能
2015年11月，一覽群智成立。創(chuàng)始團(tuán)隊(duì)在微軟亞洲研究院有著深厚的技術(shù)實(shí)力積累以及場景挖掘能力。首席科學(xué)家文繼榮在一次在采訪中表示，“我自己一直在做互聯(lián)網(wǎng)大數(shù)據(jù)，有時(shí)候覺得干嘛自己不做一個(gè)公司。不去試一試太可惜了。所以和朋友創(chuàng)立一覽群智，對(duì)我來說，還是比較自然的?！?/span>
有媒體將一覽群智比作“中國版Palantir”。文繼榮認(rèn)可這一說法，但強(qiáng)調(diào)一覽群智更看重技術(shù)，有更為深厚的AI基因。一覽群智用智語、智慧、智圖和智策，構(gòu)建了從感知、理解到分析到?jīng)Q策的閉環(huán)。一覽群智為什么打造這四大產(chǎn)品？背后的邏輯是什么？
有一點(diǎn)可以肯定的是，這四大產(chǎn)品不是一覽群智團(tuán)隊(duì)拍腦袋拍出來的，而是他們在解決問題的過程中，發(fā)現(xiàn)這幾個(gè)產(chǎn)品是必須要有的。比如數(shù)據(jù)，一覽群智做銀行場景、政府場景的時(shí)候，發(fā)現(xiàn)最大問題是數(shù)據(jù)的信息化程度有限，“70%以上的數(shù)據(jù)都是非結(jié)構(gòu)數(shù)據(jù)?！苯鉀Q問題，先過非結(jié)構(gòu)數(shù)據(jù)這道關(guān)，否則分析和決策就無從談起。
如何處理非結(jié)構(gòu)數(shù)據(jù)？在公安場景，一覽群智如何從一堆文檔里抽取出人、地、事物、組織、機(jī)構(gòu)、案件等最重要的信息？這需要先定義，再構(gòu)建不同的信息抽取工具，才能從大量的非結(jié)構(gòu)化數(shù)據(jù)中抽取所需要的信息。其次，抽取的信息還需與已有的結(jié)構(gòu)化數(shù)據(jù)融合在一起。因?yàn)閮蓴?shù)據(jù)的信息密度是不一樣的。非結(jié)構(gòu)化數(shù)據(jù)，準(zhǔn)確度低，需要被清洗。
這個(gè)過程，會(huì)碰到消歧問題。還會(huì)遇到圖數(shù)據(jù)庫的問題。比如大學(xué)畢業(yè)生小陳將戶口從A市遷到B市，數(shù)據(jù)庫里需要加一條新的籍貫信息。但是傳統(tǒng)數(shù)據(jù)庫無法支持新字段隨時(shí)加進(jìn)來的情況。但圖數(shù)據(jù)庫可以，圖數(shù)據(jù)庫還可以做關(guān)系性推導(dǎo)，推導(dǎo)出不同的人之間的關(guān)系?！拔覀儼l(fā)現(xiàn)，某種程度上，它跟知識(shí)圖譜的概念、推理關(guān)系是一致的。我們需要一個(gè)知識(shí)圖譜的構(gòu)建工具，所以有了智圖。”胡健說，“解決了抽取問題，把非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化。圖數(shù)據(jù)庫加上知識(shí)圖譜解決了構(gòu)建問題，然后人機(jī)協(xié)同，幫助決策。”
總的來看，一覽群智，基于自然語言處理的知識(shí)挖掘、文本挖掘平臺(tái)，將大量非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，基于結(jié)構(gòu)化的數(shù)據(jù)，構(gòu)建人、地、事物、組織之間的關(guān)系知識(shí)圖譜，提供人機(jī)交互的可視化分析引擎，讓知識(shí)與人直接銜接，最終與行業(yè)場景銜接，打造行業(yè)決策引擎。
而這背后更大的技術(shù)邏輯是人工智能即將邁入認(rèn)知智能技術(shù)時(shí)代。一覽群智團(tuán)隊(duì)認(rèn)為，未來是增強(qiáng)人工智能，是人與機(jī)器協(xié)作?！袄脵C(jī)器超強(qiáng)計(jì)算能力、存儲(chǔ)能力、加上分析推理能力，與專家經(jīng)驗(yàn)銜接來創(chuàng)造價(jià)值。”胡健說。
動(dòng)態(tài)變化的產(chǎn)品化率
目前，一覽群智的產(chǎn)品化率約為70%。這意味著一覽群智需要針對(duì)不同場景下的不同企業(yè)做定制化的調(diào)整?！?，初期，我們跟用戶A共創(chuàng)，A提了十個(gè)方向，根據(jù)通用性與痛點(diǎn)，我們選擇幾個(gè)方向，把產(chǎn)品做好，然后拿著這個(gè)產(chǎn)品從A賣到B、C、D，這個(gè)過程中，定制不斷減少，定制化程度不斷降低。”
比如在銀行場景，一覽群智找到的一個(gè)大的、通用需求是審單。審單產(chǎn)品可以用于國際結(jié)算審單，外匯審單，票據(jù)審核等。隨著審單產(chǎn)品落地越來越多的場景，該過程是一個(gè)不斷完善的過程，“越到上面越貼近用戶，越豐富，越往下走，不斷地抽象。”
胡健提到，一覽群智聚焦在某些行業(yè)的、具體的產(chǎn)品和解決方案里，其目的是盡量減少客戶的定制化需求。這是從落地可行性的角度去考慮的。“每次去用戶那里都要定制30%。其實(shí)，難度很大。為什么？這不是30%的難度問題，而是對(duì)于行業(yè)的理解問題，我們要花很長的時(shí)間去理解客戶的行業(yè)，要花很長的時(shí)間去幫客戶出一個(gè)解決方案，要花很長時(shí)間，把解決方案變成一個(gè)能夠Work的產(chǎn)品。甚至，我們還要去驗(yàn)證產(chǎn)品是不是有效。整個(gè)周期會(huì)變得非常長。”
據(jù)了解，一覽群智的組織結(jié)構(gòu)中，有基礎(chǔ)研發(fā)部，負(fù)責(zé)技術(shù)組件的研發(fā)和維護(hù)。在技術(shù)組件的上層，是針對(duì)行業(yè)場景，利用技術(shù)組件打造的產(chǎn)品解決方案，因此也有政企事業(yè)部和金融事業(yè)部，“在具體的行業(yè)，業(yè)務(wù)部門用組件做產(chǎn)品，用戶可能無法感知你的技術(shù)組件，但他必然關(guān)心你是否幫我解決了問題?！?/span>
但以上仍有兩個(gè)重要問題沒有被回答。第一，70%的產(chǎn)品化率是如何形成的？第二，一覽群智落地的場景愈加豐富，產(chǎn)品化率又將面臨什么樣的變化？
70%的產(chǎn)品化率是動(dòng)態(tài)形成的。在做同一場景的不同客戶時(shí)，在修改；在做不同場景的時(shí)候，也在修改。這是一個(gè)漸進(jìn)過程?！?0%也許永遠(yuǎn)停留在70%。這是因?yàn)椴煌袠I(yè)的差異還是很大的。你做得行業(yè)越多，就會(huì)發(fā)現(xiàn)越往下，底層的東西，甚至不是四層，會(huì)變成五層、八層，而越往上，則不斷細(xì)分。直到哪一天，你做了十個(gè)行業(yè)，發(fā)現(xiàn)萬事萬物皆出于這幾個(gè)組件，但這個(gè)時(shí)候，標(biāo)準(zhǔn)化層次可能就不是70%了，可能變成50%，甚至比50%更低?！焙√岬?。
“70%不是一個(gè)絕對(duì)數(shù)字?！爆F(xiàn)階段，一覽群智主要落地兩大場景：金融和政府，胡健認(rèn)為“70%是能夠解決的?！钡?dāng)一覽群智做得行業(yè)越來越多，產(chǎn)品化率可能無法達(dá)到70%?！霸絹碓蕉鄸|西是沒法通用，可能還要往下沉。最后的產(chǎn)品化率可能只有50%，但這個(gè)50%是完全不一樣的。應(yīng)用層以下，分層會(huì)越來越多，而現(xiàn)在只有三層?！?/span>
寫過程序的胡健用“面向過程”這個(gè)概念解釋這一產(chǎn)品化率的變化過程。公開資料顯示，胡健先后在微軟亞洲研究院、雅虎北京研發(fā)中心、騰訊從事搜索和廣告核心算法研究和研發(fā)管理。接任一覽群智CEO之前，胡健是36氪的聯(lián)合創(chuàng)始人，先后擔(dān)當(dāng)36氪CTO、鯨準(zhǔn)總裁等職務(wù)。
何為“面向過程”？據(jù)了解，一般的面向過程是從上往下步步求精，所以面向過程最重要的是模塊化的思想方法?！皩懗绦蚓褪牵铱吹揭粋€(gè)問題，從頭寫到尾，寫到一個(gè)函數(shù)里面。寫出來之后，發(fā)現(xiàn)在多場景之下，有些功能可以封裝成一個(gè)類……
問題在于這個(gè)函數(shù)或者組件被人使用的次數(shù)，被人使用得越多，大家對(duì)你的要求越來越高。你不斷地把它做得更通用。如果只有一個(gè)客戶，不用分層，一層就夠了。但當(dāng)你有一萬個(gè)客戶的時(shí)候，產(chǎn)品會(huì)因不同用戶的需求變得越來越復(fù)雜，層越分越多，越分越細(xì)。”胡健強(qiáng)調(diào)，這個(gè)過程，越分越細(xì)并不意味著降低標(biāo)準(zhǔn)化，相反地，標(biāo)準(zhǔn)化程度越來越高?！?/span>
落地場景與完全信息
采訪中，胡健向i黑馬&黑智講了一個(gè)場景落地的故事。這個(gè)場景是金融行業(yè)中的國際結(jié)算業(yè)務(wù)。
國際結(jié)算業(yè)務(wù)不是銀行的最核心的業(yè)務(wù)，但是業(yè)務(wù)量大，每年有幾百億元的收入，而且痛點(diǎn)足夠痛，該業(yè)務(wù)要求審核人員看得懂英文，看得懂合同，是相關(guān)專業(yè)的碩士。銀行一年需要付給一位審核員20、30萬的工資，而且還不一定可以留得住人。
于是，一覽群智便和某銀行一起打造該業(yè)務(wù)的解決方案。期間遇到了很多困難，比如幾萬種不同格式的票據(jù)，甚至還一些票據(jù)有遮擋，怎么樣將票據(jù)變成文本結(jié)構(gòu)化信息？這就牽涉到識(shí)別OCR、識(shí)別票據(jù)等。這需要對(duì)不同非結(jié)構(gòu)化數(shù)據(jù)做OCR。其次，識(shí)別完之后，需要抽取信息、分詞等。這個(gè)階段，一覽群智要給出各種字段，識(shí)別合同內(nèi)涵，比如這份合同講的是一件什么樣的事情？通過報(bào)關(guān)單上的“無破損”描述判定物品“外觀完好”等；第三，一覽群智還需要解決語義理解的問題。其中還會(huì)牽涉到知識(shí)圖譜。別無捷徑，通過大量的數(shù)據(jù)讓機(jī)器學(xué)會(huì)具體的審核邏輯。
“邏輯很簡單，像人做一些腦力勞動(dòng)的工作一樣，首先能夠看得懂是什么，將圖片變成文字，并將文字變成結(jié)構(gòu)化信息，再把結(jié)構(gòu)化信息跟專家業(yè)務(wù)產(chǎn)品銜接，這就是知識(shí)圖譜，最終去做決策，這是標(biāo)準(zhǔn)的認(rèn)知過程?！边@個(gè)過程中，胡健提到針對(duì)不同行業(yè)，構(gòu)建一個(gè)類似于專家的規(guī)則系統(tǒng)，有一個(gè)與或非的邏輯?！斑@個(gè)規(guī)則系統(tǒng)要被抽象得非常靈活。規(guī)則系統(tǒng)與知識(shí)圖譜結(jié)合的過程中，漸漸地被抽象成一套模具工廠；原來的知識(shí)圖譜只適用于單一的業(yè)務(wù)場景，當(dāng)它應(yīng)用于不同類型的場景，就被進(jìn)一步抽象。每抽象一下，能解決面臨的多場景或者多業(yè)務(wù)的問題。但突然又來了十幾個(gè)不同場景，就會(huì)發(fā)現(xiàn)原來的知識(shí)圖譜或者規(guī)則系統(tǒng)還是有問題，那就需要再次抽象。這就跟達(dá)爾文的進(jìn)化論一樣。適者生存，不斷進(jìn)化，滿足不同需求。如此，產(chǎn)品越來越好用?！?/span>
如何沉淀專家經(jīng)驗(yàn)？如何構(gòu)建規(guī)則系統(tǒng)？以公安領(lǐng)域的反洗錢為例，一覽群智有著類似的實(shí)踐。一般反洗錢偵查中，警察會(huì)查一查大的進(jìn)出口資金的流向，設(shè)置一些規(guī)則，篩選出現(xiàn)金流出的TOP10的帳戶，并過濾掉正常帳戶，剩下幾個(gè)只進(jìn)不出的黑洞帳戶，或者進(jìn)出一致的通道帳戶。順藤摸瓜，就能找到背后的主使者。一覽群智將這些專家經(jīng)驗(yàn)配置到模型工廠里，把所有數(shù)據(jù)變成因子，變成與或非，或者決策分析的因子，然后拼出一個(gè)決策樹。一個(gè)決策樹就是一個(gè)經(jīng)驗(yàn)。規(guī)則系統(tǒng)的建立加上專家經(jīng)驗(yàn)輔助決策，才能夠產(chǎn)生化學(xué)反應(yīng)，讓普通民警具備經(jīng)偵專家的能力。
據(jù)公開資料介紹，一覽群智落地的領(lǐng)域除了金融行業(yè)，還有公共安全和媒體情報(bào)。在這些領(lǐng)域，一覽群智有專門的專家團(tuán)隊(duì)解決行業(yè)know-how問題。一覽群智的商業(yè)化戰(zhàn)略一直在碰撞中，“為什么人工智能落地難？因?yàn)橐粩嗯鲎?。首先先用邏輯篩選一遍，這個(gè)邏輯是技術(shù)的邏輯，是商業(yè)的邏輯，也是與客戶業(yè)務(wù)相關(guān)的邏輯；其次，這些邏輯都符合，才有可能產(chǎn)生10個(gè)商業(yè)可能性。拿給客戶，被斃掉9個(gè)，只剩下1個(gè)，那就先做。”
上述案例，有一個(gè)不可回避的前提是：目前人工智能的技術(shù)限制。現(xiàn)階段，人工智能只能解決一些偏重復(fù)式的工作。前面提到的國際結(jié)算業(yè)務(wù)便是偏重復(fù)式的、相對(duì)閉環(huán)的場景。在閉環(huán)場景里，一覽群智可以知道所有可能的情況。這和張鈸院士提到的人工智能落地的幾個(gè)經(jīng)濟(jì)中的完全性經(jīng)濟(jì)有相似之處。
而在公共安全領(lǐng)域落地的案例，與國際結(jié)算業(yè)務(wù)相比，與人機(jī)協(xié)同相關(guān)，更加復(fù)雜。在一個(gè)大的任務(wù)里人的腦子有限、計(jì)算能力有限、存儲(chǔ)能力有限、加工處理能力有限，而機(jī)器可以做這些工作。胡健指出，所謂“機(jī)器”指的是“把一些大容量的數(shù)據(jù)全部整干凈”。機(jī)器弱點(diǎn)也是明顯的，它無法做出判斷。機(jī)器只能對(duì)一些已經(jīng)出現(xiàn)過的，并生成技能樹的相關(guān)情況，做出判斷。比如找出涉嫌洗錢的嫌疑人，但這不是最終判斷。人會(huì)看一下為什么會(huì)認(rèn)為他有嫌疑？機(jī)器的建議再加上人的經(jīng)驗(yàn)和知覺，做出最終的判斷。人是有常識(shí)的，但機(jī)器不知道這些。這些常識(shí)需要長年累月的積累。
“我們必須遵從人工智能現(xiàn)階段的技術(shù)發(fā)展特征，找到最適合的方式去落地?！边@是一覽群智的落地思路?！拔覀儽M量做一些確定性的、相對(duì)封閉的、完全信息的場景。而且這個(gè)場景的數(shù)據(jù)又是準(zhǔn)備好的，且解決完之后，又能夠產(chǎn)生商業(yè)價(jià)值，有諸多前提。層層限制之下，真正適合AI落地的領(lǐng)域并不多。沒辦法，圈了一下，就這么多。這也是AI公司扎堆落地的原因?！?/span>
要做AI時(shí)代的軟件“特斯拉”
“本質(zhì)上，一覽群智也是一家軟件服務(wù)公司?！焙≌f。
“為什么說是一家軟件公司，就要像微軟一樣，給客戶一張光盤，客戶直接裝就得了。Office辦公軟件可以適配不同種類的機(jī)型。這樣，毛利率才能巨高無比。才是一門好的生意?！倍患液玫钠髽I(yè)服務(wù)軟件公司的標(biāo)準(zhǔn)是較低的客戶定制化比率、較高的毛利率?！拔覀兿Ｍㄟ^盡量提高標(biāo)準(zhǔn)化的比率，降低客戶化實(shí)施的成本，提升業(yè)務(wù)率。這是2B公司的商業(yè)邏輯?！?/span>
在AI時(shí)代，這個(gè)邏輯沒有變化。在整個(gè)軟件產(chǎn)品上，AI可能只占到20%。大量工作是數(shù)據(jù)治理、數(shù)據(jù)融合以及數(shù)據(jù)通路的打通和反饋。這些都是工程。AI只是其中的20%，是蛋糕上最漂亮那一塊。雖然AI是核心，但整個(gè)軟件產(chǎn)品還是要幫客戶解決問題?！安还茉趺磸?qiáng)調(diào)AI，還是要幫客戶解決問題，要么幫客戶有大的提升，要么幫客戶多賺錢，否則為什么要買你的產(chǎn)品。”
在AI時(shí)代，胡健認(rèn)為，AI是思想，是方法論。
“我們做AI的東西，本質(zhì)上是給別人做信息化軟件。幫助客戶提升運(yùn)營效率?？蛻舨魂P(guān)心我們做的到底是AI還是其它。但AI可以改變用戶的整個(gè)體驗(yàn)，可以解決非AI技術(shù)無法解決的問題?！睘榱苏f明AI的革命性，胡健舉了特斯拉的例子。他認(rèn)為燃油車做不出特斯拉，因?yàn)閭鹘y(tǒng)車商的底層邏輯與特斯拉截然不同，一個(gè)是電和數(shù)字化，一個(gè)是油和機(jī)械化，中間橫貫著跨時(shí)代的差異。“和傳統(tǒng)軟件公司，我們正在做的是AI時(shí)代的軟件‘特斯拉’?！?/span>
不過，AI時(shí)代的軟件服務(wù)商和傳統(tǒng)軟件公司的關(guān)系不是替代關(guān)系，而是合作關(guān)系。
胡健又舉了云計(jì)算公司和傳統(tǒng)軟件公司的例子。“上云是大趨勢。企業(yè)要上云，傳統(tǒng)軟件公司沒有能力做這一塊業(yè)務(wù)，于是，云計(jì)算公司告訴傳統(tǒng)軟件公司你應(yīng)該用我的能力，我是不搶你的飯碗，而是我們倆聯(lián)合起來服務(wù)客戶。為什么？因?yàn)樵朴?jì)算公司不懂客戶需求，但傳統(tǒng)軟件公司天天和客戶在一起，知道客戶的需求，可以提供的一堆上云的組件，服務(wù)客戶上云，但云計(jì)算公司歸根結(jié)底是賣服務(wù)器的?！?/span>
未來，按照胡健的設(shè)想，一覽群智將變成一個(gè)AI賦能公司，并搭建自己的AI的軟件生態(tài)。屆時(shí)，一覽群智將和不同領(lǐng)域的傳統(tǒng)軟件公司合作，傳統(tǒng)軟件公司做交互軟件，一覽群智做AI層和接口?！耙?yàn)閼?yīng)用我做過，我直接跟你對(duì)上去就行了。這個(gè)是我認(rèn)為是最合理的邏輯?！睋?jù)悉，去年6月，一覽群智與浪潮集團(tuán)、天陽科技、中信網(wǎng)科簽訂戰(zhàn)略合作協(xié)議。在搭建自己的AI的軟件生態(tài)之前，一覽群智先嵌入別人的生態(tài)，并努力成為其中的頭牌。
*本號(hào)系創(chuàng)業(yè)家&i黑馬人工智能領(lǐng)域垂直號(hào)。黑智，人工智能領(lǐng)域產(chǎn)業(yè)服務(wù)平臺(tái)，專注AI行業(yè)報(bào)道，探討AI商業(yè)價(jià)值。
聯(lián)系客服
