2017年7月15日，由順豐科技、杉數(shù)科技、鈦媒體聯(lián)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(huì)嘉賓包括順豐集團(tuán)CTO兼順豐科技CEO田民、美國加州大學(xué)伯克利分校教授Martin Wainwright、杉數(shù)科技聯(lián)合創(chuàng)始人兼CTO王子卓、騰訊AI實(shí)驗(yàn)室主任張潼。

活動(dòng)開始，主辦方順豐集團(tuán)CTO兼順豐科技CEO田民為活動(dòng)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(jì)算的科學(xué)”，拿破侖的政史官A.H.若米尼在總結(jié)征俄失敗后最先使用Logistics的概念，以此作為軍事術(shù)語。此后該單詞又相繼流入美國和日本，由于Logistics常被用于運(yùn)輸場景，日語將其概括為“物體的流動(dòng)”，而淡化和忽略了“計(jì)算的科學(xué)”深層含義。

當(dāng)前很多人認(rèn)為物流就是搬運(yùn)貨物，但其實(shí)物流背后涉及到數(shù)學(xué)、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)，并且通過與人工智能機(jī)器學(xué)習(xí)等技術(shù)交叉結(jié)合可以更加有效的解決許多更復(fù)雜更難計(jì)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(jī)器學(xué)習(xí)背后的原理和適用場景，這也是此次活動(dòng)的意義所在。

隨后，美國加州大學(xué)伯克利分校教授Martin Wainwright從學(xué)術(shù)角度分享了他看到的人工智能落地的現(xiàn)實(shí)狀況，并闡述了對(duì)人工智能、機(jī)器學(xué)習(xí)以及數(shù)學(xué)優(yōu)化之間關(guān)系的理解。他認(rèn)為人工智能是機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)的一部分，而這些問題在落地時(shí)往往需要計(jì)算機(jī)優(yōu)化算法的幫助來尋找解答。

Martin著重提到了利用大數(shù)據(jù)實(shí)現(xiàn)的智能預(yù)測功能，以Netflix為例，人工智能算法的最大商業(yè)價(jià)值便是對(duì)用戶觀影數(shù)據(jù)分析，然后實(shí)現(xiàn)精準(zhǔn)推薦。這其中需要解決的是數(shù)據(jù)降噪、應(yīng)對(duì)丟失數(shù)據(jù)、合理降維等問題。接著，Martin詳細(xì)講解了如何高效地優(yōu)化人工智能問題，尤其是數(shù)據(jù)降維在其中的作用：在人工智能建模時(shí)，我們需要收集海量數(shù)據(jù)，進(jìn)行評(píng)測。當(dāng)數(shù)據(jù)量太大了之后，人工智能算法運(yùn)行會(huì)非常耗費(fèi)計(jì)算和存儲(chǔ)資源。利用隨機(jī)概括（randomized sketching）法，可以將大數(shù)據(jù)的信息進(jìn)行壓縮，并在合成的新數(shù)據(jù)上進(jìn)行機(jī)器學(xué)習(xí)。在一些例子中，1000個(gè)合成數(shù)據(jù)上的機(jī)器學(xué)習(xí)仍可保證百萬級(jí)數(shù)據(jù)所能實(shí)現(xiàn)的精度和準(zhǔn)度，效率卻大大提高了。

此外，Martin還看好人工智能在藥品領(lǐng)域的落地，現(xiàn)在醫(yī)藥健康是一個(gè)非常大的領(lǐng)域，如果利用人工智能生產(chǎn)個(gè)性化的藥品，這將會(huì)是一個(gè)很大的市場。但是，現(xiàn)在人工智能研究是在一個(gè)有限的條件下研究具體的問題，能否進(jìn)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(cuò)，但是怎么樣把人工智能應(yīng)用到系統(tǒng)層面，提高群體的智慧和管理，這可能需要結(jié)合運(yùn)籌學(xué)和統(tǒng)計(jì)學(xué)算法。

杉數(shù)科技聯(lián)合創(chuàng)始人兼CTO王子卓接著Martin的話題普及了運(yùn)籌學(xué)的概念。運(yùn)籌學(xué)是將實(shí)際問題轉(zhuǎn)化成數(shù)學(xué)模型，并高效求解的一套方法。現(xiàn)代運(yùn)籌學(xué)大約起源于上世紀(jì)四十年代，在第二次世界大戰(zhàn)時(shí)，軍隊(duì)有很多關(guān)于資源調(diào)配的問題，比如如何部署雷達(dá)、調(diào)配軍隊(duì)、投炸彈等。而在人類社會(huì)中，任何活動(dòng)都需要找到一個(gè)最好的決策，通過最好的參數(shù)實(shí)現(xiàn)最準(zhǔn)確的預(yù)測。這些問題僅靠簡單的想法很難得到一個(gè)最好的決策，因此需要一個(gè)系統(tǒng)的方法來量化解決，也就是運(yùn)籌學(xué)。

王子卓介紹了物流行業(yè)中常見的三類運(yùn)籌學(xué)問題。第一、區(qū)域的劃分和選址的問題。物流公司要制定每一個(gè)送貨隊(duì)伍負(fù)責(zé)哪個(gè)區(qū)域，每一輛車負(fù)責(zé)哪個(gè)區(qū)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(huì)直接影響物流效益。

第二、定價(jià)和收益管理。定價(jià)和收益管理就是讓商家在正確的時(shí)間，把正確的商品以正確的價(jià)格賣給正確的人。物流行業(yè)很重要一個(gè)問題是如何制定它的產(chǎn)品線，消費(fèi)者會(huì)從產(chǎn)品目錄里面選擇一種服務(wù)，對(duì)不同服務(wù)里面的項(xiàng)目有相關(guān)性，商家要建立其中的相關(guān)性，然后決定如何去制定產(chǎn)品線。

第三、路徑優(yōu)化的問題。物流行業(yè)中，路徑優(yōu)化是最基本的一項(xiàng)技術(shù)，在物流需求產(chǎn)生后，物流公司如何設(shè)計(jì)一個(gè)路線去拿到需求，如何以最小成本，最短時(shí)間滿足需求。在實(shí)際場景中，這些問題會(huì)變得非常復(fù)雜，因?yàn)橛蟹浅６嗟囊蛩匾紤]，因?yàn)橛卸鄠€(gè)需求，多個(gè)送貨員，多個(gè)出發(fā)點(diǎn)。除此之外，有的是實(shí)時(shí)需求，有的是時(shí)間窗口，有的是取貨，有的是送貨，會(huì)有不同的限制。另外因?yàn)橹袊某兄叵拗疲瑫?huì)產(chǎn)生有很多路程上的不確定性，時(shí)間上的不確定性，這樣的情況下如何制定一個(gè)路線可以更好的服務(wù)消費(fèi)者，這對(duì)物流公司是一個(gè)非常重要的問題。

活動(dòng)最后，騰訊AI實(shí)驗(yàn)室主任張潼介紹了目前團(tuán)隊(duì)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(jīng)辦過一個(gè)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(diǎn)做人工智能是2016年，建立了AI Lab。AI Lab主要圍繞兩個(gè)方向，一個(gè)是幫助騰訊業(yè)務(wù)更好落地，另外一個(gè)積累技術(shù)，開拓新技術(shù)，也包括產(chǎn)品方向的技術(shù)。具體來說，分為四個(gè)細(xì)分領(lǐng)域。

一、游戲相關(guān)。游戲在AI方面是比較相關(guān)的，騰訊也有很多游戲方面的數(shù)據(jù)，AI Lab利用這些數(shù)據(jù)將游戲體驗(yàn)做得更好，更加貼近真實(shí)世界。

二、新聞搜索。這方面是跟內(nèi)容理解有關(guān)的研究，利用人工智能解讀新聞和視頻的內(nèi)容，然后實(shí)現(xiàn)新聞的精準(zhǔn)推送。最近微信也剛剛建立了搜索部門，AI Lab也會(huì)幫著做個(gè)性化推薦。

三、社交對(duì)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(jī)對(duì)話的支持，騰訊AI Lab的任務(wù)是讓騰訊的語音和對(duì)話達(dá)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(shù)積累下來，然后通過云的方式共享出去，幫助騰訊做平臺(tái)和生態(tài)。

關(guān)于中國和美國在人工智能上的對(duì)比，張潼認(rèn)為，國內(nèi)很多的互聯(lián)網(wǎng)公司和創(chuàng)業(yè)公司的技術(shù)人員，有比較強(qiáng)的技術(shù)能夠落地。做工程的人員都有數(shù)據(jù)的經(jīng)驗(yàn)，也有很多人更愿意做各種各樣的嘗試，這都是國內(nèi)的優(yōu)勢。美國的技術(shù)水平相對(duì)比國內(nèi)較厚一點(diǎn)，在學(xué)術(shù)研究上美國還是比較領(lǐng)先，但是國內(nèi)創(chuàng)新能力也在慢慢加強(qiáng)，而且國內(nèi)在產(chǎn)品落地上稍微領(lǐng)先一點(diǎn)。