人工智能专场NBI TALK

2018年8-9日,品途集团举办的2018·NBI夏季创新峰会在北京召开,本次峰会主题是“与创新节律同步”,旨在探讨商业领域的发展规划和创新趋势,并持续关注科技前沿、零售消费、泛文娱、大健康、教育、旅游等10大领域,品途集团希望通过峰会的交流与合作,让创新“更有价值 ”、“更易触达”、“更有用”。

人工智能专场NBI TALK

在8日主会场中,中国电商委主任兼秘书长苏军、微软中国CTO韦青、阿里巴巴集团新零售研究中心主任崔瀚文等嘉宾,就产业创新等发表主题演讲。

分会场中,场景实验室创始人吴声、全时创始人兼CEO陈学军、Boss直聘创始人兼CEO赵鹏、《吐槽大会》卡司、笑友文化CEO史炎等嘉宾,分别发表了关于消费零售、企业服务、消费、文娱创新等领域的主题演讲。

在8日关于《人工智能商业应用的黄金比例》的人工智能专场中,围绕预见AI·智启新时代的主题,微软加速器的优秀代表企业分享了他们的产品、技术与商业模式。

以下内容经品途商业评论精编整理:

主持人周健:大家好!我叫周健,微软加速器上海的CEO。

大家肯定听到过人工智能,还有数字化转型,比较新的几个词语。我现在经常跟一些500强高管在聊,25年前他们被逼有一个中国策略,现在他们需要有一个数字化转型的策略。因此84%的CEO认为,现在各种各样大的企业都面临一个所谓的数字化转型,很多的生意模式在今后的几年中都会不复存在。

麦肯锡也做了这么一个设备,他们认为AI会帮助企业在这些数字化转型中提高各方面的效率。在微软看来,做数字化转型最主要在这四个方面能够助力到一些企业:

1、通过数字化转型企业更好的赋能于他的员工。

2、数字化转型能够让企业更好的服务它的客户。

3、数字化转型可以帮助企业提高各方面的效率。

4、企业通过各方面的数字化转型,能够重新设计它的产品和服务。

20年前,比尔盖茨建立了微软研究院,同时也在中国设立了微软亚洲研究院,当时他的愿景就说,如果每个人有了一台电脑的话,他希望这台电脑能够看、能够听、能够讲和能交流。所以微软亚洲研究院也培养出非常多的人工智能方面在中国有影响力的人才。

刚才大家都已经看过各种各样的人工智能、计算机视觉,计算机视觉,微软在前几年就已经达到了神经网络152层,95%的精度,这是让计算机真正能够做到一些人能够达到的事情。还有语音上面的突破,2017年微软通过人工智能做了一个实验,它整个语音的识别,错误率首次超过了人类。还有自然语言处理,其中一个应用就是微软必应翻译软件。在微软负责自然语言研究的沈向阳博士,就是用了我们微软这么一个技术,在法国一个人工智能大会上向大家展示这个功能。

中国微软亚洲院还做了一件事情,小冰的研究,很多的时候,大家说人工智能计算机,现在都有一些人类的能力,有一定的IQ。在我们看来单单有IQ不够,还有EQ。过去的几年之中,小冰越来越聪明,它还可以写诗,出版诗集。

刚才也有一些嘉宾做分享,说人工智能我们在技术上寻求突破,渐渐的是不是能够代替人类做很多的事情?微软整个的策略来讲,我们最终想达到的目的,叫普惠AI。让每一个一般的AI工程师,一般的数据科学家,甚至有一些人都没有编程能力的人,都能够用AI。

其实很多人都担心,发展AI的话,我们的工作还有没有?AI会不会反人类?所以我们微软在整个来讲的话,微软CEO认为,AI的本身只是辅助于人类,因为AI是人类设计出来的,AI的本身是放大人类聪明的智慧。我们做设计的时候,常常要定一些非常有效的一些准则,作为AI最基本的设计原理。

其实在我们看来AI像是一个3岁的小孩,虽然它现在可以说了、可以听了,可以做一些语义理解了,但是它还是在一个非常早期的发展过程中。

从人类本身来讲,因为我们的公司被现在AI的机器人所代替了,很多人失业了。在这种情况下,我们是不是该思考一下用AI怎么为人类更好的做一些事情?所以我们讲到了一个设计AI的同理心,有一些工作本身被AI代替了,我们该怎么去帮助到这些人?

比如在美国,路透社的记者,原先要先看年报,然后再写财经文章,但是AI渐渐自动可以去读懂财报,自动产生这种文章,所以路透社渐渐把这帮记者分离出来,让他们去报道更深的东西。这让我们认为,虽然某种程度上AI赋能各种各样的工业,代替了部分人类的工作,从另外一种角度来讲,也促使人类更大的进步,能够做一些更深的领域。

我讲到了AI就像一个3岁的小孩,就像成人教育小孩的时候要树立一个很好的榜样。今天我主要把时间留给我们的微软加速器团队,下面通过这四家初创企业他们在智能家居、医疗、新零售和金融方面的一些应用给大家更多的展示和更多的思考,AI可能怎么样在现实的生活中落地?

首先有请百芝龙CEO-叶伟,带来《AI赋予家庭以灵魂》。

叶伟:刚才听了顾总的演讲受益匪浅,作为微软加速器第三期的企业,百芝龙在过去4年多时间里面,到底做了一些什么呢?借今天这个机会,给AI有兴趣的各位做一个分享。

全球每年有1000万的老人因意外摔倒而受伤,有50万以上的老人因为意外摔倒而去世。在中国,老龄化人口目前有2.5亿,在上海这样的城市,老龄人口比例已经超过了36%。他们中的绝大多数都是在独自生活。我们应该怎样来关心、来爱护这些老人呢?我们有什么非常成熟的技术,尤其是人工智能技术能够对他们进行关心和爱护呢?比如说我们比较常见的机器视觉技术来监管和爱护这些老人行不行呢?大家知道,虽然是老人,他们也有自己的隐私,他们也有自尊的需求,他们也要换衣服、洗澡,如果装一个无处不在的摄像头,对这些老人来讲他们是不愿意看到的。因此在高隐私情况下,我们是不能使用机器视觉这种非常成熟技术的。那么是不是我们能给他放很多穿戴式的这些设备呢?比如现在常见的手环,实际上首先他们非常讨厌戴这种穿戴式的设备,其次因为老年人因为健忘,他常常忘记戴、忘记充电。因此可见我们这些常见的解决方案,都不能很好的解决老人监护这个痛点。

所以我们需要有一种技术,这种技术更直接、更方便、更无感,无感是非常重要的,我不希望因为发明了一种新的技术,就要通过这种技术改变人的生活方式。我们并不想改变人的生活方式,只是想让它融于你现在的生活方式。基于这种想法,百芝龙研发了一种技术,叫无线网络生物探测技术。

首先它是基于了人工智能对WIFI信号杂波进行深度学习,我们能够实现一个非接触式的、完全不需要接触设备的生物体征感知。它具有很强的场景化应用的前景,而且非常简单、非常方便,不需要你去穿戴任何的东西,你自然的去生活,我们这套技术就能够把你日常的生活去监管起来。

这个技术应该怎么样实现呢?实际上它分两个步骤。一个是需要对WIFI噪波进行感知,另一个是感知之后能够对WIFI噪波进行认知。假设在现在的会场里面,WIFI波就像水一样充满了整个空间,如果这个会场里一个人都没有的话,那个水是绝对静止的,假设这个会场当中有一个人进到这个会场,他任何细微的工作,不管是静动脉的跳动,或者呼吸,或者其他的微小动作,都会对WIFI产生影响,会形成波纹,不同的动作形成不同的波纹。假设有一个特别聪明的人工智能,之前已经学习了几百万条动作和波纹之间的关系,然后通过分析这些噪波,它下一次看到噪波的时候就会告诉我们这是谁、什么样的人、什么动作引起这些噪波的。这就是我们这个技术的基本原理,看起来非常简单,但实现起来非常困难。通过我们的深度学习,我们在四年半的时间里积累了超过500万条的数据。

这是目前唯一一个进入到商业应用阶段的无线网络生物探测技术,真正实现商业化的目前只有我们百芝龙一家。它的应用空间非常广泛,不单单是养老,还有酒店、居家、安防场景等。包括办公楼,可以通过这套人工智能系统,准确的反映出空间人口实时流动的密度和能源管理系统去配合,做到真正智能的能源控制。

百芝龙智慧科技到底是一个什么样的公司?我们是一家基于场景的人工智能公司,口号是以智慧改变生活,以生活改变世界。我们是上海第三期微软加速器的成员,也是京东智能的战略合作伙伴。

到目前为止,基于家庭和住宅场景下的人工智能相应场景式的解决方案,已经有27项发明的专利,拥有众多商业合作伙伴,签了超过两亿人民币的合同。预计2019年底,单是WIFI这一套的产品,预计将销售150万套。

非常感谢大家聆听我今天小小的演讲,大家如果有兴趣可以扫描我的二维码,添加公众号。好,谢谢大家!

主持人周健:下面请Airdoc合伙人-陈飞,带来《Airdoc每个人的健康检测工具》。

陈飞:大家好!我是陈飞,来自Airdoc。目前中国糖尿病患病是1.14亿,意味着每10个人中就有1个人是糖尿病患者。但是糖尿病的知晓率只有30%。为什么糖尿病的检出率如此低?其中很重要的一个原因,是我们现在的糖尿病检测方法是有创的,大家知道是需要抽血,来化验糖尿病。这种成本是高昂的,有没有既便宜又很好的检测方法呢?

眼底检查就是很好的一种检查手段,通过眼底照相机拍摄一张照片,只需要10秒钟,之后生成一个视网膜的照片,这个成本非常低廉。糖尿病带来的血糖改变会影响到我们人毛细血管的变化以及神经的变化,这是它的基本原理,同时很多慢性病都会带来特异性的改变。

现实的情况是什么?我们中国所有的眼科医生加起来的数量不超过3.6万名,眼底的医生只有4千名,意味着我们3.8万人才拥有1个眼科医生,每35万人才拥有一个眼底医生。3.3亿的高血压、2.9亿的心血管、1.4亿的糖尿病即使让我们这些医生不停的工作,都是无法消化的。

我们过去一直在做这样一个尝试,我们让眼科医生专家和我们一起研发一个电子医生,这位电子医生能够像眼科医生一样判断眼底的病灶,同时还能够自我的学习,不断的纠错。深度学习技术刚好是满足这一要求,这要求我们的算法团队构建这个电子医生的大脑,让我们的眼科专家标注数据,做很多的教材,手把手教这位电子医生去如何识别眼底照片,如何识别血管,如何识别神经,如何去识别病灶和一些相关的疾病。

随着算法的演进,我们这位电子医生不断的自我学习,24小时不断的运算,它也开始变得越来越聪明,也能够处理一些真实的场景,譬如说图像模糊,拍摄的不是很好,或者是病灶特别的异常。在这种噪音、干扰比较大的情况下,去做好分割部位的提取,病灶的识别。

过去的3年里面,我们和眼科专家一起来训练我们这位电子医生,我们也在不断利用我们的电子医生投放到医院的真实场景,去实际的运算,实际的运用,不断的吸取经验,不断的去改进。到现在,我们Airdoc这位电子医生已经有着760年阅片经验的资深医生,它能够去识别影响血管和神经的近20种慢病,包括糖尿病、高血压、动脉硬化等在内的20多种慢病。

通过我们现有的人工智能技术,我们很荣幸的能够在中国和美国的一些顶级医疗机构里面去应用,帮助医生做科研和医生一起实地展开一些社区的应用。我们也很荣幸受邀走出国门,去参加全球性的技术大会,同时入驻和平方舟,代表中国出访非洲六国。我们也很荣幸通过我们的技术,让很多的慢性病患者可以买到健康险,也很荣幸我们能够大规模的服务社区百姓,让老年患者提前发现自己的疾病,进一步的接受治疗,或者说去预防。我们也很荣幸和中国最大的眼镜连锁集团联合起来,在全国的1200家眼镜门店,去提供我们的这位电子医生,服务于全国的患者。

我们是来自于医疗机构、科研机构、科研单位,还有药厂的综合团队,我们希望团过我们的人工智能技术,能够成为每个人身边的一个健康检测工具。

谢谢大家!

主持人周健:刚刚听了AI在人工智能,就是在医疗方面的一个应用,那下面我想有请YI-Tunnel COO-刘佳雪,带来《零售场景的人工智能商业化应用》。

刘佳雪:我们公司叫 YI-Tunnel,现在有200多个人,主要都是技术人员,没有一个销售,我们所有技术人员都是来自于清华大学。我们做了一个人工智能的称重台,不管是标品像可乐、矿泉水,或者是非标品,随便东西放上去,只要人能认出来的,结算台就能认出来。

我们第二款产品是一个智能货柜,手机扫码开门,通过摄像头判断你拿了什么东西,最后结算。

我们最引以为傲的第三个产品,是挑战了Amazon Go出了一个体验店,在海口运营了半年多,是通过摄像头的方式,实现了Amazon Go即拿即走的效果。

因为我们有这样领先的技术,可以对现有的零售做另外一种赋能,就是我们在数据分析上给它一个全新的维度,我想举两个例子:

第一个例子,我上个月去日本,受邀去一家总部的创新中心,发现最领先的便利店就是我站在货架前面,拿了一个洗发水,货架上的屏幕上就给我播放洗发水的广告。逻辑上我已经拿了这个洗发水,你再给我播这个广告,其实没有意义。

其实我想说,我们都逛淘宝,我为什么会喜欢逛淘宝,比如我想在淘宝上买一个口红,我加入购物车以后,它会给我推荐很多其他的产品,我会比较感兴趣,甚至给我推的都不是口红,比如是衣服,我发现恰好推的这些东西,可能7成甚至8成以上都是我感兴趣的东西,我就会不断的点开,不断的看,会花很多的时间,去买很多我开始想买口红的时候没关注的东西。

为什么淘宝能做到?因为淘宝收集了很多数据,才能做到现在的这些水平。但是线下的数据维度非常的简单,只是最后的一个结算台的维度,就是商家只能知道我今天卖出去500屏可乐,300包薯片,但是可乐谁买的?薯片谁买的?买可乐的人,在这个商店里是怎么走的?买可乐的人在商店里拿过什么东西?这是线下零售得不到的。

我们相信可以给传统线下零售通过人工智能的方式做一个新的升级。

第二个例子,想举一下现在吉野家的例子,我们现在即拿即走智能货柜,吉野家所有货柜里的东西只能放三个小时,因为它会把沙拉、水果杯放货柜里,超过三个小时之后,就会把鲜食拿出来全部销毁,这个如果没有精准的预测,这个销毁量会是非常大的。能去做这个预测?只能是非常有经验,可能有十年甚至二十年管理经验的运营经理,他们才能大概预估出需要多少东西?

现在我们有了基于AI的分析,会结合很多的客观因素,比如说吉野家的点位,它周围的商圈,天气是什么样的?有没有相关节日?我们根据所有的客观的数据,会综合到预测分析中,他会告诉你几点应该摆多少水果杯在里面?来最大化的满足销售、减少货损。

刚才物灵网的CEO说,觉得AI在9个领域会率先的落地,可能会有更好商业应用,我在里面好像没有看到零售。我们公司在5月、6月、7月,这三个月已经签了超过一个亿的定单。所以在零售这种传统领域,对于新技术的渴求,对于技术的改造是非常有需求的。

这是我一些简要的想法和介绍,谢谢大家!

主持人周健:最后一家,吴中-DataVisor中国区总经理,带来《利用无监督学习 AI抵抗日益升级的欺诈攻击》。

吴中:大家好,今天想跟大家来聊一聊欺诈的事情。由于我们网络技术的发展,很多欺诈开始变得多样性,成为一个严峻的社会问题。

从几个维度来讲这个事情,从黑色产业链攻击方的角度来讲,现在越来越多的攻击背后都有一条严密的黑色产业链支持。一般是一堆人控制,组成犯罪团伙,通过各种手段,比如大规模的注册,或者上网去买,或者去控制很多帐号的使用权。根据分析去找所谓的口子,然后在各个平台上,根据你不同的业务去骗市场经费,或者骗申请,信用申请,或者贷款申请等。

另一方面,从平台的角度来讲,现如今App集成的功能越来越多样化,能够社交、游戏、有很多电商的小APP,也能转账、能付款。一方面给我们带来很多便利,另一方面也给这种犯罪团伙提供了很多攻击的维度。很多时候,你挡住了一个口子,他会在另一个口子找到一套组合,然后做一些欺诈。这个实际上给企业的反欺诈或者风控部门带来非常大的压力。

DataVisor是一个给企业提供反欺诈或者风控的公司,从我们每年、每个季度发布的欺诈报告可以看到,2018年第一个季度,全球范围内超过9亿的攻击事件,整个态势处于增长的态势,找到了大概29万名攻击团伙,每个团伙可能是几百甚至几千人。根据时间也会有一些季节变化,比如双十一、双十二这种节日,往往会有更大的爆发。

今天在整个AI的情况下,我们强调更多的是技术和数据,我们想用一个AI的方式让风控更加的自动化,能够自动的去识别这种未知变化的风险。所以从数据层面,我们也跟企业建议,我们会去收集全欺诈行为数据,然后从算法上需要有一个升级。

这是基本上我们总结的常用的几种方法,一个是最基础的一些规则引擎,根据一些专家的支持,或者根据过往的经验,去制定一些所谓的规则,通过一个规则引擎,来去防止已知的一些风险。优点是它的解释性比较强,但是它的缺点就是,有很多可能细微的关联,你可能是很难想象得到的,所以这个时候,我们会通过像有监督学习,或者深度学习这种方法,从海量收集的这些数据里面,自动的去学一些模型。

最后一个,前面的这些我们都把它可以归成有标签或者有监督的学习,他们在处理一些已知的攻击实际上还是比较有效的。但Data Visor独特的优势是,我们花了很多时间在做无监督反欺诈机器学习。这实际上也是反欺诈一个重要的升级,因为攻击所防范的对象,实际上是一个移动版的,你今天把它给检测到了,但实际上,它明天的模式,或者它找的这个入口就不一样。所以我们研究了一套无监督的,无需训练样本的方式,去自动的发现和适配这种攻防。

最后简单介绍一下我们的公司,DataVisor是2013年底在硅谷建立,从2016年开始进入中国,整个组成人员,很多基本上是属于做机器学习、AI、大数据分析的。我们的客户覆盖包括像各大社交互联网、游戏厂商、金融和银行等机构。截至目前为止,DataVisor在全球覆盖的用户帐号已经超过了40亿,用户事件超过了8千亿。

谢谢大家!

整理|路畅