AI大師會詳解智能商業決策之路：從「識別」到「思考」

金評媒（https://www.jpm.cn）編者按：6月24日，首場深度AI系列論壇「AI大師圓桌系列」首場在京開講，Stanford講席教授葉蔭宇坐鎮，喬治亞理工學院、明尼蘇達大學、紐約大學、清華大學青年領袖學者助陣，從深度學習在時空大數據分析中的應用談開，詳細解剖商業智能中的機器學習、深度學習，以及少為人知卻直指真實場景中複雜決策的運籌學。

談起人工智慧，在我國最先被提起的往往是橫掃圍棋大師的AlphaGo。但在業界，更令人吃驚的標誌性變革發生在德州撲克：不需要準備海量棋譜，也沒有充分公開的完美信息場景，化名「冷撲大師」的AI系統直接針對對手的劣勢自我學習、通過博弈論選取最優策略，橫掃德撲頂尖高手，「高情商」令人矚目——不完全信息場景，正是錯綜複雜商業運作中常常面臨的困境。

李開復說，「冷撲大師」戰勝人類的意義，就在於「更多人通過比賽了解到了更全面的人工智慧，知道AlphaGo所代表的代表的深度學習並不是人工智慧的全部」。

商業智能時代，量化決策勢不可擋，如何從洶湧的AI泡沫中找到正確方向，是學界和業界共同關心的議題。國內集中了運籌優化領域最優勢學術資源的杉數科技希望就相關問題與業界人士進行深入探討，不止請來「冷撲之父「，目前已經確認出席的嘉賓還包括兩位斯坦福講席教授在內的國際著名學者。

6月24日，首場深度AI系列論壇「AI大師圓桌系列」首場在京開講，Stanford講席教授葉蔭宇坐鎮，喬治亞理工學院、明尼蘇達大學、紐約大學、清華大學青年領袖學者助陣，從深度學習在時空大數據分析中的應用談開，詳細解剖商業智能中的機器學習、深度學習，以及少為人知卻直指真實場景中複雜決策的運籌學。

【演講節選】

杉數科技CTO、明尼蘇達大學助理教授王子卓首先談到由數據驅動的定價策略，他認為好的定價策略是一家公司的「生命線」，在比較廣泛的意義上來說，一個好的定價策略，需要在正確的時間，正確的地點，以正確的價格，把正確的服務和商品賣給正確的消費者。如何在價格和需求量之間找到平衡，獲得最大收益，需要企業充分利用數據進行智能決策，機器學習、人工智慧技術、運籌學的技術都是必不可少的。

在不同的商業領域裡，有很多不同的定價場景，具體的定價場景非常複雜。總結杉數科技的具體工作經驗，可以把場景分為6大類。

以標準定價為例，在杉數科技和多個互聯網企業的合作中，就需要刻畫消費者的商品選擇行為，從而利用消費者對不同商品的需求關聯性，推動消費者在一次消費中購買多件商品，以提升單次消費的客單價，增加收益。這就需要綜合考慮采銷業務需求或公司戰略要求、商品的歷史銷售與價格數據、及基於用戶行為數據分析得到的消費關聯特性，構建聯合定價的商品池；基於聯合定價商品池，綜合考慮友商價格、季節性、促銷、替代品與互補品等因素的影響，構造出需求函數模型，並在此需求函數形式下構建多SKU聯合定價方案，實現全局銷售收益最大化。產品量達到百萬級。

王子卓博士指出：「之前很多人覺得，銷量、利潤、營業額，這幾個可能是互相矛盾的指標，可能說想提升銷量就必須降低利潤，但是實際上並不是這樣。我們在這裡進行組合優化之後就可以發掘每一個SKU它的一些特性，充分利用每一個SKU它自身的一些特性，可以達到對這些指標的整體的提升。這也是我們覺得用數據驅動的這個定價非常有潛力的一點。「

在複雜多變的商業環境下，實施智能定價的環節以及產品化需要很高的技術門檻，而完整智能定價流程如何給公司收益帶來了顯著提高。杉數科技創始團隊自2016年以來，利用自己在定價方面的獨特積累和技術，已經為國內多個行業的龍頭企業，包括電商、物流、出行等，提供了收益管理方向的精確量化軟體開發和諮詢服務，合同額達到了近2000萬。

紐約大學助理教授陳溪介紹了前沿機器學習應用，解答通過機器學習應該如何做決策的問題——真實商業場景中的問題都是決策問題，好的預測並不等於好的決策。目前，人工智慧對於決策或邏輯上的推導還相對薄弱。因此，傳統的機器學習雖然在飛速發展，但也迫切需要與運籌學、統計學結合起來，才能夠使機器學習在商業當中得到廣泛應用，讓用戶產生的數據變得更有價值。

在演講中，他生動地講解了多臂老虎機問題（Multi-Armed Bandit Problem，MAB）：不同老虎機有著不同的收益反饋，但每一次拉動老虎機時，老虎機的反饋數值是隨機分布的。如何進行最少的嘗試、儘可能多地確定老虎機的整體收益反饋水平，映射了很多實際生活的問題。比如要比較兩類廣告對於用戶的吸引力，如果通過傳統方法對於用戶進行隨機測試，即使只有20款產品，對應的數據量也是巨大的。

多臂老虎機MAB演算法有著廣泛的商業用途，比如電商可以把該演算法用於某個產品消費群體的認知和開發。2014年，王子卓、葉蔭宇等人的一篇學術論文討論了用於單一產品收益最大化管理的MAB演算法，陳溪博士、李建博士以及其他杉數科技科學家在此基礎上不斷研究，並在杉數科技與某電商的實踐中設計相關演算法，該電商定期給女性顧客寄一個內有5件衣服的盒子，顧客可以選擇一件付款再把剩下的退回，如果5件衣服都不喜歡就會象徵性收取郵費。以此來探知女性消費者的消費行為數據，並用於相應演算法的開發。醫藥、廣告、拍賣、金融科技都是可以應用的領域，機器學習落地點遍布商業領域，但必須和其他學科充分合作。

清華大學助理教授李建的分享聚焦時空大數據分析，以深度學習應用的五個例子詳細闡述深度學習應用的難點、重點、要點。為人所熟知的深度學習往往是圖像識別、人臉識別、語音識別，或者說自然語言處理。而將時空大數據和深度學習結合起來的並不常見。時空大數據的特點是，數據類型非常豐富，比如GPS、訂單數據、天氣數據、路況數據等等。這與語音識別、圖像識別不同，需要把不同質的數據組合起來進行學習和預測，來應對這一複雜商業場景提出的實際挑戰。

通過對於交通路況的預測，可以解決網約車供需匹配、交通部門協管交通狀況等等問題，而訂單預測則對於在線租車的車輛調度、物流網點的資源匹配等十分必要。物流公司和其他相關產業的選址問題、無人駕駛對於障礙物的預判等等也都需要相關的輔助。時空數據在各行各業中海量產生，對於這些數據的合理挖掘與利用可以幫助生產者乃至整個社會提高生產效率。

喬治亞理工學院終身教授藍光輝的演講則圍繞（大規模）優化演算法在機器學習、深度學習中的應用展開，近幾年，機器學習和人工智慧得到突破性發展，在銀行、保險、營銷、通訊、醫療等等領域得到了廣泛應用。他指出，在這些商業應用中，「除了用機器學習來做預測以外，最重要是要做決策。建立模型再做決策，涉及到優化的系統集成，不管是在機器學習過程中還是在決策過程中，都需要用到優化模型或者演算法。」優化演算法的系統集成，即求解器（Optimization Solver）。問題規模、難度越大，求解精度越高，對於求解器的要求也就越高。杉數科技的科學家們一直著力落實葉蔭宇教授的主張，積極投身於開發自己的機器學習與深度學習演算法求解器。同時也幫助上海財經大學協同開發國產的最優化求解器的開源軟體，推進我國開源社區在優化演算法方面的進展。

目前世界頂級的機器學習求解器分別是H2O和TensorFlow，與H2O、TensorFlow這兩大界頂級機器學習求解器在9個公開數據集上進行對比測試，杉數科技的機器求解器軟體優勢明顯。例如，在針對經典分類模型的通用數據集上，杉數科技求解器的求解速度在所有數據集上均大幅高於TensorFlow，提升速度為10倍~70倍不等；而在計算速度大幅領先的情況下，杉數科技求解器預測效果仍基本高於TensorFlow。在回歸模型的測試中，在3個公開數據集上的對比測試來看，在不影響求解精確度的情況下，通過選擇合適的超參數使得杉數科技求解器軟體的求解速度仍快於TensorFlow數倍，而預測效果則大致相當。也就是說，中國的科學家們已經掌握了並不落後，甚至領先國外的核心演算法及軟體工具。而相關學科還需要更多的人才儲備，則是整個教育系統需要考慮和應對的問題。

最後，斯坦福大學講席教授葉蔭宇結合杉數科技的實際案例分別講解路徑優化、庫存管理、投資組合三大應用。1982年就去美國斯坦福讀書的他看待今日的AI熱潮，有著獨特的歷史眼光。他回憶，自己剛到美國時就經歷了一次 AI 的火爆和降溫，今日的AI解決了當年所未能解決的很多問題，而縱觀熱潮的起落，「優化」始終如同不動點，在各行各業發揮著重要作用。比如庫存管理上，在杉數科技的實際實踐中，可以將電商的周轉率從25天降到 16.5天，使得庫存金額降低19.2%，現貨率也有提升，GMV 上升1.9%。而且杉數將自己和大型電商的合作經驗產品化，轉化為服務於中小企業的產品stockgo，解決四大核心問題。他鳥瞰優化演算法的現狀與未來，也對於商業智能的宏觀圖景進行把握。

【會議介紹】

與其他熱鬧的分享會議不同，鈦媒體和杉數科技共同舉辦的AI大師會僅優選出100位觀眾抵達現場，科技公司CTO、科技圈投資人及分析師、在京高校研究生基本可以涵蓋觀眾的主要類型。類似的行業涉入程度使得現場的討論能夠切中行業痛點，與嘉賓的分享同樣富有啟發意義。

AI圓桌大師會將持續分享之旅，從今年6月到8月，坐標北京、上海、深圳，五場巡迴演講首戰告捷。接下來，杉數科技將邀請：「冷撲之父「、卡耐基梅隆大學計算機系教授Tuomas Sandholm；現代模擬理論的奠基人之一、美國工程院院士及美國斯坦福大學講席教授Peter W. Glynn；統計與機器學習全世界目前最活躍的領袖級學者、加州大學伯克利分校教授Martin Wainwright；2016年中國運籌學會青年科技獎得主、上海財經大學交叉科學院院長葛冬冬；機制設計和數據挖掘技術領域專家、哈佛大學教授Yaron Singer等十餘位大師和著名學者陸續來到中國。從現代運籌學的核心思想到非線性優化的商業應用，從高維預測和大數據處理到AI創業和社交網路，國際知名權威AI大師的思想在這裡碰撞，展現AI顛覆性改變產業結構的隱秘圖景，洞察行業最新的裂變勢能。

【附錄-本期科學家介紹】

葉蔭宇，斯坦福大學李國鼎工程講座教授、杉數科技首席科學顧問，曾獲運籌管理學界最高獎、美國運籌與管理學會馮諾依曼理論獎（迄今為止華人唯一獲獎者）、主要研究領域為連續和離散優化、數據科學和應用、大規模演算法設計和分析、計算博弈論/市場平衡，動態資源分配和隨機和魯棒決策等，是優化領域基石演算法之一內點演算法的奠基人之一。葉萌宇曾主持和參與美國波音、FICO、運通、美國衛生部、美國科學基金、美國能源部以及美國空軍科研部門等多個科研項目，也參與過中國國家電網調度、華為、中國最大直營電商收益管理和無人倉等多個科研與工業項目。

王子卓，明尼蘇達大學助理教授、杉數科技CTO，曾獲美國運籌管理學會收益管理分會2015年最佳實際應用獎提名，主要研究領域為收益管理與運營管理、定價問題、優化演算法設計等。王子卓曾參與美國運通、華為、IBM、希捷等相關項目，其中為IBM定製的定價策略系統獲美國兩項專利，為IBM創造過巨額利潤，現為中國多個電商，物流，共享經濟量化項目的 核心科學家。

藍光輝，喬治亞理工學院終身教授，目前任計算優化和應用（2014年至今）、優化演算法頂級期刊Mathematical Programming（數學規劃，2016年至今）雜誌副主編，主要研究領域為隨機優化和非線性規劃的理論、演算法和應用（包括隨機梯度下降和加速隨機梯度下降，用於解決隨機凸和非凸優化問題）。

李建，清華大學交叉信息研究院助理教授、杉樹科技科學家，美國馬里蘭大學博士、國內機器學習領域最頂尖的前沿科學家之一，國際學術會議VLDB 2009和ESA 2010最佳論文獎獲得者，清華211基礎研究青年人才支持計劃以及教育部新世紀人才支持計劃青年學者，主要研究方向為演算法設計與分析、機器學習與深度學習、隨機優化與組合優化等。

陳溪，紐約大學助理教授，提名福布斯全球30under30（30歲以下最有影響力的30人），博士後導師機器學習之父Michael I. Jordan（剛剛成為螞蟻金服智囊團主席），主要研究領域為機器學習、高維統計和運籌學、監督（回歸和分類）和無監督學習（聚類和維度降低）、推薦系統和深度學習等。

【文章僅代表作者觀點，版權歸原作者所有，如需轉載請在文中註明來源及作者名字。】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！