人工智慧專場NBI TALK

2018年8-9日，品途集團舉辦的2018·NBI夏季創新峰會在北京召開，本次峰會主題是「與創新節律同步」，旨在探討商業領域的發展規劃和創新趨勢，並持續關注科技前沿、零售消費、泛文娛、大健康、教育、旅遊等10大領域，品途集團希望通過峰會的交流與合作，讓創新「更有價值 」、「更易觸達」、「更有用」。

在8日主會場中，中國電商委主任兼秘書長蘇軍、微軟中國CTO韋青、阿里巴巴集團新零售研究中心主任崔瀚文等嘉賓，就產業創新等發表主題演講。

分會場中，場景實驗室創始人吳聲、全時創始人兼CEO陳學軍、Boss直聘創始人兼CEO趙鵬、《吐槽大會》卡司、笑友文化CEO史炎等嘉賓，分別發表了關於消費零售、企業服務、消費、文娛創新等領域的主題演講。

在8日關於《人工智慧商業應用的黃金比例》的人工智慧專場中，圍繞預見AI·智啟新時代的主題，微軟加速器的優秀代表企業分享了他們的產品、技術與商業模式。

以下內容經品途商業評論精編整理：

主持人周健：大家好！我叫周健，微軟加速器上海的CEO。

大家肯定聽到過人工智慧，還有數字化轉型，比較新的幾個詞語。我現在經常跟一些500強高管在聊，25年前他們被逼有一個中國策略，現在他們需要有一個數字化轉型的策略。因此84%的CEO認為，現在各種各樣大的企業都面臨一個所謂的數字化轉型，很多的生意模式在今後的幾年中都會不復存在。

麥肯錫也做了這麼一個設備，他們認為AI會幫助企業在這些數字化轉型中提高各方面的效率。在微軟看來，做數字化轉型最主要在這四個方面能夠助力到一些企業：

1、通過數字化轉型企業更好的賦能於他的員工。

2、數字化轉型能夠讓企業更好的服務它的客戶。

3、數字化轉型可以幫助企業提高各方面的效率。

4、企業通過各方面的數字化轉型，能夠重新設計它的產品和服務。

20年前，比爾蓋茨建立了微軟研究院，同時也在中國設立了微軟亞洲研究院，當時他的願景就說，如果每個人有了一台電腦的話，他希望這台電腦能夠看、能夠聽、能夠講和能交流。所以微軟亞洲研究院也培養出非常多的人工智慧方面在中國有影響力的人才。

剛才大家都已經看過各種各樣的人工智慧、計算機視覺，計算機視覺，微軟在前幾年就已經達到了神經網路152層，95%的精度，這是讓計算機真正能夠做到一些人能夠達到的事情。還有語音上面的突破，2017年微軟通過人工智慧做了一個實驗，它整個語音的識別，錯誤率首次超過了人類。還有自然語言處理，其中一個應用就是微軟必應翻譯軟體。在微軟負責自然語言研究的沈向陽博士，就是用了我們微軟這麼一個技術，在法國一個人工智慧大會上向大家展示這個功能。

中國微軟亞洲院還做了一件事情，小冰的研究，很多的時候，大家說人工智慧計算機，現在都有一些人類的能力，有一定的IQ。在我們看來單單有IQ不夠，還有EQ。過去的幾年之中，小冰越來越聰明，它還可以寫詩，出版詩集。

剛才也有一些嘉賓做分享，說人工智慧我們在技術上尋求突破，漸漸的是不是能夠代替人類做很多的事情？微軟整個的策略來講，我們最終想達到的目的，叫普惠AI。讓每一個一般的AI工程師，一般的數據科學家，甚至有一些人都沒有編程能力的人，都能夠用AI。

其實很多人都擔心，發展AI的話，我們的工作還有沒有？AI會不會反人類？所以我們微軟在整個來講的話，微軟CEO認為，AI的本身只是輔助於人類，因為AI是人類設計出來的，AI的本身是放大人類聰明的智慧。我們做設計的時候，常常要定一些非常有效的一些準則，作為AI最基本的設計原理。

其實在我們看來AI像是一個3歲的小孩，雖然它現在可以說了、可以聽了，可以做一些語義理解了，但是它還是在一個非常早期的發展過程中。

從人類本身來講，因為我們的公司被現在AI的機器人所代替了，很多人失業了。在這種情況下，我們是不是該思考一下用AI怎麼為人類更好的做一些事情？所以我們講到了一個設計AI的同理心，有一些工作本身被AI代替了，我們該怎麼去幫助到這些人？

比如在美國，路透社的記者，原先要先看年報，然後再寫財經文章，但是AI漸漸自動可以去讀懂財報，自動產生這種文章，所以路透社漸漸把這幫記者分離出來，讓他們去報道更深的東西。這讓我們認為，雖然某種程度上AI賦能各種各樣的工業，代替了部分人類的工作，從另外一種角度來講，也促使人類更大的進步，能夠做一些更深的領域。

我講到了AI就像一個3歲的小孩，就像成人教育小孩的時候要樹立一個很好的榜樣。今天我主要把時間留給我們的微軟加速器團隊，下面通過這四家初創企業他們在智能家居、醫療、新零售和金融方面的一些應用給大家更多的展示和更多的思考，AI可能怎麼樣在現實的生活中落地？

首先有請百芝龍CEO-葉偉，帶來《AI賦予家庭以靈魂》。 

葉偉：剛才聽了顧總的演講受益匪淺，作為微軟加速器第三期的企業，百芝龍在過去4年多時間裡面，到底做了一些什麼呢？借今天這個機會，給AI有興趣的各位做一個分享。

全球每年有1000萬的老人因意外摔倒而受傷，有50萬以上的老人因為意外摔倒而去世。在中國，老齡化人口目前有2.5億，在上海這樣的城市，老齡人口比例已經超過了36%。他們中的絕大多數都是在獨自生活。我們應該怎樣來關心、來愛護這些老人呢？我們有什麼非常成熟的技術，尤其是人工智慧技術能夠對他們進行關心和愛護呢？比如說我們比較常見的機器視覺技術來監管和愛護這些老人行不行呢？大家知道，雖然是老人，他們也有自己的隱私，他們也有自尊的需求，他們也要換衣服、洗澡，如果裝一個無處不在的攝像頭，對這些老人來講他們是不願意看到的。因此在高隱私情況下，我們是不能使用機器視覺這種非常成熟技術的。那麼是不是我們能給他放很多穿戴式的這些設備呢？比如現在常見的手環，實際上首先他們非常討厭戴這種穿戴式的設備，其次因為老年人因為健忘，他常常忘記戴、忘記充電。因此可見我們這些常見的解決方案，都不能很好的解決老人監護這個痛點。

所以我們需要有一種技術，這種技術更直接、更方便、更無感，無感是非常重要的，我不希望因為發明了一種新的技術，就要通過這種技術改變人的生活方式。我們並不想改變人的生活方式，只是想讓它融於你現在的生活方式。基於這種想法，百芝龍研發了一種技術，叫無線網路生物探測技術。

首先它是基於了人工智慧對WIFI信號雜波進行深度學習，我們能夠實現一個非接觸式的、完全不需要接觸設備的生物體征感知。它具有很強的場景化應用的前景，而且非常簡單、非常方便，不需要你去穿戴任何的東西，你自然的去生活，我們這套技術就能夠把你日常的生活去監管起來。

這個技術應該怎麼樣實現呢？實際上它分兩個步驟。一個是需要對WIFI噪波進行感知，另一個是感知之後能夠對WIFI噪波進行認知。假設在現在的會場裡面，WIFI波就像水一樣充滿了整個空間，如果這個會場里一個人都沒有的話，那個水是絕對靜止的，假設這個會場當中有一個人進到這個會場，他任何細微的工作，不管是靜動脈的跳動，或者呼吸，或者其他的微小動作，都會對WIFI產生影響，會形成波紋，不同的動作形成不同的波紋。假設有一個特別聰明的人工智慧，之前已經學習了幾百萬條動作和波紋之間的關係，然後通過分析這些噪波，它下一次看到噪波的時候就會告訴我們這是誰、什麼樣的人、什麼動作引起這些噪波的。這就是我們這個技術的基本原理，看起來非常簡單，但實現起來非常困難。通過我們的深度學習，我們在四年半的時間裡積累了超過500萬條的數據。

這是目前唯一一個進入到商業應用階段的無線網路生物探測技術，真正實現商業化的目前只有我們百芝龍一家。它的應用空間非常廣泛，不單單是養老，還有酒店、居家、安防場景等。包括辦公樓，可以通過這套人工智慧系統，準確的反映出空間人口實時流動的密度和能源管理系統去配合，做到真正智能的能源控制。

百芝龍智慧科技到底是一個什麼樣的公司？我們是一家基於場景的人工智慧公司，口號是以智慧改變生活，以生活改變世界。我們是上海第三期微軟加速器的成員，也是京東智能的戰略合作夥伴。

到目前為止，基於家庭和住宅場景下的人工智慧相應場景式的解決方案，已經有27項發明的專利，擁有眾多商業合作夥伴，簽了超過兩億人民幣的合同。預計2019年底，單是WIFI這一套的產品，預計將銷售150萬套。

非常感謝大家聆聽我今天小小的演講，大家如果有興趣可以掃描我的二維碼，添加公眾號。好，謝謝大家！

主持人周健：下面請Airdoc合伙人-陳飛，帶來《Airdoc每個人的健康檢測工具》。    

陳飛：大家好！我是陳飛，來自Airdoc。目前中國糖尿病患病是1.14億，意味著每10個人中就有1個人是糖尿病患者。但是糖尿病的知曉率只有30%。為什麼糖尿病的檢出率如此低？其中很重要的一個原因，是我們現在的糖尿病檢測方法是有創的，大家知道是需要抽血，來化驗糖尿病。這種成本是高昂的，有沒有既便宜又很好的檢測方法呢？

眼底檢查就是很好的一種檢查手段，通過眼底照相機拍攝一張照片，只需要10秒鐘，之後生成一個視網膜的照片，這個成本非常低廉。糖尿病帶來的血糖改變會影響到我們人毛細血管的變化以及神經的變化，這是它的基本原理，同時很多慢性病都會帶來特異性的改變。

現實的情況是什麼？我們中國所有的眼科醫生加起來的數量不超過3.6萬名，眼底的醫生只有4千名，意味著我們3.8萬人才擁有1個眼科醫生，每35萬人才擁有一個眼底醫生。3.3億的高血壓、2.9億的心血管、1.4億的糖尿病即使讓我們這些醫生不停的工作，都是無法消化的。

我們過去一直在做這樣一個嘗試，我們讓眼科醫生專家和我們一起研發一個電子醫生，這位電子醫生能夠像眼科醫生一樣判斷眼底的病灶，同時還能夠自我的學習，不斷的糾錯。深度學習技術剛好是滿足這一要求，這要求我們的演算法團隊構建這個電子醫生的大腦，讓我們的眼科專家標註數據，做很多的教材，手把手教這位電子醫生去如何識別眼底照片，如何識別血管，如何識別神經，如何去識別病灶和一些相關的疾病。

隨著演算法的演進，我們這位電子醫生不斷的自我學習，24小時不斷的運算，它也開始變得越來越聰明，也能夠處理一些真實的場景，譬如說圖像模糊，拍攝的不是很好，或者是病灶特別的異常。在這種噪音、干擾比較大的情況下，去做好分割部位的提取，病灶的識別。

過去的3年裡面，我們和眼科專家一起來訓練我們這位電子醫生，我們也在不斷利用我們的電子醫生投放到醫院的真實場景，去實際的運算，實際的運用，不斷的吸取經驗，不斷的去改進。到現在，我們Airdoc這位電子醫生已經有著760年閱片經驗的資深醫生，它能夠去識別影響血管和神經的近20種慢病，包括糖尿病、高血壓、動脈硬化等在內的20多種慢病。

通過我們現有的人工智慧技術，我們很榮幸的能夠在中國和美國的一些頂級醫療機構裡面去應用，幫助醫生做科研和醫生一起實地展開一些社區的應用。我們也很榮幸受邀走出國門，去參加全球性的技術大會，同時入駐和平方舟，代表中國出訪非洲六國。我們也很榮幸通過我們的技術，讓很多的慢性病患者可以買到健康險，也很榮幸我們能夠大規模的服務社區百姓，讓老年患者提前發現自己的疾病，進一步的接受治療，或者說去預防。我們也很榮幸和中國最大的眼鏡連鎖集團聯合起來，在全國的1200家眼鏡門店，去提供我們的這位電子醫生，服務於全國的患者。

我們是來自於醫療機構、科研機構、科研單位，還有藥廠的綜合團隊，我們希望團過我們的人工智慧技術，能夠成為每個人身邊的一個健康檢測工具。

謝謝大家！

主持人周健：剛剛聽了AI在人工智慧，就是在醫療方面的一個應用，那下面我想有請YI-Tunnel COO-劉佳雪，帶來《零售場景的人工智慧商業化應用》。

劉佳雪：我們公司叫 YI-Tunnel，現在有200多個人，主要都是技術人員，沒有一個銷售，我們所有技術人員都是來自於清華大學。我們做了一個人工智慧的稱重台，不管是標品像可樂、礦泉水，或者是非標品，隨便東西放上去，只要人能認出來的，結算台就能認出來。

我們第二款產品是一個智能貨櫃，手機掃碼開門，通過攝像頭判斷你拿了什麼東西，最後結算。

我們最引以為傲的第三個產品，是挑戰了Amazon Go出了一個體驗店，在海口運營了半年多，是通過攝像頭的方式，實現了Amazon Go即拿即走的效果。

因為我們有這樣領先的技術，可以對現有的零售做另外一種賦能，就是我們在數據分析上給它一個全新的維度，我想舉兩個例子：

第一個例子，我上個月去日本，受邀去一家總部的創新中心，發現最領先的便利店就是我站在貨架前面，拿了一個洗髮水，貨架上的屏幕上就給我播放洗髮水的廣告。邏輯上我已經拿了這個洗髮水，你再給我播這個廣告，其實沒有意義。

其實我想說，我們都逛淘寶，我為什麼會喜歡逛淘寶，比如我想在淘寶上買一個口紅，我加入購物車以後，它會給我推薦很多其他的產品，我會比較感興趣，甚至給我推的都不是口紅，比如是衣服，我發現恰好推的這些東西，可能7成甚至8成以上都是我感興趣的東西，我就會不斷的點開，不斷的看，會花很多的時間，去買很多我開始想買口紅的時候沒關注的東西。

為什麼淘寶能做到？因為淘寶收集了很多數據，才能做到現在的這些水平。但是線下的數據維度非常的簡單，只是最後的一個結算台的維度，就是商家只能知道我今天賣出去500屏可樂，300包薯片，但是可樂誰買的？薯片誰買的？買可樂的人，在這個商店裡是怎麼走的？買可樂的人在商店裡拿過什麼東西？這是線下零售得不到的。

我們相信可以給傳統線下零售通過人工智慧的方式做一個新的升級。

第二個例子，想舉一下現在吉野家的例子，我們現在即拿即走智能貨櫃，吉野家所有貨櫃里的東西只能放三個小時，因為它會把沙拉、水果杯放貨櫃里，超過三個小時之後，就會把鮮食拿出來全部銷毀，這個如果沒有精準的預測，這個銷毀量會是非常大的。能去做這個預測？只能是非常有經驗，可能有十年甚至二十年管理經驗的運營經理，他們才能大概預估出需要多少東西？

現在我們有了基於AI的分析，會結合很多的客觀因素，比如說吉野家的點位，它周圍的商圈，天氣是什麼樣的？有沒有相關節日？我們根據所有的客觀的數據，會綜合到預測分析中，他會告訴你幾點應該擺多少水果杯在裡面？來最大化的滿足銷售、減少貨損。

剛才物靈網的CEO說，覺得AI在9個領域會率先的落地，可能會有更好商業應用，我在裡面好像沒有看到零售。我們公司在5月、6月、7月，這三個月已經簽了超過一個億的定單。所以在零售這種傳統領域，對於新技術的渴求，對於技術的改造是非常有需求的。

這是我一些簡要的想法和介紹，謝謝大家！

主持人周健：最後一家，吳中-DataVisor中國區總經理，帶來《利用無監督學習 AI抵抗日益升級的欺詐攻擊》。 

吳中：大家好，今天想跟大家來聊一聊欺詐的事情。由於我們網路技術的發展，很多欺詐開始變得多樣性，成為一個嚴峻的社會問題。

從幾個維度來講這個事情，從黑色產業鏈攻擊方的角度來講，現在越來越多的攻擊背後都有一條嚴密的黑色產業鏈支持。一般是一堆人控制，組成犯罪團伙，通過各種手段，比如大規模的註冊，或者上網去買，或者去控制很多帳號的使用權。根據分析去找所謂的口子，然後在各個平台上，根據你不同的業務去騙市場經費，或者騙申請，信用申請，或者貸款申請等。

另一方面，從平台的角度來講，現如今App集成的功能越來越多樣化，能夠社交、遊戲、有很多電商的小APP，也能轉賬、能付款。一方面給我們帶來很多便利，另一方面也給這種犯罪團伙提供了很多攻擊的維度。很多時候，你擋住了一個口子，他會在另一個口子找到一套組合，然後做一些欺詐。這個實際上給企業的反欺詐或者風控部門帶來非常大的壓力。

DataVisor是一個給企業提供反欺詐或者風控的公司，從我們每年、每個季度發布的欺詐報告可以看到，2018年第一個季度，全球範圍內超過9億的攻擊事件，整個態勢處於增長的態勢，找到了大概29萬名攻擊團伙，每個團伙可能是幾百甚至幾千人。根據時間也會有一些季節變化，比如雙十一、雙十二這種節日，往往會有更大的爆發。

今天在整個AI的情況下，我們強調更多的是技術和數據，我們想用一個AI的方式讓風控更加的自動化，能夠自動的去識別這種未知變化的風險。所以從數據層面，我們也跟企業建議，我們會去收集全欺詐行為數據，然後從演算法上需要有一個升級。

這是基本上我們總結的常用的幾種方法，一個是最基礎的一些規則引擎，根據一些專家的支持，或者根據過往的經驗，去制定一些所謂的規則，通過一個規則引擎，來去防止已知的一些風險。優點是它的解釋性比較強，但是它的缺點就是，有很多可能細微的關聯，你可能是很難想像得到的，所以這個時候，我們會通過像有監督學習，或者深度學習這種方法，從海量收集的這些數據裡面，自動的去學一些模型。

最後一個，前面的這些我們都把它可以歸成有標籤或者有監督的學習，他們在處理一些已知的攻擊實際上還是比較有效的。但Data Visor獨特的優勢是，我們花了很多時間在做無監督反欺詐機器學習。這實際上也是反欺詐一個重要的升級，因為攻擊所防範的對象，實際上是一個移動版的，你今天把它給檢測到了，但實際上，它明天的模式，或者它找的這個入口就不一樣。所以我們研究了一套無監督的，無需訓練樣本的方式，去自動的發現和適配這種攻防。

最後簡單介紹一下我們的公司，DataVisor是2013年底在矽谷建立，從2016年開始進入中國，整個組成人員，很多基本上是屬於做機器學習、AI、大數據分析的。我們的客戶覆蓋包括像各大社交互聯網、遊戲廠商、金融和銀行等機構。截至目前為止，DataVisor在全球覆蓋的用戶帳號已經超過了40億，用戶事件超過了8千億。

謝謝大家！

整理|路暢

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！