决策类AI开始占据人工智能的“食物链”顶端

2019年对于AI来说，是“冰火两重天”。一半新闻是关于AI怎么不行了，或者AI的创业公司要倒闭了，还有一半人则坚定拥抱AI，认为AI代表了未来。

品友互动CEO黄晓南属于后一种。

在她看来，AI不是某种技术算法，它代表的是一种基于数据科学不断推演迭代产生出来的更好结果的过程。“现在还只是2019年，但在往后的时间里所有的技术创新都会不如AI，AI所带来的变革和力量是无法比拟的。”

近日，2019中国AI营销年度峰会在上海举行。“品友互动”正式宣布其企业品牌升级为“深演智能”，这标志着，在经营现有AI营销业务的同时，品友将把决策智能的技术应用在更多的场景中，不断帮助企业深化全面AI决策，并在公共决策、疫情预测、商业预测等方面发力。“当企业增速变慢，它们就会需要更精细的决策，对我们来说，今年是很好的一年。”

黄晓南表示：今后，“深演智能”将作为全新的企业品牌，代表公司对外整体形象与主体；而“品友”将作为“深演智能”旗下营销技术领域的业务子品牌继续存在，有力支撑更多企业的营销智能化。（以下以深演智能统称，包括代指早期的品友）

智能决策需闭环：推出AI决策系统“ Alpha OS™ ”

深演智能成立于2008年，最初主要做广告投放，布局营销技术领域，帮助企业形成全链路的营销决策。据深演团队介绍，目前已沉淀了10余年数据处理的行业图谱技术、用户画像技术、深度数据挖掘、自然语言处理及毫秒级的反馈需求，具有分析决策能力的人工智能从营销场景逐步拓展应用到金融、政策等更多AI决策场景。

会上，深演智能推出面向所有企业打造的AI决策操作系统“ Alpha OS™ ”，形成智能决策闭环，搭建基于AI深度决策的多场景决策平台，通过一站式智能企业数据管理平台AlphaData™和一站式智能媒介管理平台Alphadesk™管理消费者全触点，帮助企业实现基于AI决策的品牌增长模式。“数字时代，消费者触点多元且分散，品牌与消费者的关系也被颠覆，通过Alpha OS AI决策操作系统，帮助企业实现洞察、计划、实施到反馈的决策全链路闭环反馈，不断迭代。”

此外，深演智能还宣布将强化AI技术顶层技术力量和研发能力，计划与哥伦比亚大学教授，美国计算机协会（ACM）会士、IEEE会士周以真教授所领衔的哥伦比亚大学数据科学研究院（DSI）积极深入开展产学研培训专题合作，夯实AI核心竞争力。

从通用AI到决策AI，数据科学赋能智能决策

宽带资本创始人、董事长田溯宁表示：“未来的企业，只有两种，一种数字化企业，另一种是非数字化企业。当今企业正在发生深刻的数字化转型，随着5G的到来，每个企业都应该拥有智能决策的“神经系统”。

的确，通用 AI 已成为常规操作，具有分析决策能力的高阶人工智能应用才是业界关注的趋势。从「人工+AI」走向自主型 AI，人工因素正在减少。整个AI从感知智能、认知智能全面进入决策智能的范畴，这也让越来越多的企业意识到数据技术对于企业整体决策的重要性。以往单一的人脸识别、语音识别等感知层技术，对企业实现增长、提升价值有限，同时，产业互联网中企业数据被无限丰富，高效化、智能化响应密集需求的决策类AI开始占据人工智能的“食物链”顶端。

那么，AI到底如何决策？谁能够帮助AI决策？

哥伦比亚大学数据科学研究院（DSI）主任周以真教授从数据科学赋能决策展开了演讲，她认为数据科学是从数据中提取价值的研究，但价值最终取决于用户的解读。“对科学家来说价值就是新知，而企业的价值就是可以计算出来的利润或者点击率。”

周以真强调，要想从数据中提取价值，首先得弄清楚这个源头，即数据。因为无论是机器学习、AI算法，数据都是一切工作的开始。从数据的收集、到处理，包括编码，加密，解密，传输存储，再到后面的数据管理、提取数据迅速读取并进行数据分析。数据管理和分析在整个数据链中是非常重要的，这个过程也吸引了很多科学家及企业的关注。

等到分析完成以后，还需要将结果进行可视化展示，以便用户能更方便深入地了解。所以说，用户可以在数据链完成之后基于数据可视化的结果，更基于呈现的数据进行决策，但并不是到此为止。“数据可视化不是做一张饼图就可以，我们还需要讲故事，告诉用户数据以及可视化背后的故事是什么，因此最终我们还需要阐释数据、解读数据。

这整个过程，就是数据科学在提取价值，并且赋能决策。

智能决策核心是预测，人工智能+人脑智能

在决策中，黄晓南认为核心是预测。只有通过数据挖掘、深度学习、特征建模等技术，洞察数据、精准预测，才能实现企业的高效运作，达到价值的增长。

周以真介绍以预测美国大选和消费者购买为例作了说明。在大选前，美国的三方机构会在全国进行抽样提问，去找到谁在选民中地位比较领先有胜算。通过这个结果可以预测选举结果，当然这里面涉及到了一些统计学的知识，比如分层人群，抽样方法等等。

在更常见的消费者购买场景中，以往商家想要了解用户对产品购买的喜好一般是根据千人千面的推荐系统，“这是一种传统了几十年的做法，我们现在希望把经济学模型融入进来，比如加入他们对商品价格的敏感度。”消费者偏好结合经济学模型，重点分析品类的选择、产品的选择和数量的选择后再去影响商家的决策，到底如何定价，是否需要促销。这种多变量的强大综合控制工具可以去纳入更多的特色以及维度。

周以真表示，在某些方面大数据、机器学习没有办法做到因果推论，比如对价格的敏感度，但如果能将我们的模型、方法尤其是经济学的这些模型、方法引入其中的话，“我们就可以将两者结合起来，将大数据再结合在一起，最终形成因果推论，就能得到一个比较准确的预测结果。”

但尽管AI已经取得了很大的成就，毕竟很多AI模型还存在偏差，“这个偏差的原因在于提供给这些模型的数据本身就存在偏差。”比如亚马逊的人脸识别系统存在偏差，这也是因为这个模型接收到的信息就存在偏差。因此，从学术的角度来看，在某些情况下，建造一个完全正确的模型是不可能的，并且从总体上来看，学术界发现现在越来越多的存在偏差的模型。

因此，周以真最近开始对一个新的研究领域产生了极大的兴趣，即AI的可信性。如果AI模型是用在无人驾驶技术上或者是用来诊断病人是否患有癌症，那么当消费者明知道AI模型可能会犯错，可能会存在偏差，他们是不会相信这个模型的。“我希望向人们证明AI是可信的，就像过去几十年人们在不断证明计算机科学是可信的一样。”

不过就目前而言，AI预测和决策都还需要人工智能+人脑智能，也就是黄晓南所说的大数据+小数据。人工智能需要海量数据喂养，而人脑智能的小数据其实是大数据的一个有趣侧面，人的需求是所有科技变革发展的动力。深演智能方面表示，不远的将来，数据革命下一步将进入以人为本的小数据的大时代。

本文作者龚晨霞，微信Gcx847076575，欢迎关注企业服务和产业互联网的朋友加微信交流。