将AI融入大数据服务,「00 后」企业百分点正在让机器进行智能决策

撰文 | 藤子


「未来人类所有的决策都会不可避免地依赖机器。」百分点董事长兼 CEO 苏萌说。


以汽车召回为例。中国是汽车拥有量最多的国家,国家质检总局缺陷产品管理中心会决定哪款汽车应该销毁。


然而,做汽车召回的决定并不容易。汽车召回对汽车厂家来说是致命性打击,需要慎之又慎。按照传统召回方法,每个季度,缺陷产品管理中心都需要通过会商制度召集专家,花费 2-3 天评比所有信息。比如,汽车的问题具体是什么,严重程度如何,故障率相比市场如何,是否有人恶意投诉等等。汽车拥有量大,信息太多,完全依靠人力,工作繁重且效率低下。


两年前,百分点开始为国家质检总局提供智能决策产品。按照传统方法,需要 15 人工作 200 小时,现在做出召回决策只需 1 人,花费 2 小时。苏萌介绍,两年以来,百分点智能决策产品处理了 1000 多起汽车召回案例,协助完成 5000 多万辆汽车召回。


百分点成立于 2009 年,是一家大数据技术与应用服务商,产品线涵盖大数据技术层的操作系统、管理层的用户画像标签管理系统和应用层的推荐引擎、分析引擎和营销引擎,创建了行业应用模型库和行业知识图谱库,客户涵盖金融、公共事务、智能制造等领域,如光大银行、新华社、华为等 2000 家企业。


以动态知识图谱技术为核心,百分点在 12 月 14 日发布行业 AI 决策系统 Deepmatrix,聚焦零售、制造、媒体、公安、政府决策等领域,为它们提供智能、快速、精确的AI决策。


知识图谱之上,智能决策还需要一系列工具


「要使 AI 能够进行决策,核心在于研究人如何做出决策。」百分点技术副总裁及首席架构师刘译璟说。在他看来,人做决策时,通常有三个步骤。首先是感知,比如感知环境,如宏大的宇宙,具象的美食,抑或是经济、人际关系、理论知识等。其次是认知,将感知综合成认识或知识。在这之上,再进行判断。


「基于数据,再加上 BI 和 AI 技术,希望我们的系统也能实现这样的功能。」刘译璟说。


具体来说,在认知环节,刘译璟认为,先要打造知识体系。而要打造知识体系,就要抛弃技术化的数据,比如数据库的表、字段、数据的类型、结构、编码等,因为业务人员很难理解,也不需要关心,他们只需要关心指标和维度即可。


但刘译璟认为,人的知识是模糊的,比如某一个人好像喜欢某样东西,好像这一词就表明了模糊性。因此需要将模糊的概念加上概率值,反映到知识体系中,使整个知识体系与现实世界更加接近。由此,细致地描绘现实中的业务知识,使业务人员能够直接查看业务中的关键要素,在这些业务知识上讨论自己的业务问题。


光有知识还不够,刘译璟认为还需要动态的知识图谱。「我们希望在一个数据化的知识图谱里把现实中的行动、相互的关系都能够表现出来。」刘译璟举例,比如线上的交易行为、移动支付的行为、社交关系等,如何表现出来?这就需要动态知识图谱技术。


「知识图谱是数据体系,动态知识图谱是我们自己的技术。无论是现实世界的数据,比如人的行为,还是机器产生的数据,我们都会统一通过数据融合,使它们成为同一种数据结构,同一种语义的数据。再输入动态知识图谱,通过整体映射,将现实世界转化成数据化的知识。」刘译璟介绍具体的做法。


此外,百分点在所有知识里都加入时间、空间维度,借此从多个角度、维度观察现实世界,由于内置了时间和空间知识,因此也能进行时间序列分析和地理位置分析,挖掘事物相互的关系,以及潜在的业务含义,进行推断,并作出预测。刘译璟介绍,这些基于动态知识图谱的技术同样会应用于 DeepMatrix。


应用动态知识图谱有着明显的好处。想要形成新的知识,并不需要从最底层开始,进行数据处理和融合,只需修改本体映射即可。「每一个关系、标签、属性,都有一个概率值,所以我们能做动态推论,哪怕有一些关系或者属性在最初阶段没有设计到这个系统,通过动态推断,也能了解到这些实体之间应该有什么样的关系,具备什么样的属性。」刘译璟说,「由于内置了时间和空间,也可以动态地看待每个实体、每个概念。」


如果只有知识并不足以支撑整个智能决策。在知识图谱之上,还需要系列决策工具,比如通过搜索,直接搜索现实世界,对现实世界中的关系网络、实体快速进行统计分析。


DeepMatrix 作为一个行业决策系统,如何将技术应用于行业,刘译璟表示,他们会将行业领域业务专家的知识输入业务模型,再整体输入DeepMatrix。刘译璟认为,这些都是 DeepMatrix 拥有智能决策能力的基础。


安全分析、政府决策、全媒体服务、智能营销、智能制造,DeepMatrix 具有五大应用场景


沿袭百分点以往将产品做成整体解决方案的思路,DeepMatrix 同样是一个整体解决方案,在架构上分为三层,最底层是大数据操作系统,负责所有数据的接入、处理等。中间是百分点自主研发的智能认知引擎,应用了智能交互、自然语言处理、智能标签、动态知识图谱等技术。最上层是各个子系统,比如安全分析、政府决策、全媒体服务、智能营销、智能制造。


百分点智能安全分析系统 Deep Finder,将客户的所有数据接入大数据平台,通过动态知识图谱的技术构建出知识,在知识之上构建客户能使用的前端系统,比如搜索、分析、风险识别等。此外,还构建内容、模型管理等后台管理系统,用于公共安全领域,比如反恐、安防等。


举个例子,如果搜索「今天十二点在安贞桥通过的白色别克车」,系统会通过自然语言理解翻译成直接的语句,分析这个时间、这个地点交通卡口的车牌号以及车牌号对应的属性。搜索结果的呈现方式也与普通 2C 搜索引擎不同,如果搜索一辆车,呈现方式就是一辆车,如果搜索一个人,呈现方式也是一个人。


然而,现实世界错综复杂,任何物体在现实世界中都相互联系,为了应对这种情况,Deep Finder 会把个体置于整个关系网络分析,相比简单分析亲属关系,Deep Finder 更关注「两个人通电话」或者「发生了资金转账」,通过这种隐秘的数据将两人进行联系。同时,也会将个体和关系置于历史和空间中进行分析,清晰地知道何时、何地,何人做了何事,他与何人有何种关系,那人又会做何事。通过交互式的分析,以此还原现实世界,让分析人员快速了解现实世界。


百分点集团研发总监黄伟认为,通过搜索入口和分析工具,虽然能够进行事后分析,快速抓取线索。但是,与其事后抓到线索,不如去预防。这就需要所有的数据,机器智能就派上了用场。


黄伟介绍,使用规则引擎,他们将客户、分析人员的宝贵经验输入系统,让系统处理重复性工作,提高效率。再通过推理引擎实现基于知识图谱之上的推理。比如,查找「爷爷」,系统就会了解查找的是「爸爸的爸爸」。此外,还能基于现实世界,进行物理性的推理,比如某个物体在某个时间点只能出现在一个地方,不然这个人就不是同一个人。


「我们还能通过机器学习引擎,使用业务累计的标注数据,搭建预测模型,让机器根据这些数据,分辨出什么样的人具有什么样的高危概率,从而进行预防。」黄伟说。


百分点智能政府决策系统 Deep Governor 的架构同样有三个层次。底层是统一的数据管理平台,中间层是使用大数据和动态知识图谱、自然语言处理、商业建模等人工智能技术构建的支撑服务层。最上层是系统应用层,涵盖包括模型管理、指标管理、报表管理的基础应用,在基础应用上则是涵盖人口规划、国家宏观发展规划、区域发展规划等决策应用。


而支撑这些应用的是大量行业专家的决策知识和 6 大类 50 余种社会经济发展的综合决策模型,前者涵盖人口学、经济学、社会学等多个学科,后者包括系统动力学模型、微观仿真模型、资源供需分析模型、GIS 多重置叠模型等。


最终,这些宏观的数据以及关系到决策的重要因素,用可视化、实时交互的方式展现在技术图层上,进行政府决策模拟并比对调整后的效果。


百分点智能全媒体服务系统 Deep Editor 包括内容生产、内容传播和用户经营三个部分。最底层是全媒体的资产服务管理,支撑全媒体全流程的媒体资源的自动化管理和使用。中间层则是基于当前阶段不同时段媒体的影响力,让机器去决策、规划出适合当前的传播策略。然后是全生命周期的用户画像和经营系统,基于多渠道的信息聚合形成全面的用户画像。


百分点智能营销系统 Deep Creator 同样具有三大特征。


如今,消费者的行为非常碎片化,它既可能出现在线下门店,也可能出现在电商平台、微信端的语音电话,如何打通多渠道的多元异构的数据,形成实时的、动态的消费者标签,深刻理解消费者的行为和偏好,Deep Creator 则能通过深度自学习对消费者进行准确认知。


「我们基于 GPU 的高性能的算法,自动提取消费者的超高维的行为特征,同时将业务的规则和经验作为 AI 学习的边界,减少 AI 学习的负担,提升 AI 学习的效率。所以,建立动态的消费者知识图谱是一件 BEYOND AI 的事情。」百分点首席数据科学家杜晓梦说。


杜晓梦介绍,未来营销人主要的工作在于构建各种不同的营销场景,例如获客场景、客户活跃的场景、客户流失的场景、转化的场景和传播的场景,Deep Creator 则用 BI 构建场景,AI 自主学习进行决策判断。


同时,基于捕捉的消费者实时行为,系统会进行场景化判断,决定在什么样的场景下,用人工智能进行主动互动,什么样的场景通过短信,什么样的场景通过邮件触发,什么样的场景需要人来实时和消费者进行互动。此外,系统还会把所有的营销流量进行随机分流,从而测试不同的营销互动的策略的有效性。「这些都是 Deep Creator 自主决策的结果。」杜晓梦说。


智能制造大数据系统 Deep Sensor 则是针对制造行业,对各种设备进行全生命周期实时管理,利用数据分析实现实时设备健康预警等智能化远程运维。



本文由机器之能原创出品,版权归作者所有,转载请查看要求,机器之能对于违规侵权者保有法律追诉权。

入门
登录后评论
暂无评论
暂无评论~
返回顶部