AI 如何才能参与到企业生产系统,发挥更大价值?华为全联接 2020 给出了答案。
「AI 只有进入企业核心生产系统才能真正创造价值。」去年开始,AI 行业投资就有遇冷的趋势,越来越多的观点认为,并不是「AI 凉了」,而是「AI 行业」其实是一个伪概念,AI 未来的发展趋势一定是「行业 + AI」,只有进入行业中推动行业变革,AI 才能发挥自身价值。根据预测,到 2025 年,全球 AI 空间市场将达到 3800 亿美金,其中 90% 将来自于企业市场。趋势大家都能看到,但问题就在于 AI 要如何与行业融合。目前国内对 AI 的研究大多集中在芯片、算法等底层技术或者自动驾驶等顶层应用上。这样的行业 + AI 其实是非常浅层的,拨开不明觉厉的技术外表,在落地场景上可能只是人脸识别、语音 / 视频识别、智能推荐、人机对话等。对钢铁、医疗、汽车等复杂行业而言,简单应用 AI 技术只能解决一些边缘的微痛点。真正赋能企业就必须融合行业知识,进入生产系统解决更关键的问题。这对人工智能也提出了更高的要求。中国科学院院士张钹在今年的世界人工智能大会上提到,深度学习面临着许多瓶颈,我们即将要进入「第三代人工智能」时代。第二代人工智能主要以神经网络和深度学习为基础,但它是一种通用工具,不需要领域知识,使用的技术门槛较低,并且在理解环境、AI 安全和推理决策方面会出现不安全、不可靠、不可解释的情况。正在到来的第三代人工智能目标就是完全解决计算机的智能性,让计算机拥有大规模、高质量的形式化知识。张钹院士指出,在人工智能顶级国际会议 IJCAI 上,关于深度学习的论文只占全部论文的 1/3,其中 60% 的论文来自中国;而另外 2/ 3 的关于知识表示、知识推理等的论文中,则几乎没有来自中国的论文。业界致力于知识计算的公司也是寥寥无几。但华为云提前迈出了关键一步,2018 年就提出了行业 AI 的落地理念,致力于企业知识图谱和知识计算平台的构建。9 月 24 日第五届 HUAWEI CONNECT,华为云发布了基于 AI 开发平台 ModeArts 打造的全生命周期知识计算解决方案,赋能企业打造企业级知识计算平台,推动了 AI 进入企业核心业务系统。一、「行业 + AI」之痛:AI 如何学习行业知识?华为认为,很多传统企业在知识利用方面都存在一定的问题。大多数企业的核心的经验方法分布零散,会存在于历史性的总结文档,甚至是熟练员工和专家的脑袋中。这会让企业发展受限于核心员工水平,知识也很难传承。分散的数据很难融会贯通或参与计算,相当于「行业死数据」。另外原有行业知识应用也存在一定的瓶颈。一些企业生产需要机理模型,即根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。但对于很多对象和过程人们很难写出其数学表达式,导致机理模型无法考虑到现实中的所有场景,实际应用需要简化。简化后的机理模型对现实流程控制或质量控制都无法达到最佳状态,这也是为何一些行业生产的控制精度达到一定水平后就很难再提升,即便只上涨一个百分点也都要投入大量的人力、物力。知识图谱是行业知识应用的主要技术方案,其本质是一种语义网络,因为表达能力强,能同时兼顾人类认知与机器自动处理,在业界产生了广泛关注。不过当前业界提供的知识化解决方案大多还是靠人工构建知识图谱和知识模型,这会涉及到很多问题,比如人力成本高、领域迁移困难、不能动态更新等。如何把行业中大量的非结构化数据进行结构化、知识化是业界普遍存在的困难。但全面调动行业知识仅靠知识图谱并不够,还要面临着数据整理、数据存储等多方面的问题。结构化后的数据普遍量级非常大,如何高效存储和查询是亟需解决的问题。业界普遍采用第三方或开源图数据库完成知识图谱的存储和查询,这其中也会存在一些难题,如无法完成端到端优化,存取查询效率低,资源开销大等等。此外,企业数据普遍是动态变化的,实践过程中会不断产生新的知识和经验,如何将这些新的知识自动结构化、知识化,沉淀到平台中,完成知识的增量持续更新也是难点之一。针对这些痛点,华为云知识计算解决方案可为客户提供一站式全流程全周期的知识计算服务,提供从知识获取到知识自动化流水线建模、管理及应用等能力。具体而言,华为云知识计算解决方案结合了自然语言处理、深度学习、迁移学习、知识图谱、联邦学习等 AI 技术,可提供模块化、全生命周期知识计算服务。包括知识获取、知识建模、知识管理、知识应用四个环节。知识获取:华为云利用多模态知识抽取技术对多源异构数据(包括结构化、半结构化、非结构化数据文本,语音视频图像等多模态数据)进行快捷便利的知识抽取与处理。同时,为了减少模型对训练样本的依赖,减少人工标注工作量,华为云小样本学习技术能在少量训练样本情况下,生成模型效果接近业界最好水平,减少 60% 以上的人工。 在知识抽取技术方面,华为集成了业界领先的自然语言处理技术,包括实体链接算法、基于领域知识图谱的情感分析和观点提取、基于领域知识图谱的文本自动生成 (Data2Text) 能力等,在业界有突破性的意义。知识建模:使用领域前沿算法模型,探索知识图谱流程中知识获取、知识建模、知识融合以及知识推理的统一化构建算法。可为企业提供流水线式自动化构建知识图谱的能力,使得图谱构建时间由数星期缩短到数分钟;同时可以实现知识图谱的自动更新。知识管理:华为云图引擎服务(GES)能够支持百亿节点千亿边规模的数据进行查询与分析,并可以存储从大规模异构数据中抽取的知识图谱,提供高并发、秒级多跳的实时查询能力。 知识应用:提供知识搜索、可视化分析、知识推荐等基础能力,以及智能对话、预测分析、知识推理等高级能力,匹配企业多样化的应用需求。依靠全流程的知识吸收与管理,AI 可以进入企业核心系统解决业务问题。在钢铁行业,以华新不锈钢应用实践为例,特种钢炼制需要精确配置各种配料,稍有差错就会对成本和质量产生很大影响。传统特种钢原料配置大多依靠专家和熟练员工经验。一方面耗时长,需要反复多次调整配比才能实现最优;另一方面由于原料不同批次成分含量不同,每次配置的水平不一,无法每次都生产出达到最优状态的特种钢。华为云知识计算解决方案可以帮助合金配料工程师进行优化决策,找到符合钢水质量和经济效益的最优合金配料比例。它会吸取一年以上的配料数据、行业模型、专家知识等数据,综合起来作为算法训练的输入,构建标准化的配置模型。以往人工配料合金成分预测精准度在 80% 波动,而 AI 模型合金成分预测准确率可达 95% 以上,由于合金配料节省每吨特种钢可降低成本 100 元,每年节省成本 2000 万元。 在医疗行业,食道癌一直是我国最为高发的恶性肿瘤之一,病人五年生存率仅 15%,如果能够早期诊断并进行手术,患者术后五年生存率可以提高到 84.1%。华为云与中科院北京基因组所团队合作,通过知识计算,将 DNA 羟甲基数据和经过大量研究实验积累的基因知识图谱进行整合计算,更加准确地识别出血液中的关键生物标记物,将早期诊断的准确性提升了 9 个百分点,有助于对食道癌患者的早诊断早治疗,挽救患者生命。在汽车行业,中国第一汽车集团有限公司(以下简称「中国一汽」)应用华为云知识计算解决方案构建的一汽知识计算平台,基于业务场景,将知识便捷地、以数字化的方式呈现在眼前,快速提升员工能力。据介绍,今年中国一汽联合华为云专家,设计了一款「维修智库」手机应用,用于解决车辆维修过程中,技师经验不足、故障分析效率低、维修周期长、用户体验差等问题。使用这个 APP,维修技师通过语音交互描述故障现象,系统即可智能推荐故障原因和维修方案、查看相关零件的拆装图纸等关键信息。这个应用上线后,一汽红旗某 4S 店的一次性修复率提升了 4%,用户维修等待时间平均下降了 23%,提升了用户体验;同时,厂家支持的介入率降低了 30%,技师的培养周期缩短了 30%,降本增效成果显著。下一步,中国一汽计划面向汽车产业全价值链业务,持续不断地丰富知识计算平台的应用场景和功能,比如预测汽车零件故障,改善备件保障体系,产品的设计、生产和销售环节等等。除以上三个例子外,华为云知识计算服务还已经在包括石油、化纤、煤焦化、钢铁等行业落地,赋能企业构建知识计算平台,运用于研发、生产、运营、销售、售后服务等企业核心流程。「知识计算是具有划时代意义的。」华为云 AI 专家表示。当 AI 与行业知识结合后,真正属于「行业 + AI」的时代才会来临。本文为机器之心原创,转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com
投稿或寻求报道:content@jiqizhixin.com
广告 & 商务合作:bd@jiqizhixin.com