0
| 本文作者： 奕欣 | 2018-07-26 23:35 |
杉數科技一直以來對舉辦產學結合的圓桌會懷有極高的熱情。
這家成立于 2016 年的公司由五位斯坦福大學教授及博士創立，以運籌學泰斗、馮·諾依曼獎得主葉蔭宇教授為核心，聯合商學院、運籌學及決策分析與風險分析等專業的四位博士，圍繞海量數據環境下的復雜問題提供降本增效的優化決策方案。
葉蔭宇教授認為，既然杉數科技的核心創始團隊是以科學家為主，鑒于自身的技術優勢與獨特性，公司的經營與發展從戰略層面而言，也不能只局限于產品本身，需要從最前沿的研究及行業亟需解決的問題為企業提供全新的思維模式。
因此，杉數科技在做好自身業務規劃的同時，也組織了多場 AI 大師圓桌會。不論是關注算法及商業落地的「智能商業時代, 算法的力量」；或是關注博弈論及相關應用的「AI 時代, 博弈與行為分析」，無一例外地，杉數科技都邀請到了相應領域的國內外優秀甚至是頂尖的 AI 學者為與會者進行分享。
在近日杉數科技于上海主辦的「2018 第二屆 AI 大師圓桌會」——「從鏈到網：數字賦能零供新關系」上，杉數科技圍繞智慧供應鏈的背景及現狀邀請到了多位學者及企業嘉賓到場交流。
雷鋒網 AI 科技評論了解到，杉數科技在服務企業，為他們提供多項定制最優化決策能力的同時，也希望能通過這樣的研討平臺，助力企業間的商業合作。
「在服務企業之時，一方面我們提供上層解決方案，另一方面我們也在幫助企業建立他們的學科體系，人才體系，做這類看似『吃力不討好』的工作。」杉數科技 CEO 羅小渠如是說，但他認為，這些服務對于一個具有科學家基因的公司而言是值得的。「所有的合作都是共贏的，當企業對這些思緒、工具和方法有了更深的理解，那么杉數能夠得到更進一步的提升；而即便企業未來對杉數的依賴不再像以前那樣大，我們在這個過程中也能收獲寶貴的實踐經驗。」
目前在大量數據的業務場景下，融合運籌學與機器學習的方法能為以新零售、物流行業為代表的領域構造智能化系統，在智能選址上發揮作用。以杉數科技構建的智慧選址系統為例，它采用了「大數據+機器學習+運籌優化」三位一體的選址解決方案，綜合全局多業務目標最優的基礎上幫助企業。
紐約大學助理教授陳溪在演講中也提及了僅僅依靠深度學習來解決實際問題的局限性。圖像的結構化讓深度學習得以提取足夠的特征，并在一些應用場景中取得良好的表現，但這并不代表它在解決商業問題上同樣能取得良好效果。AlphaGo Zero 通過深度強化學習算法，在圍棋這樣完全信息博弈的環境下，規則明確，且有既定的目標，因此能有出色的表現。但在如分類和預測這樣的實際決策問題上，只依靠深度學習是遠遠不夠的。而反過來說，決策的問題才是實際應用中最需要解決的問題。
一個決策過程需要綜合在各種因素中進行權衡，這也是運籌和優化的復雜性及核心所在。特別是，綜合歷史數據、用戶行為與實際購買行為匹配等多種條件下，如何考量決策的效果，也是陳溪博士在本次演講中啟迪大家思考的一點。
而從 UCLA 杰出教授、運營管理頂級期刊 MSOM 主編 Christopher Tang 的角度來看，供應鏈信息的交匯與融合能夠成為「網」狀決策，并從預測、優化、模擬及決策鏈條下進行科學管理。
供應鏈信息的流動主要從產品供應商，流經制造商、總經銷、零售點，最終傳遞到消費者身上。通過列舉 IPE、NIKE、大疆等企業的信息可視化、透明化案例，Christopher Tang 希望供應「網」決策能夠影響消費者的決策思維，反過來影響企業的環境可持續發展、社會責任感、經濟發展，綜合提升企業的經濟效益和環境效益。
從學術和應用的角度了解了機器學習、供應鏈信息與決策的關系后，普洛斯戰略顧問、隱山資本合伙人董中浪以《物流：一個正被技術顛覆和解構的行業》闡述了他對物流行業資本層面的理解。在他的觀點中，企業紛紛布局零售、電商行業，跑馬圈地，本質上是希望盡快搶占一個全國甚至全球性的倉配體系、物流體系。
本質上，這是一個通過技術重構供應鏈的過程。科技在未來會「橫切」物流產業，圍繞核心技術，整個產業會從基礎設施和應用場景兩個層面進行變革，技術將抹平所有的服務界限。董中浪也指出，掌控物流產業中的應用場景是服務商的核心要務。
從代表生產力的 AI（機器智能），代表生產關系的區塊鏈，以及代表生產資料的 IoT 技術，都將更進一步地讓物流行業發生巨變。
「數據和 AI 驅動的物流資產所帶來運營的高效率，將徹底解構原有的物流產業格局。」從資產角度，董中浪認為，最好的物流公司本質上應該是最好的科技公司，但更進一步地，最好的科技公司也將會是最好的資產管理公司，因為對于一個企業而言，資產的協調與統籌勢必在未來將起到更大的作用。
在當今的商業環境下，更海量的數據、更多維的決策復雜度、更多元的決策信息、以及對實時性越來越強的需求，給目前的商業決策提出了更進一步的挑戰。
與陳溪博士同樣地，斯坦福大學教授、美國工程院院士 Peter Glynn 也指出了機器學習的局限所在，但他主要是從數據缺失的角度來分析的。此外，無從量化的因素在商業決策中隨處可見，通過仿真模擬技術應用用于決策的必要性便呼之欲出。結合他在仿真技術框架在模擬與決策中的相應研究，Peter Glynn 向與會觀眾分享了他在大規模數據下，如何基于隨機模擬解決不確定性因素眾多的商業決策。
那么在如此繁雜的商業場景下，標榜自己是「真正意義上的人工智能決策公司」的杉數科技，又是從哪些角度來解決這一問題的？
杉數科技 CTO 王子卓在會議最后分享了公司如何在各個業務「打通從數據到決策的鏈條」。圍繞零售、物流、制造業等三大核心產業，杉數科技圍繞大規模調度與供應鏈解決方案，在智慧預測、庫存優化、倉儲自動化、數據管理、運輸優化、智慧選址、生產制造等多個領域做全局統籌，并結合多種業務的約束條件，幫助企業高效低成本地實現資源的優化配置與統籌。
以物流行業為例，最常遇見的三類運籌學問題包括區域的劃分和選址（哪個車隊負責哪個區域，物流樞紐怎樣才能是效率最高和成本最低等問題）、收益管理與定價（如何根據不同服務制定產品線）及運輸優化問題。融合運籌學與人工智能學科的交叉，結合「算法+模型」的解決方案，杉數科技能為企業提供多維度、多目標、多場景的配送任務分配以及路線規劃建議，能有效實現 10-25% 的物流配送成本節省。
在本期的 AI 大師圓桌會環節上，來自學界與企業的嘉賓通過觀點的碰撞，暢談了零供關系的趨勢與機會所在。企業效益自然是以減少成本、提升收益為衡量條件，而以杉數科技為代表的 AI 企業也致力于將這種定制決策的能力賦予更多的公司。更難得的是，杉數科技通過這樣一個學術意味濃厚的「AI 大師圓桌會」，一方面強化自己在學界領域的豐厚資源和技術實力，另一方面也為與會的企業人員提供了參考案例，為進一步的合作打下良好的基礎。
深度學習訓練數據不平衡問題，怎么解決？雷鋒網 AI 研習社社區已于即日上線，歡迎移步看看哦！
雷鋒網報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
