編者按：

“縱觀整個人工智能的發(fā)展歷程可以發(fā)現(xiàn)，我們是站在過往先輩的肩膀上在做這件事情”，順豐科技數(shù)據(jù)總監(jiān)余何在物流沙龍2018數(shù)字化供應(yīng)鏈峰會既LOG年會上的演講開頭如此強調(diào)。作為順豐數(shù)據(jù)中心、服務(wù)中心，基礎(chǔ)的IT設(shè)施數(shù)據(jù)負責(zé)管理者，理論與實踐并重，他從人工智能的定義說起，緊接著從人工智能的發(fā)展歷程、技術(shù)框架以及應(yīng)用場景等內(nèi)容延伸開來，闡釋了人工智能在供應(yīng)鏈數(shù)字化下的應(yīng)用。

在業(yè)內(nèi)有著“大師兄”昵稱的余何，令人忍不住聯(lián)想到武俠小說里門派中的大師兄，接下來，我們一起來看一看他的人工智能“江湖”，學(xué)個一招半式。

人工智能是什么？

人工智能是什么？余何給出了自己的解讀人工智能是指計算機能夠替代人類實現(xiàn)識別、認知、分析和決策的多種功能，它主要包括三個階段，依次分別是：邏輯計算、學(xué)習(xí)認知與意識情感。

1）邏輯計算。通過運用布爾代數(shù)、符號邏輯建立算法公式，再通過計算機進行計算，以達到釋放人腦計算的目的。

2）學(xué)習(xí)認知。包括時空感知、經(jīng)驗抽象與想象創(chuàng)造三個部分。

3）意識情感。什么是意識情感？我知道我就是我，我知道自己的存在。我們在電影中看到的人工智能是什么？就是機器人有自己的意識會毀滅人類。而在余何看來，人工智能是可以模擬滿足人類的情感需求，對人類自己缺乏的情感進行補充，要能證明自己的意識以及滿足人類的情感才是真正的人工智能。

人工智能的發(fā)展歷程

“縱觀整個人工智能的發(fā)展歷程可以發(fā)現(xiàn)，我們是站在過往先輩的肩膀上在做這件事情，很多偉大的科學(xué)家都在無關(guān)乎商業(yè)的象牙塔里做過研究?！庇嗪伪硎尽?/p>

人工智能的發(fā)展經(jīng)歷了三個階段：

1、第一階段：人工智能起步期

整個人工智能是從1956年開始的，當時最年輕的科學(xué)家只有29歲，名氣最大的科學(xué)家當時不是討論有什么樣的科研結(jié)果或者什么產(chǎn)出？而只是做了一些假設(shè)：即什么是人工智能，可以通過哪些方式實現(xiàn)，有無相關(guān)標準？1956年，馬文明斯基組織達特茅斯會議標志AI誕生。

實際上，關(guān)于如何模擬人工智能當時分為兩派，一派認為可以通過邏輯符號、布爾代數(shù)模擬；一派則主張完全打破原來計算的結(jié)構(gòu)，仿造人類的大腦做神經(jīng)網(wǎng)絡(luò)。

1957年，心理學(xué)家羅森布拉特發(fā)明了神經(jīng)網(wǎng)絡(luò)模型Perceptron感知機，論文發(fā)表后引起了社會轟動，并得到商業(yè)界諸多投資。但與此同時，整個學(xué)術(shù)界亦對其進行非常激烈的批評，其中以馬文明斯基尤甚，馬文明斯基將對羅森布拉特的批評直接寫到書中。

直至1970年，整個對人工智能的投資就像2000年互聯(lián)網(wǎng)一樣被打入寒冬。但無論如何，他們?nèi)耘f是人工智能的先驅(qū)。

2、第二階段：機器學(xué)習(xí)時期

1982年，霍普菲爾德提出復(fù)合型的神經(jīng)網(wǎng)絡(luò)遞歸（復(fù)發(fā)型）網(wǎng)絡(luò)，但當時投入到工業(yè)和商業(yè)的價值并不是很大；1986年，Rumelhar、Hinton等人提出了反向傳播BP算法，解決了兩層神經(jīng)網(wǎng)絡(luò)所需要的復(fù)雜計算量問題；90年代，DARPA人工智能計算機研究失敗，SVM（Support Vector Machines，支持向量機）算法誕生，迅速打敗了神經(jīng)網(wǎng)絡(luò)算法成為主流。

3、第三階段：深度學(xué)習(xí)時期

2006年，Geoffrey Hinton發(fā)表了論文，首次提出了“深度學(xué)習(xí)”神經(jīng)網(wǎng)絡(luò)，人工智能在此興起；2010年，舉辦ImageNet挑戰(zhàn)賽；2012年，Andrew Ng建造最大的神經(jīng)網(wǎng)絡(luò)，骨骼大腦；2013深度學(xué)習(xí)算法在語音和視覺識別上都有重大突破；2016，AlphaGo擊敗人類職業(yè)圍棋選。

尤其值得一提的是，1986年，“深度學(xué)習(xí)之父”Geoffrey Hinton當時在一所大學(xué)當教授，在這個時期，由于計算能力能夠滿足之后，他把人類的神經(jīng)網(wǎng)絡(luò)進行擴張，并且?guī)С隽撕芏鄬W(xué)生，其中包括華裔李非非。

李非非做了一件事，她將1500多萬張圖片放到互聯(lián)網(wǎng)上，通過分布式的管理方式讓學(xué)生和科學(xué)家對這些圖片進行標注，分成2200個分類，通過神經(jīng)網(wǎng)絡(luò)來快速識別圖片，識別圖片的正確率提高了2倍?！翱梢园l(fā)現(xiàn)它不是一個算法的問題，而是數(shù)據(jù)問題，只要數(shù)據(jù)量足夠大，正確率就高?！庇嗪芜@樣說道。

目前基本上是到了這樣的階段，我們的數(shù)據(jù)量已經(jīng)足夠，有了云計算的資源來支撐，至少在某個專業(yè)領(lǐng)域已經(jīng)取得相應(yīng)的成功。

人工智能的技術(shù)框架

很多人想自己做人工智能，或者成立一個團隊去做和人工智能這個行業(yè)的相關(guān)工作，在這個行業(yè)中整個技術(shù)框架是怎樣的？

1、大數(shù)據(jù)、云計算

大數(shù)據(jù)和云計算是整個AI的基礎(chǔ)，先要信息化、數(shù)字化，這兩個基礎(chǔ)是最難的。和以往相比，現(xiàn)在獲取數(shù)據(jù)的手段更多速度更快；在計算能力這塊有順豐云，在單位空間中計算能力越強越好。

2、算法、模型

在算法和模型這塊，可以發(fā)現(xiàn)很多科學(xué)家采用的方式完全不一樣，比如在神經(jīng)網(wǎng)絡(luò)這塊，在沒有計算能力和數(shù)據(jù)量的情況下可能是劍走邊鋒。

算法主要包括三種類型，分別為：無監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。

無監(jiān)督學(xué)習(xí)是給定數(shù)據(jù)，從數(shù)據(jù)中發(fā)現(xiàn)信息。通過對這些事情分析后發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)中只要看到有貓的視頻存在，某部分神經(jīng)元就會產(chǎn)生反應(yīng)，自動辨別哪個是貓，這個時候是沒有人去干預(yù)的。

監(jiān)督學(xué)習(xí)會給定數(shù)據(jù)，預(yù)測這些數(shù)據(jù)的標簽。它會告訴我們大量的信息是什么，并進行歸類，比如前面李非非做的項目，1500萬圖片都是經(jīng)過大量的人工去處理和達標的，識別率達到90%。

強化學(xué)習(xí)是給定數(shù)據(jù)，選擇動作以最大化長期激勵，是這幾個階段中最復(fù)雜的。類似于在玩一個游戲，這個時候不需要任何人告訴他游戲的規(guī)則，整個激勵和角度在于是否做得好。

3、技術(shù)方向

技術(shù)方向比較明確的是計算機視覺，人臉現(xiàn)在也非常普及，此外還包括語言工程、自然語言處理以及決策規(guī)劃。

4、瓶頸與研究

當前應(yīng)用這些技術(shù)會遇到很多問題，如計算機視覺和語音工程會有很多噪音和干擾，這樣的情況下通過什么方式讓你的機敏度更高？機器與自然語言翻譯這一塊要求語量的信息要足夠豐富；決策規(guī)劃方面，目前我們要做的是，把應(yīng)用場景中基于原來信息化、數(shù)據(jù)化和不斷在變化的內(nèi)容糅合在一起。

人工智能的應(yīng)用場景

人工智能在物流領(lǐng)域有哪些應(yīng)用？余何總結(jié)歸納了四個應(yīng)用場景，包括收派、中轉(zhuǎn)、運輸、倉儲。

其中，收派做了手寫體的識別，原來是有人工跟單的，要去識別各種各樣的人的字體，識別率可能在60%左右，現(xiàn)在完成第一輪的翻譯后，結(jié)合現(xiàn)有的技術(shù)庫歷史數(shù)據(jù)進行識別，識別率可能是90%。

中轉(zhuǎn)主要是網(wǎng)絡(luò)的選址和路徑規(guī)劃。這是一個決策系統(tǒng)，要將整個全國全網(wǎng)的網(wǎng)點整個大的數(shù)據(jù)實現(xiàn)整個流轉(zhuǎn)流向非常難。

當時做了一個切割，比如分為華東、華北，根據(jù)具體的業(yè)務(wù)場景做摸索，原來的人工智能也可以很好的運用，如計算機視覺可以在整個中轉(zhuǎn)場有整套人工智能的識別系統(tǒng)，可以快速看到包裹的真實物流位置、捕捉單號；甚至可以在整個中轉(zhuǎn)場看到人工作業(yè)的情況，如有無高空拋物或者按照制定位置認真工作；也可以通過計算機系統(tǒng)去完成具體場景，只要大的整套系統(tǒng)明確便可以很快運用。

此文系作者個人觀點，不代表物流沙龍立場