前建资讯
当前位置: 前建资讯 >> 综合 >> 「如何修改网赌投注单」明略数据吴明辉:让用户合理接受机器犯错,AI 商业化才能到爆

「如何修改网赌投注单」明略数据吴明辉:让用户合理接受机器犯错,AI 商业化才能到爆

发布时间:2020-01-11 16:24:07 人气:1062

「如何修改网赌投注单」明略数据吴明辉:让用户合理接受机器犯错,AI 商业化才能到爆

如何修改网赌投注单,- 文丨小饭桌新媒体记者 欧狄 -

人工智能创业如火如荼,但真正挣到钱的公司寥寥。在解决“高大上人工智能技术如何落地和商业化”问题的过程中,每个创业者都是摸着石头过河。

对于这个难题,明略数据董事长吴明辉的看法是:“人工智能商业化难题的核心是达不到用户的预期”。

吴明辉曾于 2006 年创办营销数据与技术服务提供商秒针系统,2013 年斯诺登事件后再次创办了大数据解决方案公司明略数据。该项目于 2016 年 8 月获得红杉中国领投的 b 轮 2 亿元人民币投资。

2017 年8月22日,明略数据举办新品发布会,推出行业人工智能大脑“明智系统”。明智系统基于知识图谱数据库“蜂巢”,瞄准公共安全、金融和工业物联网三个行业。

这个系统的一大特色是,通过对话机器人“小明”(lite mind)和客户交互。要知道,传统企业级软件的人机交互界面都非常简陋,更别提什么自然语言对话了。

如果你用过微软小冰,就知道对话机器人能够理解自然语言,用户像聊天一样输入语句就能下达指令。

比如在公共安全领域,普通警察无需学习复杂操作,只需输入自然语言“给出与某车牌相关的胖子”,明智系统即可自动完成线索推导。

明略数据这么做,正是基于吴明辉上述的判断:人工智能商业化难题的核心是达不到用户的预期。

吴明辉认为:“人能够接受自己犯错误,却不允许机器出丝毫差错。如果人类预期是 100%,那机器性能所能达到的程度永远是 99%。”

比如无人驾驶,相关算法已经有了长足的进步,但测试都是在相对封闭的系统中进行的。而在一个开放系统里,永远有预想不到的情况发生,这就与用户预期形成了落差。

“既然无法百分之百满足用户预期,那不如让用户合理接受机器错误。”吴明辉说道。而想让用户合理接受机器的错误,前提是在某一方面有长足的进步,“搜索引擎就是一个最好的例子”。

作为人工智能较早期的应用,搜索引擎的效率比图书馆高太多了,完全超出了用户使用前的预期。虽然搜索引擎算法也无法百分之百解决用户的问题,但在形成黏性之后,用户接受了这种不完美。

吴明辉觉得,企业级市场也存在这样的机会:“传统企业级产品的人机交互界面都比较差,如果我们可以在这方面做出一些重大变革,那就有可能让用户对企业级人工智能产生依赖,甚至可以接受一些错误。用户期望值也因此有可能从 100% 降到了 95% 或 80%。这个时候如果我们的人工智能产品性能可以超过期望值,那人工智能商业化的爆发点才会来临。”

仅仅有对话机器人提供入口、吸引用户还不够,“小明”背后的大脑能够发挥真正作用才能达到吴明辉所说的“人工智能商业化爆发点”。而给“小明”提供脑力支持的,是明智系统的知识图谱数据库“蜂巢”。

所谓知识图谱,可以理解为一张由知识点相互连接而成的语义网络,是一种基于图的数据结构。在知识图谱里,每个节点表示现实世界中存在的 “实体”,每条边为实体与实体之间的 “关系”。

知识图谱最早由 google 于 2012 年 5 月推出,希望能让用户通过此功能直接解决问题,而不用跳转到网页中再自行组织信息,曾经的 google now 以及现在的 google assistant 都是基于知识图谱技术。

▲ 搜索页面右侧的结构化文本就是知识图谱

和 google 的通用知识图谱不同,“蜂巢”基于三个明略数据深耕的垂直行业:公共安全、金融以及工业物联网。吴明辉将这样的垂直知识图谱称之为“行业人工智能大脑”。

“我们选择的是知识劳动型行业,且有资质的知识劳动者严重不足的行业。”吴明辉在接受爱分析采访时解释道,“比如公安,所有的警察都是知识分子,他最主要的工作是分析案情,情报研判。从警察与人口比例来看,中国的警察比率是美国的三分之一左右。所以公安领域优秀的知识分子是严重不足的,非常需要人工智能,实现向科技要警力。”

事实上,明略数据从 2015 年起就借助数据关系挖掘产品 scopa 沉淀公共安全、金融和工业物联网三个行业的知识。吴明辉透露,“蜂巢”知识图谱如今已经积累了几百条业务规则,实施了 69 个项目。

通过总结人类的经验和规则,知识图谱能让系统以人类的思维方式在大数据的信息迷宫中找到目标出口,实现自动处理业务,快速辅助人类决策的功能。相较于传统的关系型数据库,知识图谱数据库更擅长建立复杂的关系网络,并在关联查询的效率上比传统的存储方式有显著提高。

以金融监管和风控为例。企业、个人、机构、账户、交易、以及行为数据都是一个个实体,明略数据通过关联关系挖掘技术,将相关人员的所有相关数据源和行为数据打通、整合,能做出更加高效的研判和预测。具体的应用场景包括,营销(挖掘潜在客户)、风控(反欺诈、内审、反洗钱)、风险预测等。明略数据目前服务过的金融客户包括中国人民银行、交通银行、邮储银行、上海证券交易所、华泰证券、海通证券等。

押注垂直行业、通过对话机器人提供交互、用知识图谱辅助用户高效决策,明略数据用这三板斧来解决人工智能商业化难题。事实上,已经有数据证明明略数据的商业化路线获得了阶段性成果。

据爱分析调研,2016 年明略数据交付数十个项目,确认营收近 1 亿元,半数来自公安业务。预计 2017 年,项目数量将破百,确认营收在 2 亿元左右。爱分析给予明略数据的估值也从 14 亿元上调至了 40 亿元。

热门推荐

猜你喜欢