陳雨強(qiáng)：人工智能贏在維度

　　陳雨強(qiáng)：非常感謝主持人的介紹，也非常有幸能在這樣的場(chǎng)合和大家進(jìn)行交流。剛才各位專(zhuān)家提到Fintech已經(jīng)在金融領(lǐng)域有了很多應(yīng)用，其實(shí)現(xiàn)在在很多的高頻交易，在交易本身、數(shù)據(jù)本身，我們已經(jīng)做了很多的嘗試和探索。但是人工智能現(xiàn)在是越來(lái)越熱的詞，大家也可能聽(tīng)說(shuō)過(guò)非常多關(guān)于人工智能的關(guān)鍵字，深度學(xué)習(xí)、用戶(hù)畫(huà)像等，各行各業(yè)的人，除了互聯(lián)網(wǎng)以外的也會(huì)摩拳擦掌說(shuō)我們的企業(yè)如何能被人工智能改變。今天帶著這樣的疑問(wèn)、這樣的思考想和大家分享，人工智能到底有什么樣的能力，人工智能將如何幫助企業(yè)成為一個(gè)提升運(yùn)營(yíng)效率，成為下一代企業(yè)發(fā)展的支柱。

　　今天我要和大家分享的主題叫“人工智能贏在維度”，我是第四范式的陳雨強(qiáng)。

　　企業(yè)運(yùn)營(yíng)效率對(duì)現(xiàn)在的競(jìng)爭(zhēng)時(shí)代越來(lái)越重要。這里有兩家非常重要的公司，大家很熟悉，一家是亞馬遜，一家是沃爾瑪，兩家都是非常偉大的零售企業(yè)公司，這兩家公司雖然說(shuō)都是做零售，但是兩家公司在最近幾年日子過(guò)得可不太一樣。傳統(tǒng)的超市，大型連鎖超市其實(shí)在最近幾年過(guò)得并不太好，他們每年的收入增長(zhǎng)其實(shí)一直保持零增長(zhǎng)，甚至有時(shí)候會(huì)達(dá)到負(fù)增長(zhǎng)。但是同比會(huì)看到亞馬遜在這段時(shí)間里，他的成長(zhǎng)一般在20%-40%之間，不好的時(shí)候也有10%的增長(zhǎng)。里面就會(huì)有非常大的差距，為什么有很大的差距？可能會(huì)把原因歸咎為亞馬遜是一個(gè)電商，是一個(gè)互聯(lián)網(wǎng)企業(yè)，沃爾瑪是一個(gè)傳統(tǒng)的企業(yè)。所以說(shuō)可能會(huì)有差別。但是如果我們真實(shí)的看一下，因?yàn)槲譅柆斊鋵?shí)也做轉(zhuǎn)型，他也收購(gòu)了一些電商的平臺(tái)。但是它背后的原因，本質(zhì)是什么？有學(xué)者做過(guò)調(diào)查，調(diào)查有這樣的發(fā)現(xiàn)，他會(huì)發(fā)現(xiàn)，平均來(lái)說(shuō)，每個(gè)亞馬遜員工為亞馬遜貢獻(xiàn)的收入是62.1萬(wàn)美元，同步到沃爾瑪，每個(gè)沃爾瑪?shù)膯T工為沃爾瑪提供的收入是22萬(wàn)美元，相差3倍。相差3倍的差距讓沃爾瑪和亞馬遜在效率上有巨大的差別，因?yàn)樾实木薮蟛顒e，導(dǎo)致亞馬遜不斷擴(kuò)大企業(yè)規(guī)模和市場(chǎng)規(guī)模，搶到更多的用戶(hù)，不斷蠶食沃爾瑪?shù)氖袌?chǎng)。電商之所以比傳統(tǒng)零售有更快的增長(zhǎng)，秘密就藏在效率里面。

　　我們說(shuō)到沃爾瑪公司，其實(shí)它并不是菜鳥(niǎo)的公司，大家知道人工智能、大數(shù)據(jù)之前還有一個(gè)概念叫數(shù)據(jù)挖掘，數(shù)據(jù)挖掘里面有這么一個(gè)例子，啤酒和尿布的例子，大家可能聽(tīng)過(guò)。一家超市發(fā)現(xiàn)每周五晚上的時(shí)候，一個(gè)訂單、一個(gè)購(gòu)物小票上，啤酒和尿布經(jīng)常出現(xiàn)，他們找客戶(hù)調(diào)研人員研究這個(gè)問(wèn)題，原來(lái)是美國(guó)有些超級(jí)奶爸在周五下班之后開(kāi)車(chē)去超市買(mǎi)一堆東西，他買(mǎi)尿布的同時(shí)會(huì)買(mǎi)一打啤酒。發(fā)現(xiàn)這樣的規(guī)律之后，超市就做了決定，把啤酒和尿布放在相近的貨架上，發(fā)現(xiàn)啤酒和尿布的銷(xiāo)量同時(shí)發(fā)生增長(zhǎng)。這是最典型的數(shù)據(jù)挖掘的例子，現(xiàn)在也是廣為流傳的例子。這家超市就是沃爾瑪超市，沃爾瑪是數(shù)據(jù)挖掘的鼻祖級(jí)的角色。為什么這么一個(gè)角色的公司會(huì)在現(xiàn)在處于下峰相對(duì)于亞馬遜？原因在于這么一個(gè)分析的結(jié)果上，你可以認(rèn)為沃爾瑪做的推薦是基于位置的推薦。沃爾瑪在全球有10700家門(mén)店，這些門(mén)店根據(jù)你的國(guó)家省市地區(qū)、人種，各種不同的區(qū)別，它會(huì)不同樣的安排貨架，這10700家貨架都不一樣，用數(shù)據(jù)挖掘的方式會(huì)給當(dāng)?shù)氐挠脩?hù)一個(gè)最好的排布的方式。他要解決的問(wèn)題難度，作為沃爾瑪來(lái)說(shuō)是1×10700的難度。但是對(duì)于亞馬遜來(lái)說(shuō)，這個(gè)問(wèn)題的難度就變得更大，因?yàn)閬嗰R遜是個(gè)性化推薦的始祖，個(gè)性化推薦是你看到的亞馬遜和我看到的亞馬遜完全不一樣，每個(gè)人登錄亞馬遜，亞馬遜幾十萬(wàn)、上億的產(chǎn)品給你展示的方式都是不一樣的，你可以認(rèn)為整個(gè)商場(chǎng)對(duì)每個(gè)人不一樣，亞馬遜要解決的是1×3.04億，如果有3.04億的用戶(hù)。這個(gè)問(wèn)題差1萬(wàn)倍的復(fù)雜度，導(dǎo)致亞馬遜比沃爾瑪在效率上有3倍的提升，因?yàn)閬嗰R遜解決1萬(wàn)倍復(fù)雜度的問(wèn)題。這是2C端的例子。

　　企業(yè)經(jīng)營(yíng)內(nèi)部經(jīng)營(yíng)的部分，同樣也有解決問(wèn)題復(fù)雜度提升帶來(lái)效率提升的例子。亞馬遜貨艙跑的紅色的小機(jī)器人。整個(gè)大大的倉(cāng)庫(kù)里面，機(jī)器人到處跑，會(huì)把貨架運(yùn)到每個(gè)揀貨人的面前，揀貨人員去揀貨。對(duì)于傳統(tǒng)揀貨的問(wèn)題，同一個(gè)貨倉(cāng)，N個(gè)人去揀，是N×1的復(fù)雜度。如果N個(gè)揀貨人員揀N個(gè)貨倉(cāng)，問(wèn)題的復(fù)雜度是N×N，問(wèn)題復(fù)雜度的區(qū)別導(dǎo)致揀貨效率有很大的差別。作業(yè)速度，亞馬遜要比沃爾瑪要高出4倍?？偨Y(jié)一下，現(xiàn)在這樣的企業(yè)效率其實(shí)是需要通過(guò)解決更復(fù)雜的問(wèn)題來(lái)去提升效率的。你可以看到，正因?yàn)閯偛判实奶嵘?，?dǎo)致亞馬遜的效率不斷的攀升，不斷蠶食傳統(tǒng)企業(yè)沃爾瑪?shù)氖袌?chǎng)，給消費(fèi)者更好的體驗(yàn)?？梢钥吹絺鹘y(tǒng)沃爾瑪比亞馬遜大很多倍，但是市值上，2015年的時(shí)候，亞馬遜已經(jīng)超過(guò)了沃爾瑪，成為了最大的零售行業(yè)。市值也是非常高。

　　總結(jié)一下，運(yùn)營(yíng)效率在當(dāng)前會(huì)變得越來(lái)越重要，因?yàn)槟Ｊ降膭?chuàng)新、投資的拉動(dòng)、市場(chǎng)的增長(zhǎng)，帶來(lái)的空間越來(lái)越小，過(guò)去20年，過(guò)去很多年，中國(guó)是快速發(fā)展的社會(huì)，過(guò)去只用靠新產(chǎn)品、新渠道搶市場(chǎng)，我就能享受人口增長(zhǎng)的紅利，商業(yè)增長(zhǎng)的紅利、互聯(lián)網(wǎng)增長(zhǎng)的紅利，可以享受這樣的紅利。但是隨著發(fā)展到了一個(gè)瓶頸，這些紅利會(huì)越來(lái)越小。在紅利越來(lái)越小的時(shí)候，你就不能通過(guò)跑馬圈地的方式來(lái)擴(kuò)張你的企業(yè)，這個(gè)地就這么大，你只能通過(guò)提升自己的運(yùn)營(yíng)效率，搶別人的地。開(kāi)始的時(shí)候，誰(shuí)先到60分，誰(shuí)搶更多的地。地分好以后，80分的人搶60分的地，這是新的商業(yè)下最重要的事情，就是提升企業(yè)的運(yùn)營(yíng)效率。企業(yè)的運(yùn)營(yíng)效率在當(dāng)下是最重要的指標(biāo)，如何提升企業(yè)的運(yùn)營(yíng)效率呢？就是做更復(fù)雜的問(wèn)題，能解決更復(fù)雜的問(wèn)題就有更高的效率。人工智能是被認(rèn)為最好解決復(fù)雜問(wèn)題的技術(shù)。

　　人工智能在很多地方聽(tīng)過(guò)很多關(guān)于人工智能的介紹，關(guān)于人工智能的案例可能都聽(tīng)說(shuō)過(guò)。人工智能看起來(lái)很虛，或者離得很遠(yuǎn)，有些做人臉識(shí)別、有些做語(yǔ)音識(shí)別、有些做翻譯。其實(shí)人工智能沒(méi)有這么復(fù)雜，人工智能做的是民族的暴利，人工智能是看一大群人，看他們?cè)趺葱袨椋ㄟ^(guò)他們的行為來(lái)判斷出這群人或者其他人什么行為。比如我們要賣(mài)東西，賣(mài)耐克鞋，有這么多人，我們要從黑人找出想買(mǎi)鞋的人，大數(shù)據(jù)的做法是用兩個(gè)維度分析這個(gè)事情，比如性別、年齡，想買(mǎi)耐克的人是說(shuō)年輕的男性，喜歡買(mǎi)得多，但是年輕男性肯定也有不想買(mǎi)的。我們對(duì)這些人營(yíng)銷(xiāo)，但是你會(huì)發(fā)現(xiàn)年輕男性里面可能有人不想買(mǎi)，也有很多人不是年輕男性，但是他想買(mǎi)鞋，不夠精準(zhǔn)，效率就不夠高。同樣這么多有需求的人，為什么只找到這些，而且效率不高。怎么解決民族暴利的事情？如果只用兩個(gè)維度描述，如果用男女描述，這個(gè)東西給男人用或者女人用，不合理。解決套路很簡(jiǎn)單，就是用更高的維度、更多的規(guī)則把空間畫(huà)得更細(xì)。右上角的圖，如何讓營(yíng)銷(xiāo)做得更加精細(xì)，通過(guò)更多的維度把空間畫(huà)得更細(xì)，每個(gè)格子更精準(zhǔn)，該找的都找到了，不該找的一個(gè)沒(méi)有進(jìn)去。這是新一代人工智能機(jī)器學(xué)習(xí)的方法，通過(guò)精細(xì)化解決更復(fù)雜的問(wèn)題，原來(lái)解決四維，現(xiàn)在解決幾十維的問(wèn)題來(lái)提升整個(gè)運(yùn)營(yíng)效率。

　　從另外一個(gè)角度來(lái)看，人工智能大家都知道，我們的數(shù)據(jù)是呈長(zhǎng)尾分布。傳統(tǒng)大數(shù)據(jù)是基于頭部分析，頭部很重要，性別、年齡，或者頭部用戶(hù)很重要，誰(shuí)都知道。在座所有人都知道北上廣深這里面的用戶(hù)是高價(jià)值用戶(hù)是我的目標(biāo)用戶(hù)，不是北上廣深，不是金融行業(yè)或者什么行業(yè)的人，是不是我們的用戶(hù)、是不是我們的客戶(hù)？是的，怎么找到他？其實(shí)就是長(zhǎng)尾部分，長(zhǎng)尾部分的價(jià)值更大。中國(guó)可以挖掘出很多的人和很多的價(jià)值。傳統(tǒng)的領(lǐng)域里面做的是什么事情？抓大放小，既然我只關(guān)注頭部這些人，我就用一些規(guī)則或者一些專(zhuān)家的經(jīng)研究可以抓大放小，把最關(guān)注的人抓出來(lái)，但是用人工智能技術(shù)來(lái)說(shuō)，你可以做到面面俱到，把所有的人、所有關(guān)注的事情都做到。人工智能面面俱到是第一個(gè)特征。人工智能做全數(shù)據(jù)的問(wèn)題，而不只是采樣數(shù)據(jù)的問(wèn)題。很多地方說(shuō)我有很多數(shù)據(jù)，很多數(shù)據(jù)并沒(méi)有真正用到數(shù)據(jù)的價(jià)值，真正的人工智能用上數(shù)據(jù)價(jià)值的人工智能是全數(shù)據(jù)人工智能，什么問(wèn)題用全數(shù)據(jù)？復(fù)雜的問(wèn)題，比如說(shuō)你要統(tǒng)計(jì)的是全國(guó)男性還是女性更喜歡你的產(chǎn)品，你找?guī)资畟€(gè)人就可以得到結(jié)論。行業(yè)最大的公司和行業(yè)初創(chuàng)公司沒(méi)有區(qū)別，因?yàn)槎伎梢缘玫揭话賯€(gè)用戶(hù)。如果問(wèn)題很復(fù)雜，你要做到1億個(gè)維度，你關(guān)注很小的人群，在全中國(guó)就20個(gè)人，一家最大的公司和一家小公司就不一樣。如果全中國(guó)20個(gè)人組成的人群，你只有那些大的公司才能有這樣的數(shù)據(jù)，才能做合理的分析，但是一家小公司就沒(méi)有辦法分析。好的人工智能是可以把數(shù)據(jù)的價(jià)值發(fā)揮到極限，是可以把每個(gè)面面俱到的點(diǎn)分析到。你不能只分析高頻部分，高頻部分所有的人分析都是一樣的，這是同質(zhì)化的，沒(méi)有優(yōu)勢(shì)，有優(yōu)勢(shì)的是長(zhǎng)尾部分，誰(shuí)擁有更多的數(shù)據(jù)，誰(shuí)在長(zhǎng)尾部分做得更精細(xì)，誰(shuí)獲得更高的運(yùn)營(yíng)效率。

　　怎么獲得這樣的能力呢？大家可能聽(tīng)說(shuō)過(guò)深度學(xué)習(xí)，這代的算法基本上是萬(wàn)級(jí)別的變量深度學(xué)習(xí)，語(yǔ)音、圖像等，跟人眼輸入量類(lèi)似。對(duì)于下一代的機(jī)器學(xué)習(xí)，我們其實(shí)需要的是萬(wàn)億級(jí)別的變量數(shù)的深度學(xué)習(xí)的方法，為什么這么說(shuō)？因?yàn)槲覀円鉀Q的問(wèn)題很復(fù)雜，對(duì)于感知問(wèn)題，識(shí)別物體或者聲音，這時(shí)候用萬(wàn)級(jí)別的輸入足夠，如果提供商業(yè)服務(wù)，提供決策時(shí)候，客戶(hù)數(shù)量很多、產(chǎn)品數(shù)量很多，你要做的決策很多，這些組合會(huì)非常多，這些組合每個(gè)都是一個(gè)變量。剛才說(shuō)的變量是解決問(wèn)題的點(diǎn)，因?yàn)橐鉀Q復(fù)雜問(wèn)題，這個(gè)解決問(wèn)題的點(diǎn)很多，會(huì)上萬(wàn)億?；ヂ?lián)網(wǎng)中，不管是Google還是百度，都做到上萬(wàn)億，讓系統(tǒng)的效率得到很大的提升，需要這樣的系統(tǒng)才能讓整個(gè)人工智能發(fā)揮最大的價(jià)值。

　　這里介紹系統(tǒng)架構(gòu)，現(xiàn)代最新的技術(shù)，包括我們公司第四范式研發(fā)的最新技術(shù)，能夠讓上萬(wàn)億機(jī)器學(xué)習(xí)的系統(tǒng)成為可能，用高性能的并行計(jì)算讓這個(gè)事情成為可能。舉Facebook的例子，F(xiàn)acebook在2012年5月份上市，如果大家熟悉這個(gè)公司，可能知道它上市以后就破發(fā)，破發(fā)很慘。直到2013年、2014年之后，它才不斷的走上正規(guī)，股票一路上升。這是我們外面看到的表象。內(nèi)在的原因是什么呢？我們也有很多同事在Facebook的核心收入部門(mén)，也就是搜索廣告，也就是信息廣告部門(mén)。2012年的時(shí)候，我們和他們聊，當(dāng)時(shí)他們的維度，其實(shí)就是問(wèn)題的復(fù)雜度，只有兩千個(gè)維度，而這時(shí)候Facebook廣告營(yíng)收能力很弱，廣告部精準(zhǔn)、效率低，單位廣告變現(xiàn)比較少。怎么研究單位廣告變現(xiàn)？展示一千條信息，然后能拿到多少錢(qián)，這個(gè)效率是低的。后來(lái)?yè)Q新的人工智能系統(tǒng)，把兩千維的特征變成兩千億維的特征，讓整體效率有了大幅度提升。從當(dāng)時(shí)的CPM有數(shù)倍的提升，單位的變現(xiàn)效率數(shù)倍提升，導(dǎo)致股價(jià)一路攀升。解決問(wèn)題的復(fù)雜度決定整個(gè)公司運(yùn)營(yíng)效率和公司的整個(gè)成長(zhǎng)。

　　互聯(lián)網(wǎng)的例子，金融領(lǐng)域有沒(méi)有同樣的例子？其實(shí)也有，這是我們公司和一個(gè)全國(guó)性股份制銀行做的例子，信用卡交易中心，每天有上百萬(wàn)筆信用卡交易，交易之中可以選出一部分發(fā)送短信進(jìn)行營(yíng)銷(xiāo)，說(shuō)是否進(jìn)行分期，分期可以獲取手續(xù)費(fèi)。分期這個(gè)事情對(duì)他來(lái)說(shuō)，分期的響應(yīng)率，你發(fā)短信他響應(yīng)你這是很重要的。當(dāng)時(shí)用的人工智能的方式讓他們的響應(yīng)率提升68%，收入提升61%，這是很大的提升。背后隱含的是什么技術(shù)、怎樣的方式做了這么大的提升？我們把他們的目標(biāo)進(jìn)行分解，我們把分期收入變成短信量乘以短信響應(yīng)量乘以費(fèi)率，選取一個(gè)優(yōu)化目標(biāo)短信響應(yīng)率，我們用歷史營(yíng)銷(xiāo)數(shù)據(jù)做機(jī)器學(xué)習(xí)模型，這是高維度的復(fù)雜的、困難的問(wèn)題，而做高維度問(wèn)題，最后應(yīng)用到線(xiàn)上得到剛才的效果。我們當(dāng)時(shí)使用了這么多的數(shù)據(jù)庫(kù)中的數(shù)據(jù)，有2TB，相對(duì)有點(diǎn)大，銀行和金融領(lǐng)域有更多的數(shù)據(jù)。四千萬(wàn)條訓(xùn)練數(shù)據(jù)，產(chǎn)生五千萬(wàn)維度的問(wèn)題，剛才說(shuō)到的沃爾瑪是3.04億維，這里面我們受限于數(shù)據(jù)，做五千萬(wàn)維度的數(shù)據(jù)問(wèn)題的規(guī)模，這樣的模型我們獲得剛才的效果。它的維度很高，不依賴(lài)于專(zhuān)家，全部從數(shù)據(jù)終尋找新知識(shí)。非常容易擴(kuò)展，我們當(dāng)時(shí)對(duì)比的是專(zhuān)家系統(tǒng)，他們寫(xiě)了5年，非常厲害。但是你想200條規(guī)則加1條規(guī)則都很困難，任何規(guī)則不和原來(lái)的規(guī)則沖突，還要保證有新的提升和幫助，很困難。可擴(kuò)展性、靈活性和不斷子卻起義（音自動(dòng)修正錯(cuò)誤）是它的特點(diǎn)。除了開(kāi)始很好，在上線(xiàn)之后、投入生產(chǎn)之后，不斷每天的迭代，讓它知道發(fā)哪些短信被接受或者沒(méi)有被接受，很好，和AlphaGo接受一樣。這是完整的專(zhuān)家規(guī)則很難以達(dá)到的點(diǎn)。

　　人工智能的技術(shù)為什么帶來(lái)這么大的提升？這是我們做的交易分期，還有一個(gè)汽車(chē)分期，這是大額分期。這個(gè)模型很好，提升兩三倍。有一個(gè)特征是某個(gè)POS機(jī)刷卡的情況下，它做分期概率很高。為什么一個(gè)POS導(dǎo)致分期效率高？專(zhuān)家分析，POS機(jī)是母嬰店的POS機(jī)，母嬰店就是家里有小孩，有了新人，可能要換新車(chē)或者有新的需求，所以他們就買(mǎi)車(chē)，買(mǎi)車(chē)就需要分期。這些事情專(zhuān)家都會(huì)，各行各業(yè)都有專(zhuān)家，這些專(zhuān)家都可以分析出來(lái)，關(guān)鍵點(diǎn)在于這家公司或者這個(gè)POS機(jī)、母嬰店大概只有上百筆的交易。上百筆的交易對(duì)于國(guó)有股份制銀行要服務(wù)上千萬(wàn)家商家的銀行來(lái)說(shuō)，上百筆交易這樣的小POS機(jī)根本不值得專(zhuān)家分析。所以這是為什么人工智能能贏？贏在它的不知疲倦和迭代進(jìn)行計(jì)算。這些專(zhuān)家都可以寫(xiě)，但是專(zhuān)家不可能像我們寫(xiě)出五千條規(guī)則，機(jī)器可把判斷簡(jiǎn)單問(wèn)題變成判斷復(fù)雜條件的問(wèn)題，這樣他的效率就會(huì)明顯提升。

　　人工智能有一個(gè)特點(diǎn)，不管是傳統(tǒng)領(lǐng)域還是新領(lǐng)域，不管是銀行還是證券還是期貨，只要有數(shù)據(jù)，機(jī)器可以從數(shù)據(jù)終獲得價(jià)值。我們?cè)诤芏囝I(lǐng)域獲得很多的應(yīng)用，包括電商、理財(cái)、差異化定價(jià)，這只是一部分，人工智能能改變的地方還有很多。

　　第三部分，剛才說(shuō)的理論背后的事情，這個(gè)事情其實(shí)背后也是有個(gè)科學(xué)道理的，科學(xué)道理不是我們胡謅出來(lái)的，談到人本身的事情，隨著人的發(fā)展，人腦的容量不斷變大，人的智力不斷提升。人腦的智力某種程度取決各方占比于人腦神經(jīng)元的數(shù)量，機(jī)器也是如此，大家聽(tīng)到很多算法，各種各樣的算法，這些算法有什么區(qū)別，有什么關(guān)系？他們誰(shuí)好、誰(shuí)不好，到底是什么聯(lián)系？這個(gè)理論可以解釋?zhuān)瑑晌欢砹_斯科學(xué)家做了一個(gè)理論，VC維理論，這是統(tǒng)計(jì)機(jī)器學(xué)習(xí)的泰斗，機(jī)器學(xué)習(xí)人工智能的創(chuàng)始人。兩位科學(xué)家在60年代到90年代之前提出VC維理論，這是泛泛分析的理論，描述的是一個(gè)函數(shù)擬合復(fù)雜數(shù)據(jù)的能力。從另外一個(gè)角度可以類(lèi)比的是，人類(lèi)腦細(xì)胞的數(shù)量，越高的腦細(xì)胞數(shù)量代表你越聰明。越高的VC維模型高于低VC維模型，剛才說(shuō)的算法，不管是深度學(xué)習(xí)還是其他機(jī)器學(xué)習(xí)模型要看VC維，高VC維就是很好的潛力模型，如果VC維不高，潛力模型就不好。

　　用VC維理論解釋這個(gè)問(wèn)題，我們?yōu)槭裁凑f(shuō)解決更復(fù)雜的問(wèn)題就能夠提升效率呢？因?yàn)楦鼜?fù)雜的問(wèn)題VC維高或者更復(fù)雜的模型VC維高，高VC維效率更高。

　　人工智能高在哪里？人腦容量有限，人思考方式不一樣，人不能記住所有事情，人做的是總結(jié)、歸納和提煉。牛頓看到蘋(píng)果砸到自己頭上總結(jié)了牛頓三定律，機(jī)器做一個(gè)事情，大部分時(shí)間都是成立的，但是高速情況下，其實(shí)并不成立，高速情況下應(yīng)該用愛(ài)因斯坦的相對(duì)論，這個(gè)事情給機(jī)器做，機(jī)器會(huì)把這個(gè)事情變成更復(fù)雜的問(wèn)題，把速度分成三千萬(wàn)個(gè)小區(qū)域，每個(gè)區(qū)域總結(jié)一個(gè)牛頓三定律用數(shù)據(jù)的方式，擬合數(shù)據(jù)更加準(zhǔn)確的模型。這兩個(gè)模型不同的角度描述這個(gè)事情，人和機(jī)器獲取智能的方式不一樣，機(jī)器不能像人一樣只做三條定律，而是做得更加復(fù)雜，這樣效率更高。這樣的理論有很多成功應(yīng)用，之前我在百度，我們可以看到在百度的時(shí)候，百度從2008年競(jìng)價(jià)排名變成了智能排序，用廣告的點(diǎn)擊率進(jìn)行排序，你會(huì)發(fā)現(xiàn)整體上的收入，4年提升8倍。它的背后是1萬(wàn)條專(zhuān)家規(guī)則提升到1千億條規(guī)則，實(shí)施反欺詐我們和金融領(lǐng)域做了Case，原來(lái)一千條專(zhuān)家規(guī)則做反欺詐，你是欺詐還是不欺詐，盜卡欺詐，我們做到25億條規(guī)則，讓它的整體效果提升了1.8倍到5.94倍，提升很大。我們也做個(gè)性化內(nèi)容分發(fā)，之前在今日頭條，后來(lái)在第四范式做了很多推薦相關(guān)的問(wèn)題，我們能做到真正的個(gè)性化，讓每個(gè)人擁有不同的推薦。我們把規(guī)則從一百條規(guī)則到100億條規(guī)則，整體的點(diǎn)擊率提升30%-35%，包括時(shí)長(zhǎng)也會(huì)有很大的提升。

　　總結(jié)起來(lái)，你要提升一個(gè)企業(yè)的效率要解決復(fù)雜的問(wèn)題，解決復(fù)雜問(wèn)題就需要高VC維的模型。

　　大家都說(shuō)人工智能是有一個(gè)Gartner曲線(xiàn)，說(shuō)人工智能要?dú)缛祟?lèi)，又說(shuō)是騙子，什么都不能干。為什么有這樣的區(qū)別？人工智能有一個(gè)局限，我們總結(jié)起來(lái)，人工智能在什么時(shí)候超越人類(lèi)？人工智能如果寫(xiě)出一千萬(wàn)條規(guī)則就可以超越人類(lèi)，一個(gè)專(zhuān)家究其一生只能寫(xiě)10條規(guī)則，這是求一生的畢生所學(xué)。如果機(jī)器寫(xiě)出一千萬(wàn)條，他在很多方面都比人類(lèi)高出很多效率。

　　這里有另外一個(gè)例子，IMgenet，這是做圖片識(shí)別的比賽，2010年到2015年的識(shí)別錯(cuò)誤率不斷下降，下降到比人類(lèi)的圖象識(shí)別的錯(cuò)誤率還要低，人類(lèi)識(shí)別錯(cuò)了，機(jī)器都識(shí)別不錯(cuò)。另外一個(gè)角度，看VC維，問(wèn)題的復(fù)雜度不斷上升，從一開(kāi)始大概30萬(wàn)的VC維變成1億的VC維，因?yàn)檫@樣的VC維的背后，VC維提升導(dǎo)致效果不斷提升。

　　最后這里給大家總結(jié)一下，包括Facebook、亞馬遜等很多例子，我們會(huì)發(fā)現(xiàn)VC維的上升帶來(lái)AI能力的提升，AI能力上升提升企業(yè)運(yùn)營(yíng)效率，最終提升企業(yè)的競(jìng)爭(zhēng)力。

　　這就是我今天給大家的分享。謝謝大家！

　　主持人：從陳雨強(qiáng)先生激情澎湃的演講中，我們看到，超高維度的AI技術(shù)可以幫助企業(yè)進(jìn)行以往無(wú)法想象的精細(xì)化運(yùn)作，從而大幅提升企業(yè)運(yùn)營(yíng)效率、提升企業(yè)核心競(jìng)爭(zhēng)力。讓我們期待AI技術(shù)的全面發(fā)展。感謝陳雨強(qiáng)先生！下面請(qǐng)?jiān)试S我介紹中云網(wǎng)安科技(北京)有限公司首席技術(shù)官湯姆林登先生。湯姆林登先生是一位經(jīng)驗(yàn)豐富的高級(jí)管理人員，同時(shí)擁有個(gè)人10項(xiàng)專(zhuān)利發(fā)明，現(xiàn)在有請(qǐng)他從信息安全的角度解讀AI技術(shù)的發(fā)展。