亚信的人工智能,能帮运营商盘活大数据资产吗?
2017-11-18 14:52:30
  • 0
  • 0
  • 0
  • 0

11月8日,亚信在北京发布了自己的大数据及人工智能战略和产品。

整个2017年,人工智能确实是最火爆的概念。不过,一向风格低调,集中做BOSS的亚信,如此高调地大举杀入这个前沿领域,确实让不少人大跌眼镜。

为什么亚信要做AI,它将怎样做AI,又能否做好AI呢?

1

如果我们将视角拉远,AI应该会是整个通信行业大数据未来发展中,最可期待的应用领域。

曾几何时,通信行业掌握着其它所有行业中最眼热的个人隐私数据,从通话到上网,从网页内容到实时位置,从在线支付到娱乐社交。

但问题是,这些数据却从未给通信企业带来真正规模化的、直接的变现收入。

随着政府对数据和个人隐私的监管越来越严格,通信企业更是越来越沦为"捧着金饭碗的乞丐",空有数据,却无法获取相关的收益。

同时,在AI领域,大多数初创企业最大的需求,也在为如何获取海量的、高质量的、符合应用场景的训练数据而烦恼。

曾经的爱立信中国商业咨询部总经理,如今的亚信软件首席战略官袁道唯,用了一个新的缩写"ABC",来概括未来信息技术发展的黄金三角:

A是AI,B是Big data,C是Cloud。

其中,云计算为AI提供了模型训练必要的算力支撑;大数据则是AI建模和模型训练过程中,必需的消耗资源。

但在互联网的生态中,无论是这样的场景和业务,还是产生的高质量互联网数据,绝大部分都集中掌握在BAT和他们的相关企业手中,AI初创企业很难以可接受的低成本直接获取。

这是AI创新企业绕不过去的障碍,也恰恰正是通信运营商可以破局的优势所在。

如果再向前推进3到5年,一旦整个社会进入了万物互联时代,运营商占有的社会运营数据将会进一步爆炸式增长。

通过提供自己掌握的、经过脱敏处理的海量数据,支持并深入参与AI产业的发展,并在其中寻找数据变现的机会,这是运营商进入AI领域最好的路线。

不过,运营商如果自身直接做数据变现,会面临合规、影响上下游关系等太多的复杂问题。

所以,作为长期与运营商"深度捆绑"的亚信,如果打造好自己的AI平台,构建自有的AI能力,将为运营商数据,与AI行业的发展打通,做好"桥梁"的作用,自己也能借助这个双赢的生意,打开更大的市场想象空间。

这是亚信在AI大潮中的自我定位。

2

对于运营商来说,新技术再酷再炫,都必须能真正实用,才会有价值。

那么,现在的AI发展,到底离实用还有多远?

我们必须首先谈到AI领域里的两组概念:

第一组:Closed World和Open World,

所谓Closed world,指的是封闭环境下的AI应用。顾名思义,封闭环境往往指的是相对单纯的应用环境,比如封闭空间,简单应用场景以及相对固定的应用方式。

而Open world则意味着开放空间,包括了复杂的互动场景,甚至众多不可控的意外因素。

像Alpha Go这样的应用,完全是在一个Closed World中应用,面对的实用化挑战相对比较低。

但更多的AI应用,实用化的最大挑战,都是必须走出实验室,真正适应复杂和不可预测的Open World。

比如自动驾驶汽车,就是一个典型的案例。无论如何,实验室的Closed World环境,都很难模拟出道路上的各种突发事件,比如突然的道路塌方,比如前车司机打着左转灯的右拐和急刹,比如各种花式的碰瓷和夹塞……

在AI技术还没有成功的大规模实用案例的今天,我们要想尽快把AI技术实用化,首先就需要从Closed world出发,不要期望能够顺利跨入复杂的Open world;或者需要选择Closed world和Open world差异不大的应用领域。

对于AI的企业应用,如何选择一个相对单纯的应用环境,避免复杂的信息来源和多变的应用场景,就成为AI走向实用化的第一个关键。

第二组:Narrow AI和General AI。

所谓Narrow AI,指的是专用甚至单一目标的AI系统。

而General AI,则是通用甚至全面的自我学习型AI。

目前阶段的AI系统,基本上都是Narrow AI,只能针对特定任务设计的AI。

比如,Alpha Go只会下围棋,深蓝只会下国际象棋。如果要让AI下五子棋,就必须重新编写算法、设计模型、收集训练数据集,一步一步重头再来。

所以,AI系统的实用化,目前也只能就明确目标、专用场景进行设计。

任务越单一,成功实用的可能性就越大。

在这样的前提下,AI的实用化主要比拼的不再是复杂的算法,海量的训练数据,而是具有洞察型的业务问题设计,以及精准的输入输出数据选择。

在数据挖掘领域,有这样一个说法:把一个业务问题合理地转换为单纯地数学问题,比建模解决这个数学问题更难。

研究机构的目标是完善AI,企业的目标则是产业化和赚钱,所以,在纷繁芜杂的业务流程中,现阶段运营商和亚信做好AI业务的关键,就比较明确了:

清晰切割出一个目的单纯、需求明确、环境简单的业务场景,再基于Closed world + Narrow AI原则,设计AI系统,并将其实用化、产品化、商业化。

只有这样,才能在推进AI产业化过程中,尽可能降低技术要求和复杂度门槛,先在用得到,用得好、能挣钱的领域,把业务和数据变成真金白银。

在某种程度上来说这比算法、数据都更为重要。

亚信的思路,也同样如此。

3

那么,亚信如何帮运营商和最终客户寻找合适的应用场景、降低应用的复杂性?

这个问题的答案,取决于AI的实用化过程中,如何定位AI系统和使用者的关系。

2016年10月,在白宫和总统国家科技委员会发布的重量级AI技术发展白皮书《Preparing for the Future of Artificial Intelligence》中,谈到了以下的内容:"development of intelligent systems that work well as helpers, assistants, trainers, and teammates of humans."

也就是说,AI的智能系统扮演的,是帮助者(helpers/assistants),指导者(trainers)和团队合作伙伴(teammates)的角色。

这意味着,在现阶段以及相当长的一段时间内,AI系统并不能完全取代人类的认知能力,而是在和人类展开合作,并扮演着助手和工具的角色。

目前,AI领域已经有一些行业应用中,取得了重大突破。

比如健康医疗,以及法律。

在健康医疗行业,类似于"读片助理"这样的应用,让AI正在全面进入医学影像诊断领域。

因为不是直接做出医疗诊断,只是根据医学影像信息提出参考意见,AI的快速学习和高效判断就能够在大幅提升医生的工作效率的同时降低误诊率,和医生的丰富经验相得益彰。

而对于患者来说,AI系统只是起到助手和工具的作用,最终的诊断还是由医生做出,也最大程度地降低了AI误判所导致最终诊断错误的可能性。

在法律行业,AI系统替代的也同样是法律助理的角色。

在案件准备初期,法律助理需要收集大量的历史案例信息进行比对,并为主办律师提供办案思路。

利用AI的自然语言处理能力和语义分析功能,系统可以解决问题的语法及文本,评估问题所有可能的含义,从浩如烟海的的文档中,检索各种可能的条款与案例,最终汇总成为备选的解决方案。

这样,AI为律师节省了大量的资料收集、思路整理甚至方案草稿和对比分析工作,而决策最终由主办律师做出,这样的配合同样是扬长避短、水乳交融。

对于通信行业的AI应用来说,如果以助手和工具的面貌出现,也同样将会更加容易寻找到自己的定位,也更加容易融入现有的通信行业业务流程中。

在亚信的AI应用介绍中,已经有这样的案例。

比如,亚信汇集了很多开源的技术,或是合作伙伴的技术,在其基础上进行二次改造,结合亚信的强项和对业务场景的理解,打包集成形成具体的功能应用。

其中,包括了一些比较成熟的AI技术,比如语音识别,亚信的应用会把语音转化成文本,然后对文本进行挖掘和分类,提取出客户的投诉信息,通过语义分析进行打分和优先级排序,转给相关责任部门处理。

相关部门在处理时,可以不用再花费大量时间检听录音以及整理成文,只需要重新直接提取处理后的信息,就可以快速完成人工判断。

以前,海量的呼叫中心语音信息几乎无法跟踪处理,因为要消耗大量的人力资源,所以只能采用抽查的方式进行质量控制。而通过引入AI技术,就可以自动化的全面跟踪语音服务信息,达到充分覆盖的效果。

这样的方式,比目前主流的处理时效要快得多,大大提升了客户感知。

在目前的技术条件下,AI引擎分析的准确性可能无法达到非常高的水平。但在目前的应用场景中,AI只起到海量初筛的作用,已经足矣。

整体而言,亚信目前的人工智能平台,主要通过四个手段来选择场景,并降低复杂性:

1、智能辅助建模。不懂建模编码的技术业务人员也能在亚信的平台上轻松建模,而且把模型效果做到80分以上,因为亚信把运营商业务流程和数据理解等内容构建在前台。

2、模型智能优化。亚信把一个AI应用的目标分成几个很小的周期,用户可以设置周期。经过数据变化规律和营销反馈规律,系统可以自动优化流程并构建长效机制。

3、模型沉淀分享。一些行业或者某个行业里面经典场景的模型案例,亚信会沉淀在平台里作为附加的服务推给客户。

4、 一站式的建模体验。亚信的平台可以跟运营商环境无缝对接以便降低AI的应用门槛,最终的应用可以无缝嵌入运营商的系统流程中以实现快速部署。

从目前的实践来看,亚信的AI平台的确是抓住了AI技术实用化的关键,并依托丰富的通信行业的知识进行了有益的尝试。

在不久的未来,相信亚信能够开发出适用于通信行业的杀手级AI应用,为AI技术在通信行业的广泛应用探索出一条成功之路。

 
最新文章
相关阅读