微软与传统企业手拉手，颠覆原有AI认知？

位于北京海淀区丹棱街的微软亚洲研究院突然来了很多巨头企业。6月5日，微软亚洲研究院举行创新论坛，东方海外航运、辉瑞制药、华夏基金、三一重工、上海仪电、万科、万向控股、振华重工、中国外汇交易中心等企业现身，这些来自金融、电信、物流、教育、医疗、制造、房地产等不同行业的26家企业是微软亚洲研究院“创新汇”第二期成员。这些企业与微软亚洲研究院的科学家们一起分享数字化转型经验，其后接受媒体采访，给出的信息，颠覆了此前我们对“AI”（人工智能）种种原有认知。

AI不是系列工具组合，而是方法论？

微软亚洲研究院是全球几大知名的AI顶级研究院之一，所以人们希望从这里看到AI的最新演进。在最近微软亚洲研究院发布的《人工智能技术阶段性发展报告》中，关于AI的创造力有这样一句话：“用新的算法解决新的问题或更好地解决已知的问题。”这句话透露了微软在AI研发上的最新动向。

在很多人的印象中微软亚洲研究院应该是闭门来研究各种新算法的“高大上”科研机构，但微软亚洲研究院的AI研究最近却大门打开，为什么微软亚洲研究院要打开大门让各行各业的龙头企业进来？微软亚洲研究院为什么要成立“创新汇”？

微软全球资深副总裁，微软亚太研发集团主席兼微软亚洲研究院院长洪小文此前在接受《中国电子报》记者采访时表示，有两大原因，一是从微软公司角度看，微软的AI战略是推动AI普及化。AI普及化还有很多东西需要做，而且AI技术本身成熟度远远达不到像数据库等其它技术，所以需要在可解释的AI以及AI易用性上做很多加强。二是从AI技术发展来看，新一轮的AI发展或者说这一轮的AI风潮，是历史上少数几个完完全全从学术界进步而直接带来的产业风潮。因为直接来自学术界，所以它的落地就有很多最后一公里的东西需要微软亚洲研究院的参与，才能在垂直领域落地。

然后，洪小文进一步谈及了AI算法，“算法虽然了不起，但如果没有真正与行业结合、没有与数据结合，那么充其量只能说是一个好的假说，连证实都还没有证实，更不要说还有最后一公里的创新和落地。”洪小文说。

正因为如此，微软亚洲研究院在2017年11月成立了“创新汇”，联手各个行业的企业，一起探索人工智能和行业融合的新模式。从微软亚洲研究院创新汇第一期、第二期的合作企业名录上看，这些企业都是行业里的龙头代表企业。微软亚洲研究院副院长潘天佑在接受《中国电子报》记者采访时透露，微软亚洲研究院的科研经费都来自于总部拨款，所以与这些龙头企业的合作确实不是为了钱。

微软亚洲研究院副院长刘铁岩在接受采访时表示，目前助力企业实现高端智能转型有三类人，第一类是“搬运工”，善于运用外面各种各样的开源工具，熟悉运用数据，能够利用工具去解决问题。第二类是数据科学家，他们对数据、对业务模式有理解，可以组合优化甚至是稍稍改变已有的工具解决问题。第三类是AI科学家，搬运工和数据科学家所使用的工具是AI科学家发明的。微软亚洲研究院的AI科学家所思考的是要创造新的AI思想、新的AI方法论来解决问题。

“人工智能真正落地的过程中会遇到数据的挑战和计算的挑战。这些挑战如果不加以解决，实际上很难实现真正的人工智能落地，有很多高大上的算法，实际中一用就会捉襟见肘。”刘铁岩为此举了目前在推动AI应用中的两大挑战，其一是数据不足，其二是计算能力不够，而为了解决数据的不足，微软亚洲研究院发明了对偶学习、动态学习等方法。为了解决计算的挑战，则发明了竞合学习和轻量学习等，就是为了解决现阶段数据不足，运算优化过程非常复杂，效率很低下等核心的问题。

为什么今天做AI研究，解决行业问题，需要真实的场景、真实的数据？为什么“算法+数据+场景”会成为AI发展中的缺一不可的“三剑客”？微软亚洲研究院主管研究员边江在接受《中国电子报》记者采访时透露，如果做AI的研究只在一些小数据或是学术界的数据上进行，是有局限性，得出来的结论基于那些数据和那些场景下的。与真实场景下的数据分布、问题的定义、优化目标的设定，完全不一样。而基于真实的需求和真实的数据，与行业合作伙伴一起探索，对于扩展AI的应用范围，以及它在不同情况下的泛化能力，有很大的帮助。

基于真实的行业数据和行业场景，能够让AI算法模型更快成熟。以金融行业为例，“金融市场中的数据是一直变化的，数据与模型就如同鸡生蛋和蛋生鸡的问题一样，无法确定谁先存在。而机器学习利用实时变化的最原始数据，可以实时发现变化的因子，及时抽取α信号更改组合模型，时刻确保投资公式是当前最佳，避免了人工计算公式的滞后性，以及不断失效的问题。”刘铁岩说。

对行业带来货真价实的改变？

“现在对AI的关注焦点是落地。”刘铁岩说。如果今天对于一个研究机构的AI能力的检验是“落地力”，那么做了两年的微软亚洲研究院创新汇，给行业带来哪些货真价实的改变？

华夏基金在2017年与微软亚洲研究院结成战略合作伙伴，《中国电子报》记者还能清晰地记得当时在北京五棵松的体育馆举行的隆重签约仪式，因为当时并没有几个金融机构真正将利用AI进行实际探索，所以华夏基金和微软亚洲研究院的合作备受业内外关注。应该说金融投资是AI能够发挥功效的典型应用场景，投资需要基于大量数据，将不确定性变成确定，避免人为的情绪波动等都让AI大有用武之地。在对于研究方向、应用场景、适用算法、数据源分析等方面进行了大量的研究和讨论后，微软亚洲研究院与华夏基金选择量化投资作为研究方向，一年多之后，探索出“AI+指数增强”策略。

据华夏基金管理有限公司总经理李一梅在接受《中国电子报》记者采访时透露，现在微软亚洲研究院与华夏基金合作探索的“AI+指数增强”方法，2019年3月华夏基金开始将其在实盘中进行运作，截止目前的三个月时间超越沪深300收益能稳定在4%以上。

“用‘AI+指数增强’的机器学习模型去替代传统的量化交易方法，让华夏基金的量化交易系统实现了核心引擎的更新换代，如同汽车更换了发动机一样，真正迈进了智能投资时代。”华夏基金董事总经理、数量投资部行政负责人张弘弢表示。

物流行业利用AI是又一个具有代表意义的例子。“物流行业要解决的最根本问题，是供给与需求的匹配。无论是像顺丰这样的快递业务，还是像东方海外航运这样的海上运输，都是在解决供给与需求匹配的问题，即把东西送达到需要的人手里。”刘铁岩说。

如果将整个大物流行业的业务场景高度抽象，可以得到以下几个最基本的应用场景：供需预测、供需评价、路径优化等。其中路径优化是物流行业的核心应用场景，当知道供给和需求分别在哪里后，就要决定在什么地点，派什么车辆、船只，走什么路线，如何运输货品效率最高、成本最低，是否需要设立中转站、集散中心，或是建立自己的仓储等等，这些都是路径规划需要考虑的问题。同时，一旦遇到了突发状况，也要能够及时调整，重新快速优化路线。此外，如果某条路径所对应的供需关系存在恶意风险，还需要在路径上多加入一些审查或校验的机制，以实现必要的风险控制。

目前，微软亚洲研究院与东方海外航运在合作中探索出了一套全新的解决方法——竞合多智能体强化学习技术（Coopetitive Multi-Agent Reinforcement Learning）。通过采用这种竞合多智能体强化学习技术，路径优化的时间减少至毫秒级，而传统运筹学方法需要好几个小时。从各个维度利用AI提升效率，目前，预计可为东方海外航运节省1000万美元的运营成本。

而隶属顺丰控股的顺丰科技有限公司今年也正式加入了微软亚洲研究院“创新汇”，并已经开始了具体的合作规划。双方在前期展开的合作中，以供需评价物流行业的业务场景为切入点，共同探索基于人工智能的服务质量预警模型，从而准确鉴定和辨识服务过程的瑕疵，控制和削减客服管理开销。通过对历史数据的测试，目前该模型在固定召回率的前提下，准确度已经比原始方法提升了约60%。

而这仅仅是开始，从金融到物流，从房地产到制造业，从教育到医疗，在这场AI科学家与行业龙头企业的携手中，算法在变，行业也在变。

一场不分甲、乙方的化学反应？

“这两年和微软合作下来，最大的体会是消除了我们对AI的不安全感。”李一梅表示，其实AI对投资不是取代而是能力提升，回顾历史，从蒸汽机到PC时代，从互联网到移动互联网再到今天的AI时代，每一次科技革命都是人类生活发生剧变的过程，但是都是向更美好、更高效方面进化的过程。“AI将提升华夏基金的智能投资能力、提高投资效率”。李一梅说。

“整个世界都在进行一场变革式的数字化转型，数字化转型不是终点，而是一个旅程。”洪小文说。在这个过程中微软亚洲研究院希望成为“创新汇”成员的合作伙伴。以微软自身的技术优势和人才资源为基础，与不同行业、领域的现实需求接轨，与合作伙伴共同探索、解决行业数字化转型的核心问题，助力企业实现产业升级和创新发展。

在这次AI助力企业实现产业转型升级的旅程中，其实心态很重要。刘铁岩表示，因为它没有甲方和乙方，没有运动员和裁判员，大家都要做运动员，都要下场去贡献，才可能赢得这场比赛。

行业专家与人工智能科学家充分信任，是人工智能成功落地的关键。张弘弢坦言，在合作中，大家都是对等的合作，行业专家和计算机科学家都是运动员，都要上场。而且双方还需要充分的信任，有一致的开放心态（Open Mindset）和契合的气场（Chemistry）。只有这样的合作状态，才能让行业专家放心传授行业洞察、分享真实业务数据，让研究员们能够充分贡献模型、算法以及调参技巧等。

如果数字化浪潮是一场旅程，那么在这场旅行中，企业在变，微软也在变，AI研究的方式也在变。就像微软CEO萨提亚说言，每一个人、每一个组织，乃至每一个社会，都在点击刷新，重新注入活力、重新激发生命力。