千亿国际娱乐      首页   |  千亿国际娱乐   |  千亿娱乐网站   |  千亿娱乐   |  千亿国际娱乐城  
推荐文章
日本原装进口NPG V!螺旋V沟狭穴
从单体智能到群体兼顾,优化算法
热门文章
日本原装进口NPG V!螺旋V沟狭穴
从单体智能到群体兼顾,优化算法
 当前位置: > 千亿娱乐网站 > 详细内容

从单体智能到群体兼顾,优化算法正在推动听工智能新浪潮 -AI巨匠

来源:未知 作者:admin 发布时间:2017-06-29

从单体智能到群体统筹,优化算法正在推进人工智能新浪潮 |AI大师圆桌会

原题目:从单体智能到群体兼顾,优化算法正在推动听工智能新浪潮 |AI巨匠圆桌会

从前两年涌现了人工智能的高潮,特殊是以深度学习算法为代表人工智能在中国市场呈现了井喷景象。依据麦肯锡统计,千亿国际娱乐,2016年寰球科技巨头在人工智能上投入了 200亿到300亿美元,VC/PE投融资达60亿到90亿美元。在中国,根据钛媒体TMTbase全球创投数据库的数据统计,目前共收录中国人工智能企业398家、共产生571起投资事件,投资总额高达571亿国民币。

就在AlphaGo先后挑衅世界和中国围棋高手后,对于人工智能的热炒更有甚嚣尘上的趋势,也有行业专家发出人工智能泡沫的忠告。然而,人工智能泡沫现象却有一个意想不到的效果。2017年6月24日,在由钛媒体与大数据运筹优化公司杉数科技结合举行的“钛媒体AI大师圆桌会”中,来自美国与中国的顶级优化算法专家均表示,人工智能热带动了优化算法的繁华。

斯坦福大学李国鼎工程讲座教授、华人运筹学首领、杉数科技首席科学顾问叶荫宇表示,机器学习算法强化了单体机器的智能,但在机器人群体协同工作时则需要“通盘斟酌、统筹优化”的优化算法。正因为云计算、大数据与人工智能的井喷,才出现了超大规模的大数据,而这恰是优化算法繁荣的基本,千亿国际娱乐,优化算法的发展也将反过来推动人工智能进入新阶段。

算法战役与战斗算法

斯坦福大学李国鼎工程讲座教授、华人运筹学首脑、杉数科技首席科学顾问叶荫宇

2017年4月26日,美国防部在一份备忘录中对“战争算法”进行了描述,提出了“算法战”概念,更为重要的是组建了“算法战跨功效团队”,该团队将通过编写人工智能、机器学习等代码来改变作战方法,比如利用人工智能对无人机采集的海量视频数据进行分析以获得丰盛的战争情报。

而早在二战的时候,还没有大数据甚至也没有计算机,在获取数据的道路、数目和速度都很有限的前提下,发祥了对后来全球社会经济有广泛影响的“战争算法”:运筹学。叶荫宇介绍说,运筹学是一种研究优化的学识,就是对于所有的实际生活中出现的问题,不是简单是找一个可行的方案,而且是必定要找到最优的方案。用现代的话说,就是要把事情做到极致。

生涯在1707年到1783年的有名瑞典数学家莱昂哈德·欧拉就曾说过:这个世界上的任何事件或事物都有最大值或最小值。在二战中,盟军使用数学模型解决各种作战的最优化问题,包括雷达安排问题、运输船队的护航问题、反潜深水炸弹投掷问题、太平洋岛屿军事物质存储问题、项目管理问题等等,这些问题的解决保障了最后的成功。

二战停止后,人们将运筹学广泛应用到企业和政府之中,包括生产、服务、金融等行业。由于运筹学源于解决现实世界中的决策问题,因此后来出现了大批运筹学算法,运筹学各重要分支得到快速发展,包括线性规划、非线性规划、整数规划、组合规划、图论、网络流、决策分析、排队论、牢靠性数学理论、库存论、博弈论、搜寻论等。

古代运筹学应用统计学、数学模型和算法等方式,为复杂问题寻找在满意束缚的前提下可能最大化/最小化某一目的的最优决策,典范的应用就是解决复杂巨体系的优化决策问题。复杂巨系统指的是范围宏大、形成因素复杂、包括众多子系统的系统,如电力系统、城市交通网、数字通讯网、柔性制作系统、水资源系统、社会经济系统等。

复杂巨系统机能的优化将产生伟大的经济效益或社会效益,而其中运筹学的应用就能起到重要作用。好比工厂生产、货物库存、销售核心和消费区域等管理等,不能对各个环节孤立地进行研究和管理,必需把这些环节衔接起来,以获得全局优化的运行管理。

能够解决复杂巨系统的优化问题,才是以运筹学为代表的最优化算法的最大价值,甚至对于一个国度来说存在着战略意思。从商业价值这个角度来说,大数据是从0到1、人工智能是从1到2、统计和运筹优化算法是从2到N。把握了以运筹学为代表的优化算法,才能真正博得未来的算法战争。

大数据时代下的商业决策

美国纽约大学助理教授陈溪

叶荫宇曾获得美国运筹与治理学会冯诺依曼理论奖(运筹管理学界最高奖),也是迄今为止华人独一获奖者,2014年美国应用数学学会优化大奖(每三年评一人)、2012年国际数学规划大会Tseng Lectureship奖(每三年评一人),曾主持和参加美国波音、FICO、运通、美国卫生部、美国科学基金、美国能源部以及美国空军科研部分等多个科研名目。

1982年叶荫宇赴美深造,当时人工智能阅历了一小波热潮后,由于没有大数据等现代技巧的支持,理论研究与商业应用都处于停止状况,但运筹学则在各行各业方兴未艾,从市场营销、生产打算、库存管理、物流运输、财政会计到人事管理、装备维修、工程最优化、计算机与通信系统以及城市管理等都有广泛的应用。

随着计算机技术高速发展,要解决的问题规模不断增大,运筹学的应用规模也取得革命性的打破。大量算法、软件产生,大数据时代给运筹学进一步带来了活力--如何将大数据转化为最优决策成为运筹学重点的课题。美国纽约大学助理教授、博士后师从机器学习之父Michael I Jordan(蚂蚁金服军师团主席)的陈溪也认为,大数据的出现推动了机器学习、大规模统计推断与运筹学算法三大领域齐头并进,由此构成了大数据驱动下的商业决策。

叶荫宇介绍了大数据驱动下的商业决策的三个阶段:基于数据收集与管理的描写型(Descriptive)决策,数据成为大数据时代商业决策的基础和公司发展的“原燃料”,通常由计算机和信息科学技术完成;基于规律性分析的预测型(Predictive)决策,从大数据中提守信息,获得事物背地的规律,通常由统计和机器学习技术实现;但仅仅对数据的管理与规律性分析并不能开释数据的巨大价值,必须真正提升决策质量、从海量数据中挖掘出规律,才能让大数据产生本质性价值,这就是基于决策建模与求解的处方型(Prescriptive)决策。

运筹学将实际中决策问题转化为数学模型,用高效的优化算法求解,应用系统科学和优化算法获得最佳决策及策略,并实现决策的自动化、流程化、标准化。在美国和欧洲,已经实现了运筹学算法的软件化与工具化。例如,在投资组合优化及相干决策领域,就有Barra、Axioma、ITG、Mosek等著名软件,其中Mosek大规模数据优化软件是欧洲第一大优化软件,叶荫宇教授同时担负该公司科技参谋委员会主席、开创人也是在叶荫宇的领导下对优化算法有了深刻懂得,并创破了该公司,目前华尔街进行危险节制的软件求解器有许多都应用Mosek软件。

叶荫宇认为,高频交易的竞赛就是算法速度的比赛。如果一家软件的模型求解速度需要10秒钟,而其它家软件的速度为0.04秒,那么谁控制了0.04秒求解软件的源代码谁就有中心竞争力,而从10秒到0.04秒就是算法的力气。

前未几的美联航事件,是典型的不断定环境中库存管理决策问题。航空公司机票超售是因为总有5%到10%的乘客由于各种起因不登机,而航空公司在不肯定的条件下到底要超售多少张机票以补充丧失,当出现超售后有人不乐意下机的情况下,该如何激励乘客改乘下一班飞机,这都是运筹优化算法的范畴。在不确定和测不准的随机或复杂环境下的艰苦决策,也是人工智能和机器学习算法的单薄之处。

数据驱动商业场景中的决策优化

美国明尼苏达大学助理教授、杉数科技CTO王子卓

Mosek公司成立于1997年,迄今已经有20年的历史。而国内近年来在人工智能的工业化和商业化方面取得了一些进展,但优化算法是整个人工智能推进中不可缺失的一环,在国内却处于绝对弱势情况。此外,即使是机器学习和深度学习的底层算法开源求解器,在国内也尚未见到。

2016年中,多少位来自斯坦福运筹学范畴的传授和博士,从斯坦福校徽的“杉”和大数据的“数”取名,创建了杉数科技,开端致力于在中国推广运筹学的贸易利用以及开发机器学习和深度学习的底层求解算法。杉数科技目前已经有了京东等大企业客户,2016年7月取得了来自真格基金和北极光创投的210万美元天使轮融资。

美国明尼苏达大学助理教授、杉数科技CTO王子卓,曾获美国运筹管理学会收益管理分会2015年最佳实际应用奖提名,参与过美国运通、华为、IBM、希捷等项目,其中为IBM定制的定价策略系统获美国两项专利,为IBM发明过巨额的利润。

王子卓介绍了互联网时期由大数据驱动的定价策略,他以为好的定价策略是企业的“性命线”,特别是互联网商业模式下的实时定价更决议了酒店、零售、航空、租车等行业和企业的生逝世存亡以及是否失掉更大的发展。

那么电商等实时企业如何更好的获得“生命线”,如何制订自己的定价策略?首先这就需要了解消费者的构成、偏好以及消费行为等大数据,其次在获得了消费者或消费者群体大数据的条件下,做出价格、时间、地点等销售决策。所以数据驱动的定价策略就是在正确的时间和正确的地点,以正确的价格为正确的客户提供准确的产品与服务。

现在,杉数科技智能决策供给一套基于数据的完全定价解决计划,包括目标场景、底层模型、优化策略、高效算法、信息回收、模型迭代等环节。其中,在结构和抉择底层模型的时候,因为花费者在面临多个取舍、不同价钱、不同品质等信息时会转变购买行为,固然有时候会出现不感性行为但仍然可以从大数据分析中得出法则,随后通过非线性、离散、高维与动态算法等树立定价决策模型,再设计奇特高效算法得到准确最优解/高质量近似解,采取并行计算架构就能够同时对大规模多SKU 问题有效求解,终极实当初线获得最优解、知足实时性请求。当然,价格盘算不是一劳永逸,市场在变化、环境在变化、价格也在变更,动态调价已经成为良多行业的趋势,也就是在线学习消费者购置行动后一直更新算法模型。

杉数科技创始团队自2016年以来,利用自己在定价方面的独特积聚和技术,已经为海内多个行业的龙头企业,包括电商、物流、出行等,提供了收益管理方向的精确量化软件开发和征询服务,合同额到达了近2000万。

陈溪进一步介绍了在线学习与在线决策的联动影响与决策算法。在线学习与在线决策联动,有两个基础的选择:一是通过起码的尝试以获得对象的最大化信息(Exploration,勘察);二是在已获得信息的基础上做出最佳决策以最大化收益(Exploitation,播种)。一个经典的例子就是多臂老琥机问题(Multi-Armed Bandit Problem,MAB):不同老琥机的收益都是随机的,有的随机收益低、有的随机收益高、有的能出现高额随机收益,那么如何通过起码次数的尝试尽量多地获得每台老琥机的收益程度,从而优化拉老琥机的策略?2014年,王子卓、叶荫宇等人的一篇学术论文探讨了用于单一产品收益最大化管理的MAB算法。

多臂老琥机MAB算法有着广泛的商业用处,比方电商可以把该算法用于某个产品消费群体的认知和开发。陈溪在2016年介入的一篇“电商个性化收益管理的统计学习算法”中就探讨了杉数科技为唯品会开发的算法。当时在美国,某电商每个月甚至每两个星期,就按期给女性顾客寄一个内有5件衣服的盒子,顾客可以选择一件付款再把剩下的退回,假如5件衣服都不爱好就会象征性收取邮费。以此来探知女性消费者的消费行为数据,并用于相关算法的开发。

陈溪强调,因为事实中的商业环境极为庞杂,因而须要机器学习、统计剖析和运筹优化的独特作用,才干做出最优化的商业决议。

清华大学交叉信息研究院助理教授、杉数科学家李建

清华大学穿插信息研讨院助理教学、杉数迷信家李建先容了基于时空大数据的机器学习算法,所谓时空大数据中是生发生活中带有时光轴的地舆大数据。李建表现,跟着社会发展、企业经营、产业生产朝着精致化运作的方向发展,对出产中一些要害性时空属性的猜测跟把持就显得越发主要。

时空大数占有着普遍的应用,例如:对于交通路况的预测,可以赞助交通部门调整和优化交通指挥和布局;对于给定门路的出行时间预测,可以帮助人们更好的规划行程;对于在线租车来说,正确预测将来一段时间内的订单量和区域散布,可以帮助公司更好的进行车辆调度,从而提高车辆共享效力; 对于物流公司而言,对各网点收发货量的良好预测,可以帮助公司提前进行运力、人力等资源的调度,从而提高物流效率,增添收益;无人驾驶对四周阻碍物活动地位的预判,可以帮助驾驶系统提前规划调剂路径,从而进步保险驾驶系数。

时空数据在各行各业中海量产生,对于这些数据的公道发掘与利用可以帮助生产者乃至全部社会提高生产效率。

人工智能新浪潮:结合优化算法的快捷智能决策

佐治亚理工学院毕生教授蓝光辉

机器学习和人工智能是大数据时代科技发展的产物,近几年有了冲破性的发展,代表性结果包括图像辨认、语音识别、天然语言处理等,应用处景包括主动驾驶、智能诊断、无人机等。然而,机器学习和人工智能所基于的主流深度神经网络学习算法,还需要与优化算法联合,能力适应现实商业世界中超大规模、疾速实时响应等需要。

来自佐治亚理工学院的终言教授蓝辉煌,其重要研究领域为随机优化和非线性计划的实践、算法和运用,包含随机梯度降落和加速随机梯度降低即是用于解决随机凸和非凸优化问题。蓝光辉也是国际上机器学习和深度学习算法方向顶级专家,华人年青一代优化算法的领军人物之一。

所谓凸优化/非凸优化是国际上一套已经研究很齐备的优化算法理论系统和求解算法,如果把某个优化问题转化为凸优化/非凸优化问题,就能倏地给出最优解。简略懂得,凸优化就是指某个问题可以找到局部最大值或最小值,而非凸优化就是指某个问题虽然不局部最大值或最小值,但依然有几个局部优化点。换句话说,非凸优化就是可以找个几个部分优化的解决方案以供决策,可用于投资组合交易、航线管控、生产排班、资源调配、信号传输等领域。

例如在2017年6月21日到24日的北京汛期最强横雨天色中,根据航旅纵横统计,从21日0:00-23日12:00,全国耽搁航班架次11805架,撤消航班架次3052架。在这种情况下,航空公司和铁路公司能否实时的根据受影响航班、气象、人流等数据,及时优化调整航班与铁路车次,就成为了影响整个社会经济运行的重要因素。这不仅仅是智能学习和预测,还需要超大规模、快速实时响应,才能够解决实际的问题。

蓝光辉介绍,自2015年以来,大规模凸优化及非凸优化算法获得了很大的进展,已经可以处置超过一百万甚至达上亿变量的超大规模数据集。把凸优化及非凸优化算法用于机器学习算法的优化,就能大幅加速机器学习算法的速度。杉数科技的科学家们也始终在开发本人的机器学习与深度学习算法求解器。同时也辅助上海财经大学协同开发国产的最优化求解器的开源软件,推动我国开源社区在优化算法方面的进展。

H2O与TensorFlow是两大界顶级机器学习求解器,其中H2O是宣布最早、影响力最大的机器学习开源软件之一,已经服务于三百多家金融、互联网企业,被全世界70000多名数据科学家和8000多家单位所使用。而TensorFlow是谷歌开发并力推的深度学习计算引擎,也可作为通用的机器学习求解器,是Github排名第一的世界顶级开源项目,在语音识别、图像识别、机器翻译等各人工智能领域有着广泛的应用。

蓝光辉介绍说,杉数科技的优化求解器软件在9个公然数据集上与TensorFlow和H2O两种求解器进行了对比测试。其中,在针对分类模型的数据集上,杉数科技求解器的求解速度在所有数据集上均大幅高于TensorFlow,晋升速度为10倍~70倍不等;而在计算速度大幅领先的情况下,杉数科技求解器预测后果仍略好于TensorFlow。针对回归模型的数据集上,在3个公开数据集上的比较测试来看,在不影响求解精确度的情况下,通过选择合适的超参数使得杉数科技求解器软件的求解速度仍快于TensorFlow数倍,而预测效果则大体相称。

与H2O比拟来看,针对分类模型数据集,在预测精度大抵雷同的情形下,杉数科技在简直所有数据集上求解速度都大幅度当先于领先于H2O;而在回归模型数据集上对照,通过挑选适合的超参数,杉数科技的求解器求解速度略慢于H2O,但预测精度能远高于H2O。

也就是说,在新一波人工智能浪潮中,中国的科学家们已经掌握了并不落伍,甚至领先国外的核心算法及软件工具,把优化算法代码与中国企业的商业流程无缝结合起来,真正掌握从单体智能到群体协同智慧的“软实力”,千亿国际娱乐

“核心算法是一个国家的软实力。只有互联网不死、数据与信息不死,算法就永远存在。掌握了核心算法,一个国家才能在未来一波又一波人工智能浪潮中掌握自动权。”叶荫宇强调说。

2017钛媒体AI大师圆桌会第一期美满举办,在业界影响广泛。接下来的7月和8月,咱们还将联合杉树科技持续举办“高维预测和大数据处理”、“人工智能:在不确定中博弈”、“AI创业与硅谷”、“AI社交网络”共四场与大师背靠背的机遇。

报名链接点击这里:

http://www.tmtpost.com/event/2017/ai/#guest


上一篇:日本原装进口NPG V!螺旋V沟狭穴自慰套   下一篇:没有了