架构师特刊:范式大学

本期主要内容:构建商业AI能力的五大要素;判别AI改造企业的70个指标;用最小成本 验证AI可行性;企业技术人员如何向人工智能靠拢?打造基于机器学习的推荐系统;打造机器学习的基础架构平台;如何解决特征工程;人工智能的下一个技术风口与商业风口。

第四范式首席科学家 杨强

凯文·凯利曾说,“AI 会是下一个 20 年里颠覆人类社会的技术。”显然,拥有大数据的互联网公司已经嗅到这一机遇,包括亚马逊、谷歌、BAT 在内的巨头们纷纷开始布局 AI;传统企业也不甘落后,试图在智能时代保持竞争优势,把握机会,成为下一个商业时代的巨擘。尽管入局者们的商业模式、应用场景和技术选择各有不同,但通过 AI 提高企业运营效率、抢夺精细化市场、改善用户体验,成为企业当下的首选。

现如今,通过超高维度的 AI 技术,可以帮助企业进行以往无法想象的精细化运作,从而大幅提升企业运营效率、提升企业核心竞争力。在数据量极高、模型“VC 维”(“VC 维”是统计学指标,可度量机器的智能水平。VC 维越高,机器的学习能力就越强,机器学习模型越准确)极高的情况下,AI 的能力已经可以代替、甚至超越人类专家,处理各类业务问题。换句话说,人类通过总结规则解决实际问题,在具体应用场景中,业务专家总结的规则数越多,维度就越高。而 AI 技术可以让机器也来总结规律,因为机器精力无限、且能抓住最细粒度的信息,从而总结出大量人类无法发现的规律,拥有远高人类的学习能力。

然而,AI 技术若要在工业界全面落地,人工智能技术及服务提供商第四范式认为:除了超高维度的技术支持,还需满足 Big data(过程数据)、Response(反馈数据)、Algorithm(高维算法)、Infrastructure(计算资源)和 Needs(明确需求)等五个核心要素。第四范式具备国际顶尖的机器学习技术,通过对数据进行精准挖掘与预测,帮助企业提升效率、降低风险。目前,该公司已为金融、互联网等百余个企业成功打造了 AI 解决方案。在企业独立构建 AI 能力门槛较高的当下,第四范式希望通过自主研发的先知平台,降低人工智能的准入门槛。 第四范式相信,在“先知”平台的帮助下,每家企业都可以开发属于自家的人工智能技术,享受 AI 技术革命带来的商业能量,立足当下、决胜未来。

目录

(一)第四范式戴文渊:构建商业 AI 能力的五大要素

(二)AI 不是万能的,判别 AI 改造企业的 70 个指标

(三)机器学习的 MVP——用最小成本 验证 AI 可行性

(四)企业技术人员如何向人工智能靠拢?

(五)用户画像、协同过滤过时了?打造基于机器学习的推荐系统

(六)打造机器学习的基础架构平台

(七)如何解决特征工程,克服工业界应用 AI 的巨大难关

(八)第四范式首席科学家杨强教授:人工智能的下一个技术风口与商业风口