阿里雲+新實體經濟數據，決戰人工智慧第二個60年

2017年是全球人工智慧第二個60年的開始。與十幾年前的人工智慧相比，今天人工智慧更多是數據驅動。以前的人工智慧是人工編寫的專家系統、由「人工」指導實現智能，系統處理的水平不會超過程序本身；而現在的人工智慧則是數據指導的智能，每天都在進步的程序已經開始超越人類的極限，這就是人工智慧的「奇點效應」。人工智慧的第二個60年，誰能掌握更多的源自現實和實體經濟數據，誰就是人工智慧新60年的贏家。

在2016年10月的阿里雲棲大會上，馬雲提出了「新實體經濟」說。「新實體經濟」以消費者為核心，通過新技術平台把數以億計的消費者與企業直接連接起來，從而實現個性化、定製化的生產製造與商品流通。「新實體經濟」的出現，一方面推動了線下數據的全面上網，另一方面把線上數據與線下數據結合起來形成了新型的大數據，尤其是得以結合產業和工業數據，這才是人工智慧在現實商業世界中的突破口。

2017年3月29日，在2017年第一場阿里雲棲大會深圳峰會上，阿里雲總裁胡曉明宣布阿里雲正在開啟新的征途：通往智能之路。

阿里在人工智慧布局已久

阿里對人工智慧可以說是志在必得。2017年2月21日，美國權威科學雜誌《麻省理工科技評論》(MIT Technology Review)發布2017年全球十大突破性技術榜單。阿里巴巴分別入選「強化學習」和「刷臉支付」兩大突破性技術榜單，同列入榜單的還有Google、微軟、IBM等科技巨頭。

《MIT科技評論》認為，的人臉識別技術精度已達到金融交易的級別，刷臉支付進入成熟期。主導這項技術研發的阿里巴巴關聯公司螞蟻金服，旗下支付寶在2015年發布9.0版本時，就引用人臉識別技術用於用戶登陸、實名認證、找回密碼、支付風險校驗等場景，迄今已有近1.2億用戶使用。阿里在「強化學習」領域的技術成果，也與自身商業實踐相關，比如強化學習技術在阿里雙11推薦場景中將手機用戶點擊率提升了10-20%。

「強化學習」與「刷臉支付」只是阿里人工智慧布局的冰山一角。阿里對人工智慧的總體態度，阿里雲總裁胡曉明在2016年8月的阿里雲棲大會·北京峰會上表達的非常清楚：「擁有了數據的積累，機器將替代人類的智商。我們認為人類一定會進入數據時代，我們認為人類一定會進入到人工智慧的時代。」

總體來說，阿里在人工智慧方面的布局可以分為四個層面：一是在自身業務場景中鍛煉和孵化人工智慧技術；二是通過阿里雲對外輸出以及獲得企業使用阿里人工智慧技術的反饋；三是通過合作夥伴的生態進一步擴大人工智慧的應用場景與獲取各類商業大數據；四是與科研機構合作更為前期的前瞻性人工智慧技術，比如與中科院合作的量子計算。

「強化學習」與「刷臉支付」就是阿里自身業務場景中鍛煉和孵化人工智慧技術代表，人工智慧技術還在支撐著手淘每天上億用戶在手機上的商品選擇、信息瀏覽、個性化推薦等任務，尤其是要做到千人千面即每一個用戶打開的手淘都是個性化界面，這是對人工智慧技術極大的挑戰。而這些經過了實踐檢驗的技術，經由阿里雲對外整體輸出，這就是去年8月推出的阿里雲人工智慧「大腦」ET，以及2016年1月推出的大數據「數加」平台。

阿里雲首席科學家周靖人表示，ET的背後使用了阿里雲多項人工智慧的技術，特別是自然語言識別、實時視頻分析、語音識別及語音合成、人機交互、知識圖譜等，但更為重要的是利用了大數據技術。阿里雲的一站式大數據平台「數加」，打通數據採集、計算引擎、數據加工、數據分析、機器學習、數據應用等數據生產全鏈條，是阿里人工智慧的基礎。

周靖人強調，人工智慧和大數據相輔相成、相互依賴、相互促進。阿里巴巴集團兼阿里雲CTO張建鋒也在去年表示，不論是人工智慧還是其他前沿技術，都離不開高質量的數據、強大的計算平台和高效的演算法平台，只有三者結合才能真正取得突破。

新實體數據打開「NASA」之門

2017年3月9日，阿里巴巴集團在杭州召開首屆技術大會，動員全球兩萬多名科學家和工程師投身「新技術戰略」：即阿里巴巴的「NASA」的計劃——面向未來20年組建強大的獨立研發部門，建立新的機制體制，為服務20億人的新經濟體儲備核心科技。

雖然阿里到目前為止並未透露將如何實施「NASA」計劃，但可以肯定的是數據特別是新實體數據將是打開「NASA」之門的鑰匙。馬雲在首屆阿里技術大會上說，沃爾瑪過3萬億銷售額時有230萬人，阿里實現37000億交易額時參與員工加起來不到1萬人。阿里用1萬人做到了沃爾瑪60年230萬人做的事情，這既是新技術的力量，也是新數據的能量。

胡曉明在2017雲棲大會深圳峰會上介紹說，去年7月份上汽和阿里走到了一起，共同發布首輛搭載YunOS Auto操作系統的互聯網汽車。該互聯網汽車上路7個月，已經帶來將近117億軌跡點的定位，可以看到用路線軌跡繪製的地圖正在讓的地圖定位越來越精準。同時，所有上路的汽車還在不斷收集路況與PM2.5的數值，嘗試創造新的數據價值。

在2017雲棲大會深圳峰會上，阿里雲還正式發布了ET工業大腦和ET醫療大腦。在工業領域，將人工智慧技術應用到工業生產的複雜度更高。單從數據而言，一台民用渦輪風扇發動機的轉速就能達30,000轉/分鐘，不同型號渦輪發動機轉動次數也不同，這相當於1分鐘內就可以產生海量不同標準的數據。

目前ET已經入駐國內大型能源巨頭協鑫光伏的切片生產車間。ET工作的第一步是將標準化車間所有埠的數據傳入工業大腦，隨後通過人工智慧演算法對所有關聯參數進行深度學習計算，精準分析出與良品率最相關的60個關鍵參數並搭建參數曲線，在生產過程中實時監測和控制變數。目前，通過ET工業大腦的幫助，協鑫光伏的生產良品率已經提升1個百分點，每年可節省上億元的生產成本。

ET醫療大腦的研發則大量採用深度學習技術，通過海量的數據作為示例來訓練機器完成特定任務，例如由計算機通過學習病例數據來提升醫術。經過一年多的研究訓練，人工智慧ET已具備多項醫療能力，可在患者虛擬助理、醫學影像、精準醫療、藥效挖掘、新葯研發、健康管理等領域承擔醫生助手的角色。

浙江德尚韻興的科學家是超聲甲狀腺結節智能診斷演算法的研發者，他們利用深度學習處理超聲影像，同時加入旋轉不變性等現代數學的概念。藉助計算機視覺技術，這套演算法可以對甲狀腺B超快速掃描分析，圈出結節區域並給出良性與惡性的判斷。一般來說，人類醫生的準確率為60%-70%，而當下演算法的準確率已經達到85%。這套演算法現在被集成到ET醫療大腦當中，並在多家醫院進行試點。

ET還被應用到了城市治理方面。杭州城市數據大腦正在試點階段，通過視覺數據分析、移動數據分析、公交信息數據分析等，ET去指揮紅綠燈的配置方案。調整后，杭州部分路段的交通暢通率提升了11%。同樣，廣州用互聯網+信號燈數據把城市變成更通暢。通過阿里雲的人工智慧技術和地圖技術，幫助廣州市把擁堵指數降低了19%。在廣州，現有接近1200個路口在使用ET大腦。

由於可以24小時不睡覺，同時處理成千上萬項任務，ET的學習進步速度大大超過人類。而來自新實體經濟中的大數據，就是ET進化的奇點。

阿里雲機器學習PAI：高效的演算法平台

在數據、技術與演算法中，阿里已經在超大規模計算操作系統、移動操作系統、金融級分散式資料庫、機器學習平台等核心基礎技術領域持續投入近10年，而通過ET工業、醫療與城市大腦和互聯網汽車等，阿里正在積累新實體經濟數據。

在演算法平台方面，阿里雲2017雲棲大會深圳峰會上正式發布機器學習平台PAI2.0，以更豐富的演算法庫、更大規模的數據訓練和全面兼容開源的平台化產品，讓人工智慧技術變成開發者只需要托拉拽就能可視化完成開發的普惠性技術。

周靖人介紹，阿里雲機器學習平台PAI 2.0包括了豐富的演算法，除數據預處理、特徵選擇、文本分析外，還很好的支持了離線訓練與在線預測的結合。在深度學習方面，PAI 2.0支持TensorFlow 、CAFFE、MXNET框架，開發者可以根據自己的喜好選擇最合適的人工智慧開發框架。同時PAI 2.0也支持各種數據源，包括非結構化、結構化的數據等，提供一站式的服務。

阿里云為PAI 2.0提供了強大的計算資源，包括CPU、GPU、FPGA等，可根據每個人工智慧的需求來選擇合適的硬體。同時，阿里雲PAI 2.0機器學習平台支持超大規模訓練，可以分析PB級大量的數據，也支持千億的特徵，可以訓練萬億級的樣本。

阿里在2015年發布了PAI 1.0平台，該平台具有處理超大規模數據的能力和分散式的存儲能力，同時支持超大規模的建模以及GPU計算。此外，該平台還具有社區的特點，包括實驗結果可共享、社區團隊相互協作等。

據介紹，PAI平台通過可視化交互的界面降低了技術門檻，使用者可以輕鬆實現數據挖掘的工作，而無需太多經驗；其次，其內嵌的演算法，都是經過阿里內部多年的淬鍊，在性能和準確率上都有較大的提升；最後是數據智能，該平台提供了從元數據到模型部署整套流程，通過提供基本的組件，使用者可以搭建各個垂直場景下的解決方案。

阿里雲+新實體數據+機器學習平台PAI，這是通往智能之路的三駕馬車。有了這三駕馬車，阿里決戰人工智慧第二個60年，就有了充分的底氣。當然「羅馬不是一天建成的」，在更遠期的阿里「NASA」計劃中，量子計算與量子通信等尖端科技，正在一點一點成為現實。（文/寧川）