從這么多年的一些實踐來看，我個人認為，其實AI就發(fā)生在大家的日常生活中?，F(xiàn)在行業(yè)的一個大概說法，AI有兩種，一種是強人工智能，一種是弱人工智能。
▌強人工智能可以說跟大家關系不大，這是研究如何通過模擬人的思維和模擬人細胞構成的一個方向，這個領域目前也沒有太大突破。人的細胞現(xiàn)在從一些計算能力和計算機的角度，我們最多可以模擬幾十個神經元或者幾百個神經元，而人的大腦有幾十億到上百億的神經元，這個方向短期還是很難突破。
▌另外一個是弱人工智能，就是大家常說的，大家現(xiàn)在看到的東西就是弱人工智能。弱人工智能本質上是一個工具，主要解決兩個問題：第一是解決人的效率問題，通過一些人工智能或者算法，解決人之前在傳統(tǒng)領域不太好解決的問題，讓你的效率更高;第二是解決人做不到的事情，就是輔助人做一些事情。
華為EI
華為EI，叫做企業(yè)智能，我們的目的是“讓企業(yè)更智能”。因為華為本質也是一個企業(yè)，同時也是一個高科技制造企業(yè)，任總對于我們的要求是先要做好自己的事情。
華為在9月的HUAWEI CONNECT2017上首次發(fā)布創(chuàng)新的企業(yè)智能(EI)。為什么這么長時間才發(fā)布?從內部來說，我們要先解決華為公司內部生產、物流、供應鏈、終端等領域的問題，再把我們積累的一些能力、知識和方法開放給更多人，幫助更多企業(yè)實現(xiàn)智能化的夢想。
下面舉幾個例子，是我們目前在內部實踐里典型的成功案例。我們把企業(yè)智能應用在華為供應鏈的智能裝箱、物流和路徑規(guī)劃，以及報關、發(fā)票等場景。這些工作場景上華為在上面消耗的人力非常大，在怎么提升效率，減少人的投入方面，我們做了很多智能化的技術。另外是風控、營銷，包括華為終端業(yè)務上，我們也做了一些探索。
在效果上，比如說智能裝箱和供應鏈，基本上每年都節(jié)省上千萬以上，這只是其中一個環(huán)節(jié)，我們在倉儲方面節(jié)省的更多。對于風控，華為Vmall本身也是一個比較大的電商企業(yè)，也會有欺詐防攻擊的問題，我們也做了一些實踐。還有個性化推薦，我覺得雖然現(xiàn)在還沒有到時候，但是將來在制造行業(yè)這將會是一個很關鍵的要素。
其實從前面的例子中已經看到，工業(yè)4.0或者它描述的場景，更多的是個性化的制造?？蛻粝掠唵?，再回到我們的生產線，通過個性化的定制，形成訂單生產，再慢慢在智能化環(huán)節(jié)里面進行閉環(huán)，最后把東西通過智能物流送到客戶手里。這個可能會稍微遠一些，但是平臺能力技術已經慢慢開始在實踐中積累起來。怎么讓企業(yè)用起來，這可能需要企業(yè)根據(jù)自己的行業(yè)實踐慢慢來考慮。
華為對AI的理解
從一個平臺到通用服務再到領域的服務，我們分了幾層，最底層是華為硬件的基礎能力。其實用到AI領域之后，傳統(tǒng)的一些CPU或者計算能力可能都跟不上。傳統(tǒng)一個計算機能很好處理文本，現(xiàn)在變成圖像和視頻之后，處理能力會要求更高，需要GPU后者FPGA等新的硬件能力。最近主要是硬件能力和計算能力提升，讓整個AI應用進入大家的視野。
關于平臺服務，前面也舉了一些例子，現(xiàn)在各個領域的一些核心算法都是通過平臺服務和一定的數(shù)據(jù)訓練出來的。所謂AI是一個什么東西?其實我剛剛講了，AI是一個弱的人工智能，本質上是一個工具，工具通過什么來達到這個目的呢?比如說語音轉文本的技術，其實是學了更多的語音樣本之后得出來的，也就是說，轉化成一個文本，需要大量數(shù)據(jù)的訓練，而數(shù)據(jù)訓練就需要機器學習、深度學習等平臺能力支撐。
再一層是語音、自然語言，視覺等能力，包括語音轉文本、自然語音、對話，視覺處理等等，自然語言是你說了一句話，轉化成文本;文本的意思有很多種，在這個場合下是什么意思，怎么理解這句話，理解這句話之后會形成一個問答，這些都是自然語言領域的。
還有另外一個是大家常用的OCR(Optical Character Recognition，光學字符識別)，各種各樣的單據(jù)、票據(jù)，我們認為這個也有可能是企業(yè)的切入點。因為每個企業(yè)都有大量的票據(jù)單據(jù)，原來都靠人工核對，如何把文檔進行數(shù)字化的輸入，這可能會是一個關鍵領域。
華為公司在AI領域的實踐
? 華為基于內部做的端到端的智能APIs服務。華為公司每年有180萬以上的訂單，大概會形成30到50萬規(guī)模的物流單，怎么實現(xiàn)從始發(fā)點貨物的供貨預估——貨物的裝箱管理——運輸?shù)侥康膮^(qū)域的分發(fā)——最后一公里的客戶配送，這就需要有一系列智能化的技術支撐。
其實人工智能應用到企業(yè)，它也沒有那么神秘。例如我們第一步做的備貨，就是根據(jù)你的歷史數(shù)據(jù)，預測你可能這個月應該備貨多少。原來是靠人的經驗或者規(guī)則來做，現(xiàn)在通過人工智能之后會效果更準確一些。
? 基于倉儲的優(yōu)化，這對于大型企業(yè)是比較重要的?，F(xiàn)在倉儲都分為幾級，華為公司在海外分了大概4到5個的集散中心，全球發(fā)貨到集散中心之后，把如何把貨物進行比較好的布放以及取貨順序的安排，這個就需要有人工智能的算法在里面。
還有集裝箱，這里面會涉及到一個裝箱的過程，要考慮類似于如何在一個最小的空間里面最大利用這些空間等問題。裝箱也有一些規(guī)則，比如說形狀、重量、是否怕壓，這些都有一系列的算法去解決。我們會提供最優(yōu)化的算法，形成一些智能物流的服務。這些實踐每年帶來過千萬的費用節(jié)省。
? OCR識別，比如說企業(yè)的票據(jù)、發(fā)票、文本，怎么通過自動化的方法錄入，包括一些紙質單據(jù)的傳遞，其實它也需要利用一些人工智能技術。原來的方法可能做得不太準，最近有了深度學習和其它的人工智能技術之后，識別率大大提高了。比如數(shù)字及表格的識別有些場景超過98%，訓練精度和模型精度的提高，對整個企業(yè)也是一個幫助，可以大大節(jié)省人力。
? 風控，這是我們華為內部的一個實踐。我們看到這里有實時的平臺，傳統(tǒng)是通過專家的經驗規(guī)則，再結合案例形成一些模型，但是人工智能的模型相比傳統(tǒng)會更準一些。大家怎么理解模型和規(guī)則的差異?比如說我們要推銷一個東西，打電話給VIP用戶推銷，首先從模型角度來看，不管這個人怎么樣，我們做過一個模型，包括這個人打電話的時間、打電話的量、上網(wǎng)的量和他個人的一些特征、在網(wǎng)時間，根據(jù)這些推算出來這個人是不是VIP。
但是下午兩三點打電話或者上網(wǎng)比較多的是消費重度的用戶，這一點是看不出來的，而模型會告訴你這些人是最值得推薦的。同樣在風控里面也會有類似學習到模型，這些模型告訴你哪些人可能是需要你對他進行控制或者有可能是有問題的用戶。
? 推薦。推薦是華為終端的實踐，華為Vmall本身也是一個比較大的電商，有終端推薦、游戲推薦和音樂、視頻的推薦，這里面的推薦都是用我們的系統(tǒng)來做的。這個推薦平臺可以很好提供包括人物畫像和動態(tài)的實時模型更新，實時推薦等關鍵能力,能夠做到分鐘級模型更新上線。
? 關于圖片圖像處理 ，華為提供一系列的圖像處理能力，如圖片識別和高清重建服務等服務。這個具體在制造業(yè)怎么應用呢?舉例來講我們在對圖片進行處理時用到這樣的技術，比如說把模糊的圖像處理得清晰一點，或者把圖像里面的關鍵人物和關鍵事件進行分類識別。以華為全球技術服務部為例，上基站之前會有整個工作各方面的規(guī)范性檢查，我們現(xiàn)在都是用遠程圖像處理的方法做這個事情。以后企業(yè)有自動化生產的，也可以通過圖像處理的方式截取和監(jiān)控生產制造過程的關鍵信息。
? 智能問答。智能問答也是最近比較火的，類似于小機器人。華為內部IT熱線的機器人，華為有各種各樣的IT問題，如訂票問題，很多企業(yè)也都會遇到這樣的問題，當內部有一定量的相似問題需要答復或者處理，用自動問答技術可以大大節(jié)省人力。我們在機器的自動閉環(huán)能做到65%以上，這個替代率跟整個知識、模型和要回答的問題有關系，場景稍微復雜一點。
總的來說，華為認為，人工智能的發(fā)展是為了使用。人工智能要為企業(yè)創(chuàng)造更多價值，則必須將這些分散的單點技術集成起來，綜合運用到復雜的企業(yè)場景中。華為云定位于智能社會的使能者，聚合人工智能、物聯(lián)網(wǎng)、計算和存儲等基礎能力，提供創(chuàng)新的企業(yè)智能云服務 ，將華為多年來儲備的基礎研究成果與實踐經驗開放給政府、企業(yè)、合作伙伴及開發(fā)者使用。
