周六（3月19日）去京東總部參加了一場主題為“理解未來——大數(shù)據(jù)驅(qū)動下的變革”講座，有幸遇到了位真正的AI界大伽——卡耐基梅隆大學(xué)計算機(jī)科學(xué)學(xué)院教授邢波先生。
這位教授分享AI的歷史和自己的理論知識研究經(jīng)歷，在當(dāng)時還是一家小公司的Facebook實踐AI的數(shù)據(jù)處理，發(fā)現(xiàn)滿足不了需求時開始思考如何解決問題，到隨后自己開發(fā)新的模型，在不斷的理論研究和實踐總結(jié)中一步步向前。他的分享也又一次讓我對人工智能有了更多的理解和思考。
人工智能最初是用一種簡單二元運(yùn)算的機(jī)器來模擬所有的數(shù)學(xué)邏輯，比如數(shù)學(xué)題目的求解器、1966年誕生的簡單的Eliza聊天機(jī)器人，隨后圖靈機(jī)器（測試機(jī)器是否能表現(xiàn)出與人等價或無法區(qū)分的智能）的誕生使得人工智能的研究進(jìn)入一種過于樂觀的狀態(tài)，認(rèn)為人工智能很快就可以代替人類了。毫無疑問，研究并沒有想象的那么順利，隨著數(shù)據(jù)量的增大，模型的局限和算法的局限讓人工智能迎來了第一個寒冬。
到了80年代，人工智能計算機(jī)的研發(fā)讓人工智能開始復(fù)蘇，在那個時候，IBM深藍(lán)和象棋大師比賽象棋就已經(jīng)贏了！但很快寒冬再一次到來，90年代初計算機(jī)開始進(jìn)入個人家庭，人工智能科研所需的硬件機(jī)器成本和維護(hù)成本太高了，很多學(xué)者都不好意思和別人說是學(xué)AI的，于是出現(xiàn)了仿生反向工程，也就是解密動物的行為簡化后進(jìn)行機(jī)器模擬。這實際上是靠技術(shù)實現(xiàn)彎道超車，這個思維的出現(xiàn)使得美國在零售業(yè)出現(xiàn)了電商，事實證明也是如此，線下零售巨頭沃爾瑪并非不可超越。也就是從這個時候開始，大家開始真正去思考人工智能的方向——將人工智能和人類的其他活動做了緊密的連接，接下來人工智能的發(fā)展就只能用驚人來形容了。
最典型的就是讓我們討論的興奮不已的自動駕駛汽車，研發(fā)的原型是用在一個機(jī)器狗的設(shè)計，人工智能的狗不是用編程寫的，而是通過學(xué)習(xí)算法自動學(xué)習(xí)怎么看紅綠燈和斑馬線，讓這些算法在模擬器不斷的走路開車的過程中自己學(xué)到策略。AI程序可以出錯，不是目的是過程，而現(xiàn)在的程序不能出錯，因為是結(jié)果，所以真正的大數(shù)據(jù)是在于自我學(xué)習(xí)產(chǎn)生的數(shù)據(jù)。這個思維隨后應(yīng)用到連接全球60億的人，通過模型建立，就可以知道人與人之間怎么加好友以及之間的社交關(guān)系，不禁感嘆真正的大數(shù)據(jù)開始落地了!
既然說到了落地，再回到主辦方京東來落地的分析，京東可以算是擁有中國電商最完整、價值鏈最長的數(shù)據(jù)，至少在我分析看來目前國內(nèi)的電商沒有一個公司可以跟京東比，那么大數(shù)據(jù)在京東又有一些什么樣的智能應(yīng)用場景？接下來就通過這次講座的學(xué)習(xí)和一直以來對京東的關(guān)注，做一個簡單的分析。
1、JIMI機(jī)器人
之所以把客服機(jī)器人放在第一個來說，因為這個產(chǎn)品是和我們前面分析的真正意義上的AI走的最近的，JIMI通過大數(shù)據(jù)的分析，自主的判斷出用戶的需求、品味、脾氣等等特點，可以實現(xiàn)即時的個性化應(yīng)答，也就是能夠做到“千人千面”，另一個讓我比較感興趣的特點是，JIMI可以結(jié)合用戶畫像主動的進(jìn)行關(guān)懷交流，從售前到售后對用戶體驗給予改善。
2、京東金融的大數(shù)據(jù)征信體系
現(xiàn)在在北京都已經(jīng)很少有用現(xiàn)金和刷卡的地方，我身邊的人幾乎都開通了京東白條，甚至我94年的小助理都覺得現(xiàn)在已經(jīng)沒有辦信用卡的必要了，因為在銀行貸款會查你的信用卡記錄，而京東金融面對供應(yīng)商的“京保貝”可以三分鐘判斷給企業(yè)貸款，京東白條也能夠在幾秒鐘內(nèi)決定要不要給個人放貸，并且京東白條的初始額度6000要遠(yuǎn)遠(yuǎn)大過支付寶花唄的1000元，還會隨著信用建立不斷提升，何樂而不為？
3、動態(tài)定價
定價是影響銷售非常重要的一個因素，商品的定價不是越低越好也不是越高越好，而是需要判斷出這款商品是常用款、引流款、利潤款、活動款，還是爆款或是邊緣款，根據(jù)運(yùn)營策略來制定。
線上電商平臺的商品不像線下超市有10萬個SKU就已經(jīng)很厲害了，它甚至能達(dá)到上百萬、上千萬個SKU，并且京東自營商品占比非常高，這時候光是調(diào)整一遍價格就可能累到崩潰，所以京東的動態(tài)定價將從多維度的因素進(jìn)行綜合分析，商品從進(jìn)入京東倉庫，到定價、變化價格、銷售都可以完全實現(xiàn)智能調(diào)控。
4、個性化推薦
大數(shù)據(jù)的核心價值是要產(chǎn)生非常精準(zhǔn)的用戶畫像，如果做不到這一點，一大把的數(shù)據(jù)就像垃圾一樣占據(jù)著服務(wù)器的空間，甚至?xí)層脩舴锤小?/p>
現(xiàn)在很多電商所謂的個性化服務(wù)只是普通的商品推薦，而且并不是實時化的，但事實上，很多的電商賬號并不是一個單獨的人在使用，通過京東的大數(shù)據(jù)分析，賬號使用的家庭的占比是非常高的，所以數(shù)據(jù)價值的挖掘做的應(yīng)該是找出用戶的需求，不是過去買了什么就推薦什么。
這和AI研究的發(fā)展很像，個性化的推薦不是通過編程設(shè)定好的篩選結(jié)果，而是通過學(xué)習(xí)算法讓機(jī)器自主學(xué)習(xí)，然后做出精準(zhǔn)的推薦和預(yù)測。這一點上，從發(fā)展的前景來看，擁有價值最高的數(shù)據(jù)的京東成為第一個突破的企業(yè)還是非常有可能的。
5、AI模型來做智能的倉儲管理和配送管理
拆單是電商最為頭痛的事，一次下單分好幾次配送不僅讓用戶體驗非常差，配送的成本也翻了好幾倍，所以就需要通過大數(shù)據(jù)的信息挖掘，預(yù)測用戶的購買傾向，調(diào)整商品在倉儲的分配結(jié)構(gòu)，包括配送的最佳路線優(yōu)化等等，京東的智能采購補(bǔ)貨系統(tǒng)、移動倉、大篷車都是通過智能模型進(jìn)行的創(chuàng)新。
所以，未來其實來的很快，面對AlphaGO人機(jī)大戰(zhàn)的事情也不必驚恐，可能一夜之間就實現(xiàn)了，在我們還來不及驚訝的時候就習(xí)慣了。
聯(lián)系客服
