第四范式戴文渊：在企业决策中，AI比人类更有优势
普遍的观点认为，机器是一个很好的执行者而非决策者。但德勤的一份报告指出，到2020年，95%的前一百名公司会采用机器决策。
机器决策似乎势在必行，那么我们如何更好地做到人机协同，利用机器不断优化决策能力？近日，戴文渊在由中国人民银行《金融电子化》杂志主办的第八届“中国金融科技年会”上发表了演讲，并对上述问题作出了解答，以下是部分要点摘录：
▨ 相比于过去依靠人来制定策略，机器制定策略的优势更为明显。
▨ 企业真正需要的不是算法、不是海量的科学家，而是一个AI核心系统，它能够让企业基于自己的数据，自动生成人工智能的能力，从而协助甚至是取代人类进行决策。
▨ 这个核心系统解决了企业应用AI化的所有问题，其中包括过程数据、反馈数据的采集、海量日志管理、机器学习、实时服务等。
▨ 未来的商业世界将由战略管理者协同企业AI核心系统的联合体来主宰。
AI开始接管越来越多的
“策略制定”工作
在企业中，一般会有三种角色。
▨ 第一种角色是战略制定者，通常是企业的高层；
▨ 第二种角色是策略制定者；
▨ 第三种是策略执行者，通常是企业的基层。
在互联网和移动互联网时代，越来越多的企业将策略的“执行”交给计算机，但在今天的AI时代，AI改变的实质是什么？我们发现策略制定的工作，也在慢慢地交给计算机来做。
相比于过去依靠人来制定策略，机器制定策略的优势更为明显。例如，我们和瑞金医院合作了一个项目，是对未来三年糖尿病患病概率进行预测，我们帮助瑞金医院探索出50万条判断规则，而在此前，中、美两国的传统判断标准只有10-30条，这是数量级层面的巨大提升。此外，在金融领域，过去业界认为最好的反欺诈模型是1000条规则，这是顶级专家能做到的极限。而现在，我们帮助某国内领先的股份制商业银行，可以找到超过25亿条规则。再比如，在内容分发领域，千人千面的个性化推荐应用开始备受推崇，那如何才能做到个性化内容推荐？实际上，只要当业务规律数超过人数，每个人都可以被不同规律覆盖，就能做到个性化了。
企业需要AI核心系统
未来，依靠机器做决策的场景会越来越多，然而企业光靠顶级科学家一个一个去做AI应用，效率太低，无法推广。
企业真正需要的不是算法、不是海量的科学家，而是一个AI核心系统，它能够让企业基于自己的数据，自动生成人工智能的能力，从而协助甚至是取代人类进行决策。
因此，第四范式打造了“先知3.0”，打通了从数据到业务的闭环，将机器学习产生智能的能力，与企业业务环节连接，形成了一个“机器学习圈”。
“机器学习圈”与人学习的过程类似，分为行动、经验、反思和理论四个步骤（基于教育学理论“库伯学习圈”）。人类学习的过程是先完成一个行动，然后收集到一些关于该行动的反馈，再针对行动和反馈进行思考，最终形成理论，更好的指导未来的行动。
如果要让计算机做这个事情，就要将教育学里面的每个步骤对应到计算机可以理解的概念。行动是过程数据，经验是反馈数据，反思是机器学习，最后形成的理论叫做AI模型，该模型直接对接到业务，辅助人进行大量商业分析与决策。
未来商业世界的主宰：
战略管理者+企业AI核心系统
基于“机器学习圈”理论，在不同场景下，企业AI核心系统会帮助企业收集产生人工智能所需要的过程数据、反馈数据，再通过封装的超高维机器学习技术，形成各个场景下的“学习理论”，即AI模型，并完成上线生产与应用，实现不同场景的智能化。
例如，使用“先知3.0”构建这样一个“千人千面”的智能推荐系统大致需要四步：
▨ 行动：先让系统推荐给用户一些文章，或者根据用户初始登陆时自行选择的兴趣标签推荐一部分内容。
▨ 反馈：系统推荐的文章用户是否浏览？浏览时间多长？是否连续浏览相同主题文章？这类用户行为会演变为数据反馈给系统。
▨ 反思：通过以上的用户行为数据，机器开始学习并总结用户的阅读喜好。
▨ 理论：针对用户行为的反思结果生成一套理论，并直接指导线上的推荐业务，从而使应用的推荐更加精准。并最终回归到行动，继续积累行为数据与反馈数据，并以此周而复始，智能不断迭代。
“先知3.0”就是要帮助企业构建这样的AI核心系统。这个核心系统解决了企业应用AI化的所有问题，其中包括过程数据、反馈数据的采集、海量日志管理、机器学习、实时服务等。核心系统的背后，包含了很多门槛非常高的技术，但对于企业主来说，已经无需再关心这些技术问题。
根据德勤报告，到2020年，95%的前一百名公司会采用机器决策。“第四范式先知”企业AI核心系统的推出，为企业建立高度灵活自主的商业智能体系提供基础，扭转了一些企业在智能化转型与竞争中的被动局面。未来的商业世界将由战略管理者协同企业AI核心系统的联合体来主宰。
原标题 / 科学式家｜第四范式戴文渊：仅靠算法不能落地智能，企业需要AI核心系统
来源 / 第四范式（nextparadigm）
壹
贰
叁
肆
伍