智慧物流：物流不仅仅是搬运货物 背后涉及多方面

　　2017年7月15日，由顺丰科技、杉数科技、钛媒体联合举办的AI+智慧物流圆桌论坛在深圳凯宾斯基酒店举办。参会嘉宾包括顺丰集团CTO兼顺丰科技CEO田民、美国加州大学伯克利分校教授Martin Wainwright、杉数科技联合创始人兼CTO王子卓、腾讯AI实验室主任张潼。

　　活动开始，主办方顺丰集团CTO兼顺丰科技CEO田民为活动致辞，田民首先回顾了物流的英文单词Logistics的起源。Logistics起源于希腊文Logistikos，意为“计算的科学”，拿破仑的政史官A.H.若米尼在总结征俄失败后最先使用Logistics的概念，以此作为军事术语。此后该单词又相继流入美国和日本，由于Logistics常被用于运输场景，日语将其概括为“物体的流动”，而淡化和忽略了“计算的科学”深层含义。

　　当前很多人认为物流就是搬运货物，但其实物流背后涉及到数学、统计学、运筹学，并且通过与人工智能机器学习等技术交叉结合可以更加有效的解决许多更复杂更难计算的问题。田民呼吁大家要冷静下来看待人工智能，了解人工智能和机器学习背后的原理和适用场景，这也是此次活动的意义所在。

　　随后，美国加州大学伯克利分校教授Martin Wainwright从学术角度分享了他看到的人工智能落地的现实状况，并阐述了对人工智能、机器学习以及数学优化之间关系的理解。他认为人工智能是机器学习和统计学的一部分，而这些问题在落地时往往需要计算机优化算法的帮助来寻找解答。

　　Martin着重提到了利用大数据实现的智能预测功能，以Netflix为例，人工智能算法的最大商业价值便是对用户观影数据分析，然后实现精准推荐。这其中需要解决的是数据降噪、应对丢失数据、合理降维等问题。接着，Martin详细讲解了如何高效地优化人工智能问题，尤其是数据降维在其中的作用：在人工智能建模时，我们需要收集海量数据，进行评测。当数据量太大了之后，人工智能算法运行会非常耗费计算和存储资源。利用随机概括(randomized sketching)法，可以将大数据的信息进行压缩，并在合成的新数据上进行机器学习。在一些例子中，1000个合成数据上的机器学习仍可保证百万级数据所能实现的精度和准度，效率却大大提高了。

　　此外，Martin还看好人工智能在药品领域的落地，现在医药健康是一个非常大的领域，如果利用人工智能生产个性化的药品，这将会是一个很大的市场。但是，现在人工智能研究是在一个有限的条件下研究具体的问题，能否进入更大的范畴是值得思考的问题。此外，人工智能目前在提高单体智能方面做得不错，但是怎么样把人工智能应用到系统层面，提高群体的智慧和管理，这可能需要结合运筹学和统计学算法。

　　杉数科技联合创始人兼CTO王子卓接着Martin的话题普及了运筹学的概念。运筹学是将实际问题转化成数学模型，并高效求解的一套方法。现代运筹学大约起源于上世纪四十年代，在第二次世界大战时，军队有很多关于资源调配的问题，比如如何部署雷达、调配军队、投炸弹等。而在人类社会中，任何活动都需要找到一个最好的决策，通过最好的参数实现最准确的预测。这些问题仅靠简单的想法很难得到一个最好的决策，因此需要一个系统的方法来量化解决，也就是运筹学。

　　王子卓介绍了物流行业中常见的三类运筹学问题。第一、区域的划分和选址的问题。物流公司要制定每一个送货队伍负责哪个区域，每一辆车负责哪个区域，物流枢纽怎样选择才能使效率最高或成本最低，这些都会直接影响物流效益。

　　第二、定价和收益管理。定价和收益管理就是让商家在正确的时间，把正确的商品以正确的价格卖给正确的人。物流行业很重要一个问题是如何制定它的产品线，消费者会从产品目录里面选择一种服务，对不同服务里面的项目有相关性，商家要建立其中的相关性，然后决定如何去制定产品线。

　　第三、路径优化的问题。物流行业中，路径优化是最基本的一项技术，在物流需求产生后，物流公司如何设计一个路线去拿到需求，如何以最小成本，最短时间满足需求。在实际场景中，这些问题会变得非常复杂，因为有非常多的因素要考虑，因为有多个需求，多个送货员，多个出发点。除此之外，有的是实时需求，有的是时间窗口，有的是取货，有的是送货，会有不同的限制。另外因为中国的承重限制，会产生有很多路程上的不确定性，时间上的不确定性，这样的情况下如何制定一个路线可以更好的服务消费者，这对物流公司是一个非常重要的问题。

　　活动最后，腾讯AI实验室主任张潼介绍了目前团队的研究方向，并分享了中美两国在人工智能研究上的不同之处。

　　张潼介绍，腾讯此前就做过人工智能方向的研究，曾经办过一个研究院，也做过搜索方面的研究，积累了一些有人工智能背景的人才。而腾讯重点做人工智能是2016年，建立了AI Lab。AI Lab主要围绕两个方向，一个是帮助腾讯业务更好落地，另外一个积累技术，开拓新技术，也包括产品方向的技术。具体来说，分为四个细分领域。

　　一、游戏相关。游戏在AI方面是比较相关的，腾讯也有很多游戏方面的数据，AI Lab利用这些数据将游戏体验做得更好，更加贴近真实世界。

　　二、新闻搜索。这方面是跟内容理解有关的研究，利用人工智能解读新闻和视频的内容，然后实现新闻的精准推送。最近微信也刚刚建立了搜索部门，AI Lab也会帮着做个性化推荐。

　　三、社交对话。例如各类智能音箱里面的语音助手，腾讯也在做自己的语音助手，这类语音助手需要人机对话的支持，腾讯AI Lab的任务是让腾讯的语音和对话达到世界顶尖水平。

　　四、语音开放云。腾讯通过AI Lab把人工智能技术积累下来，然后通过云的方式共享出去，帮助腾讯做平台和生态。

　　关于中国和美国在人工智能上的对比，张潼认为，国内很多的互联网公司和创业公司的技术人员，有比较强的技术能够落地。做工程的人员都有数据的经验，也有很多人更愿意做各种各样的尝试，这都是国内的优势。美国的技术水平相对比国内较厚一点，在学术研究上美国还是比较领先，但是国内创新能力也在慢慢加强，而且国内在产品落地上稍微领先一点。