未來將只有兩種公司，一種是有人工智能的，一種是不賺錢的。

這句話大概可以總結兩層意思，一方面人工智能讓更多的企業面對更廣闊的商業前景，另一方面是如果要運用人工智能創造價值，就必須擁抱技術，實現真正的落地。

科技部最新發布的《中國新一代人工智能發展報告》也指出，人工智能技術的成熟及應用催生的智能經濟，將為我國經濟高質量發展提供有力支撐。

隨著 AI 技術快速地進入各產業端口，越來越多的企業意識到，人工智能是一項企業必需品，但如何真的化 “智能” 以“智用”，仍是一個問題。

近日，在國際 AI 盛會 2019 全球人工智能技術大會上，品友互動 CTO 歐陽辰以《深度學習在商業決策的應用與實踐》為題發表演講。 在演講中，歐陽辰從技術的角度介紹知識圖譜、聯邦學習等一系列人工智能相關技術在商業決策場景中應用和實踐，以及如何利用深度學習等人工智能技術打造新一代的商業決策引擎，并從四大能力闡述了如何賦能企業數字化和智能化。

以下內容根據歐陽辰演講內容整理而成：

AI 決策引擎在場景中實現進化

各行各業都在積極擁抱人工智能，而人工智能要創造價值就離不開具體場景應用。AI 決策引擎的誕生就基于這樣一個場景，并在進入更多的場景過程中實現進化。

人工智能算法的訓練要基于數據流量，第一階段 ，品友從營銷場景切入，通過算法和模型決策投放廣告策略，這項技術幫助我們占領品牌程序化廣告近 60% 的市場。當時人工智能的概念還沒有進入大眾視野。第二階段，我們幫助廣告主 (企業) 打造第一方的數據管理平臺。在這個平臺里面，將客戶的第一方數據（內部數據、業務數據）等，第二方數據（媒體數據等）、以及市場上的第三方數據整合到平臺，通過數據的打通和激活，提供智能決策能力，比如幫助 CMO 和企業的市場部門決策廣告投哪里？投給哪些人？用什么樣的創意素材？什么時候投？經歷過互聯網上半場的人口紅利，AI 決策引擎在服務大量的企業的過程中也不斷進化。我們在深耕營銷場景之后，我們發現這種基于大數據和人工智能的決策能力除了營銷的決策場景之外，還可以幫助更多企業或機構在各個場景應用，因此第三個階段，我們進入了智能金融、智能政務等多領域決策場景。

從預測銷售數據到預測流感

要了解 AI 決策引擎，我們可以先了解人工智能的這三個要件：感知、認知、決策。

感知層是 AI 引擎獲得數據的重要方式，感知包括各種數據的獲取，包括圖像，視頻，語音，IoT 也包括各種結構化的數據源等。 在商業場景中，品友提供了合法安全的數據對接能力，品友目前對接的數據流每天達到 PB 級別。PB 是個數據單位，1P 大約是 1028 個 T，更直觀來說，有研究文章指出 800 個人類記憶容量就相當于 1 個 PB。

感知層越強大，后期的思考能力的鍛煉越容易。認知就是一個 “思考” 的過程。

在決策引擎的認知層中，重點可以提到特征共享自動化建模平臺，我們在這個領域做了很多事情，隨著機器對用戶的理解加深，我們對每一個用戶有一個特征工程，可以將其歷史行為進行特征工程編碼。編碼以后，我們會通過商業目標設定優化目標以后去自動建模，優化整個過程。模式識別和預測模型背后都是特征的提煉。我們利用復雜的網絡結構，例如深度學習，將認知模型沉淀在機器模型中，形成對未來的預測能力。

模式識別和預測模型是人工智能賦能決策的兩大核心，模式識別可以從大量的行為數據中找到類似的行為數據，預測模型能做的就是，根據歷史數據來預測接下來的走勢，

在營銷增長方面，我們可以幫助企業利用歷史銷售數據，包括各種銷售數據的特征，預測未來的銷售情況，并且分析出哪些因素在影響銷售數字，找到最優化的提升策略。

基于在這方面的技術積累，我們打造了能對未來流感情況進行預測和分析的預測模型，這項 AI 解決方案基于一些關鍵數據，通過聯合建模的方式，我們可以對某地區的流感情況進行預測，該解決方案可以將人工智能技術賦能幫助醫藥行業企業更好地分析流感數據，發現客戶的實時有效需求，可以輔助藥企制定更好的市場策略，或者幫助相關醫療機構進行預案等。

AI 支持復雜決策場景，輔助高層次決策

知識圖譜是一種復雜數據結構的技術，通過實體和關聯描述，建立一種網狀的知識組織形式。

品友在營銷行業首創營銷知識圖譜，將營銷的關鍵實體和關聯，沉淀在營銷知識圖譜中，利用 NLP 技術和機器學習技術，建立核心的營銷概念和實體分類，同時結合我們 2012 年發布的行業首創的數字人群標簽（DAAT）, 通過大數據的累積和清洗，包括歧義消除，知識表達，實體分化等技術，我們形成高覆蓋和精準的營銷知識圖譜，這個圖譜幫助我們在各個環境優化我們的營銷決策。其應用包括線上投放中的點擊率預測，轉化率預測等，也支持營銷優化策略的自動生成，還支持各種策略優化的持續探索，面向全鏈路的營銷決策。

品友的知識圖譜沉淀了將近 10 年的數據處理經驗，并且通過不斷地數據經驗積累和數據清洗持續升級和優化，相比一般的模型，營銷知識圖譜模型具有更好的覆蓋率，以及可解釋性。舉一個知識圖譜的應用例子，我們的 AI 引擎中查詢 “中端 SUV 新車上市的營銷策略”，系統就會利用營銷知識圖譜能把過去成功的營銷策略進行輸出，這些策略都可以輔助決策過程。

我們認為，決策是人工智能的核心，只有真正將認知的結果，應用在決策中，獲得真實世界的反饋，這種可持續反饋的人工智能才有生命力。

我們在做的企業增長解決方案，智慧政務，金融風控領域都是有復雜的決策場景，人工智能可以在這些決策場景中，扮演越來越重要的支持作用。未來，低層次的實時決策都會讓機器來決定，人工智能可以更大程度輔助高層次的抽象決策。

打破 “數據孤島” 同時為數據安全護航

AI 引擎 “福爾摩斯” 的命名是希望 AI 引擎能像偵探福爾摩斯一樣通過大數據找到各種蛛絲馬跡來判斷并作出決策。

我們的決策是什么？以市場營銷場景為例，營銷是一個非常復雜的事情，包括產品的定位，人群的構建和篩選，對用戶人群的理解等，比如消費者買了某個產品以后，為什么不再購買？為什么復購？在整個環節里面，其實可以通過提供模型去幫助企業去做作產品定位等營銷決策。

那么有人會覺得營銷其實是一個老問題老場景。為什么最近幾年，開始需要用人工智能和大數據去解決營銷問題？和 20 年前只有一臺電視比起來，消費者的注意力被太多渠道吸引了，年輕人基本上不看電視，很多 90 后甚至不看，他們喜歡用抖音、快手，關注點和注意力都分散了。這就是就是營銷在人工智能和大數據下的場景。品友基于 AI 引擎開發了企業的第一方數據管理平臺（DMP/CDP），通過部署和共同建模，它能幫助企業將第一方的 CRM 數據、營銷數據、社交數據等打通，通過機器學習和建模的方法輸出洞察，如媒體商業洞察，人群洞察，還有一些歸因，歸因的意思就是說比如企業通過很多渠道商投了廣告，到底哪一個渠道商的廣告起作用呢？歸因可以幫助你做很多的分析。最終實現策略輸出。

在智能政務場景中，品友基于 AI 引擎搭建了服務于公共事務的智能政務管理系統，相當于一個“政務大腦”。比如智能政策落地解決方案可以幫助政府和企業解決政策落地“最后一公里”，政府發布很多惠及企業的政策，但并不是每個企業都知道，特別是一些小型企業。政府怎么把這個企業政策推廣到各個企業，讓企業能知道哪些有益的政策，面對這類需求場景，通過算法和技術可以做一個政策推薦落地的信息打通，這個智能推薦平臺通過網絡獲取公開的政策，通過語義分析等技術對政策文件里面進行自動分析、自動解讀，提取出政策的目標是誰？作用范圍是誰？是政策優惠還是補貼資金呢？另一方面企業可以通過輸入企業信息，自動進行匹配。這樣可以實現把最合適的政策推薦給合適的企業，通過這樣一個方法幫助政策的落地。自然語言的處理則會幫助簡化這個流程。

然而不管在何種場景中，為哪類企業或機構提供服務，數據安全是重中之重，品友在數據安全和隱私保護上面是不遺余力的，率先通過 ISO27001 安全認證，以及等保安全認證三級，同時也在開發相關的數據安全技術。我們最近研究一個課題就是聯邦學習。聯邦學習，就是在保護隱私安全，甚至不交換數據的前提下，共同模型來打破“數據孤島”。 在我們為企業進行數字服務的探索和實踐過程中，我們發現聯邦學習技術的重要性，以及共同建模的巨大商業價值。