盘点准时播|华为云到底用AI做了什么？从少坐一趟机场摆渡车谈起( 三 ) 机器之心原创作者：张倩「Everyone’st

为了在工业生产过程中尽可能减少材料浪费、降低生产成本，华为云EI提出了业界顶尖的决策优化方案，在业内公开数据集ESICUP上达到世界最优，用最少的投入获得了最大程度的收益。

文章图片
除了文章开头提到的飞机靠桥率，这类问题在其他行业也非常常见。以物流行业为例，在路线优化问题上，华为云的智能系统改变了人工查询距离、匹配车型等操作，改为系统自动测算。相比于模拟人工编排路径得到的初始解，优化后的结果的整体运费下降了20-30% 。
语音语义：DiggScience全球第一
华为云EI语音语义团队着力于发展私人定制化的语义服务，不断训练机器并自动学习，赋予机器认知、意识和推理的能力。同时，团队还开发出了世界顶尖的知识图谱平台，完成了从感知智能到认知智能的跃变。
这些成果也得到了海内外机构的高度认可。在2019年10月的DiggScience科学数据挖掘大赛（学术论文搜索匹配大赛）上，华为云以58.7%的准确率夺冠，超过第二名5个百分点。在今年2月的第13届网络搜索与数据挖掘国际会议（WSDM2020）上，华为云带领的联合团队摘得WSDMCup2020大赛「论文引用意图识别任务」金牌。

文章图片
落地的背后
从以上研究成果和应用案例我们可以看出，华为云在AI基础研究的落地上是非常成功的。但有一点不可忽视：前沿研究和业务落地之间总是存在巨大的差异，田奇博士称之为「AI使能鸿沟」。
从华为云EI落地的领域中我们不难发现，华为的团队挑的都是一些「硬骨头」。以工业视觉场景为例，在学术界，研究者面临的往往是标注准确、画质清晰的图像，但在工业界，标注错误、图像模糊是非常常见的，而且数据量也要大几个量级。同样严重的问题还有医疗领域的小样本训练以及端侧的模型瘦身等，而这些都是华为云EI发力的领域。
横跨学界和业界的双重身份使得田奇博士能够更加敏锐地感受到这些差异。在加入华为之后，他带领团队不断克服这些挑战，探索出了一系列解决方案。
除了技术层面的攻关之外，田奇博士在接受机器之心采访时还提到了华为云的团队合作机制及人才的选拔标准。
在团队合作方面，他表示，华为有着一套完整的促进研究组和产品线合作的机制，二者可以通过公司内部各种各样的活动进行交流，比如罗马广场、松鼠会等。研究组分享前沿的科研成果，产品线提出自身的业务痛点问题，一旦发现合作的机会，两者就可以通过联合项目组的形式进行攻关。同时，公司还创建了访问学者等机制，以期更好地促进研究组和产品线的沟通。
在人才方面，他指出，华为云EI团队需要的是既懂算法，又懂平台，而且还能了解行业的人。为什么这么讲？首先从研究方向来看，越来越多的行业要求为AI模型融入知识，将从业人员的经验系统化为行业知识图谱，使模型具备推理的能力，从感知智能过渡到认知智能。从行业需求来讲，不懂行业的研究者很容易陷入伪需求的漩涡，做出的产品与真实场景不匹配，无法解决行业痛点。
田奇博士还指出，在人才方面，除了鼓励算法研究者去向行业人员学习背景知识外，还要说服行业专家去分享自己的行业知识，使其接受AI ，这就要在沟通上多下功夫。
在谈到华为云EI的下一个技术发力点时，田奇表示，华为云EI将聚焦于两个方向：华为云体系架构和核心算法在行业中的落地。在体系架构方面，华为云希望将来端、边、云能够更好地协同，引入更多样化的端，同时结合华为在5G和IoT的连接优势，赋能更多的行业。在算法方面，华为希望能跟行业相结合，解决行业中的实际问题，使得核心算法落地行业。