国双CTO刘激扬：产业智能需要数据、算法、知识的高度融合

“要在产业中充分发挥智能的作用,我们需要把数据、算法、知识进行高度融合。对产业赋能,还需要平台、工具、流程的自动化。这样,我们才能够实现产业智能解决方案的规模化。同样的方法论、解决方案既可以用于解决一个行业的高价值难题,也可以为更多的行业赋能。”5月26日,国双CTO刘激扬出席“2019全球人工智能技术大会(GAITC)”,在分享主题演讲“领域知识与深度学习相结合构建实用级产业智能应用”时如是总结。

一起来领略国双CTO的现场演讲金句吧~

干货满满,不容错过!

1.知识和深度学习模型是解决问题的两种资源

我们总结出来的第一条经验是把知识,特别是行业知识、经验,领域知识,以及深度学习的模型当作解决问题的不同资源,在面对任何一个问题的时候,根据问题的特征,用不同的资源组合来解决问题:比较简单的问题可以用知识去解决;还有一些问题可以用深度学习实现;但是,大量有价值的产业领域问题是需要用专业知识和机器学习一起去解决,形成整合的解决方案。不同的解决方案会产生不同的成本和效果。

2.知识+深度学习解决现实问题的模式

我们解决产业领域问题的模式分成这样几个步骤:第一步是分解问题,看看要解决这个问题应该有些哪些环节;第二步是在各个环节搭建方案,有的环节需要用知识,有的环节需要用深度学习,或者需要把这两个资源甚至其他的资源组合起来;第三步,把整体方案投入到生产当中,去预测和验证;第四步,根据验证过程的数据优化解决方案,并把获得的数据反馈到系统当中,既丰富了知识,又提升了解决问题的准确度或性能。所以我们的解决方案是一个闭环,在这个闭环里面,把知识、深度学习、以及解决问题的其他资源充分融合在一起,形成最佳的解决方案。

3、层层递进的3种应用范式

国双认为知识与机器学习相结合的过程有三种不同的应用范式,从简单到复杂,从单一到多元,依次分别是:知识确定模型、知识嵌入模型、知识融合模型。

4.知识确定模型:数字营销案例

首先,如何利用行业知识帮助机器学习找到它要学习的对象。以数字营销领域为例,我们与行业专家合作搭建了标签体系。通过标签体系,机器学习就知道在文本里面捕捉哪些内容,明确要学习的对象。利用专家知识构建知识体系、构建标签体系,帮助深度学习建模,构建解决细粒度情感分析的深度学习网络。不论要分析的是汽车、快销还是餐饮等行业的文本,这套方法都可以快速复用。国双运用这个解决问题的框架,在2018年的AI Challenger大赛中,获得了第三名。

5、知识嵌入模型:智慧司法案例

其次,知识嵌入模型,基于场景从知识库获取专业领域知识,再通过编码嵌入模型提升效果。以智慧司法领域为例,我们从裁判文书中抽取每一个案件的要素,再根据对法律法规的理解形成知识图谱。犯了什么罪,触犯了什么法律,有没有自首…,这些特征都需要嵌入到系统里面去。我们将这个模型应用在法律文书解析、智能文书生成、定罪量刑辅助、等智慧司法产品中,优化了传统审判流程,提高了法官的工作效率。在去年举办的首届中国“法研杯”司法人工智能挑战赛中,国双获得了冠军。

6、知识融合模型:油气勘探案例

第三,知识融合模型,基于专家知识设计处理框架,使用模型构建框架中的各个环节。以油气领域为例,我们把专家经验和领域知识运用到解决问题的框架中去,而后用人工智能的系统模型来做特征分析、建模,来验证这个模型是不是有效果,大大缩短了工作周期。通过这套系统,我们已经将老井潜力层识别误差率从60%降为20%。

国双在数年行业实践中有很多体会,为什么一千人的公司可以做这么多的事情呢?

这是国双的技术栈。国双在相应的服务领域里引进了行业专家,与数据科学家和数据工程师密切合作:数字营销领域有服务这个领域多年的数字营销专家,司法领域我们聘请了多位法官、律师一起工作;在油气领域里面邀请了在油气行业里面从业几十年的资深专家。同时,我们还在努力地搭建完善国双产业智能平台,在面向各领域的应用中共享国双的大数据和产业智能的技术能力,让我们可以为各行各业赋能。