第四范式戴文渊：AI产业落地需要五大先决条件

今天已经不再是亚马逊，谷歌或者BAT的时代，如果退回五六年前做AI，就只能去BAT，在美国可能是谷歌脸书这样的故事，今天其实有更多的企业拥有数据。这是我们给银行做的案例，是深圳的一家股份制商业银行，我们帮助他做什么呢？他们也有很多的营销数据，他们要去精准识别他们的客户当中有哪些是分期客户，历史上有大量的客户办分期或者不办分期，我们基于他的数据帮助他们更好的识别。这里面有一个比较重要的对比，过去他们不是不做营销，他们也是做营销的，但是他们的模型维度只有两百多个，而我们通过数据，通过机器学习，帮助他把维度提升到了五千万，从两百到五千万的精细营销，甚至我们可以帮他发现一些业务规律。当有一笔交易出现在某一个POS机，这个POS机一个月只有两百人使用的时候，是一个商机，我们能找到这么精细的场景，这种场景过去是不太可能通过人来解决的，这是机器能够用更高效、更低成本的方式来做到。

前面讲到几个案例，最大的差别就是过去我们在做的事情是低维的事情，而现在做的是高维的事情，这可能跟我在学生时代学习的一些基本原理是相违背的，过去我们学数据挖掘的时候，有一个叫奥卡姆剃刀原理，它讲的是尽可能简单，而不是做深维的事情，而我们现在不是做化繁为简，而是把问题做复杂。比如说奥卡姆剃刀原理区分红点和蓝点的时候，到底是选择绿色的线区分还是黑色线区分的时候，过去的教科书是说黑色比绿色好，现在我们认为是绿色比黑色好。为什么呢？过去的奥卡姆原理在做神经网络的时候，其实神经网络在50年代就又开始做，为什么我们要把神经网络去控制在三层以内，是那个年代的数据量不够，那个年代的数据不多，所以数据不足以支撑我们把数据做大。在数据量不大的时候，我们要化繁为简。而真正统计学习的基石并不是奥巴姆剃刀，不是说要控制三层，真正统计学习的原理叫VALIANT引理，他这个公式比较复杂，我们就理解成，其实要做到的是模型的复杂度和规则数或者变量数，这样一个数据量相匹配。

从这个原理我们会知道，为什么过去做的模型简单，为什么神经网络要深度学习，重点的原因就是现在数据量变大了，数据量变大了，模型的复杂度要和数据量成匹配，要相关。所以从VALIANT引理来看，可能全世界最有名的专家原理是牛顿三大定律，为什么他提的是三大定律而不是三百三千定律？就是人的记忆是有局限的，人脑里面是装不了大数据的，所以人能产出的就是简单的模型。为什么说过去的算法也很简单，过去做决策，要减到五千以内，其实很重要的原因是过去的数据链有限。我之前做的最大一个数据级是21578，因为数据量的限制所以当时做不了特别大的模型。但是今天整个时代变了，我们从互联网上可以获得大量的数据，传统企业其实也有大量的数据，比如说华大基因要测百万人的基因，中石油每天探测回来的地震波有500T，招行每月会有几亿的交易，这些都是非常大的数据。这时候如果还是套用valiant引理的话，数据量大了，模型会复杂。牛顿三大定律交给计算机做会怎么做？可能不是三大定律，可能是做速度区间划分，如果说总结出三千万个定律的时候可能就不需要相对论了，这就是大数据时代，我们怎么让机器做到一些不一样的事情。

从工业界来说，如果我们企业内部做人工智能指导企业经营，最重要的就是我们要去做高VC维模型，我们要不断的去提高模型的维度，使得training loss和test loss不断的降低。

前面讲的概念会比较偏理论一些，如果我们换一个角度，打个比方，VC维度是什么东西？大脑的维度大概就是大脑脑细胞的个数，所以为什么人比狗聪明，狗比蟑螂聪明，因为人的脑细胞比狗多，所以可以把VC维度理解为脑细胞维度，这就可以理解，为什么要把机器的维度做高，因为机器的维度也需要更多的脑细胞，才能更聪明，才能学习更多的知识。这边是一张图，这个是IMGENET的比赛，这个比赛大家关心最多的是黑线曲线，这是每年冠军的错误率，会发现随着每年冠军的错误率误差都在降低，但是很少有人关心黄色的曲线，黄色这条是每年冠军模型的VC维，会发现为什么会降低？是因为模型的维度在提升。随着模型维度的提升，我们的误差开始降低。

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!