美团|从精细到最优,如何构建新数字经济下的工业互联网决策大脑?( 二 )


(二)人工智能的实现 , 都依赖于从数据到决策的转化
为了能够满足这四个核心诉求 , 我们需要做些什么呢?我们先看数据驱动和决策导向 。 我们来看一个例子 , 这是一个战斗机的例子 , 它讲的是美军当初在第二次世界大战参战的时候 , 他投入了非常多的战斗机、航母 , 就是海军力量、空军力量 , 但是当这些战斗机出去执行任务的时候 , 他发现被击落的比例非常之高 , 因为人家轴心国打了好几年仗 , 人家的这个防空能力也越来越强了 。 所以这个时候飞机怎么样去加固 , 变成了一个问题 , 你飞机如果一旦在外面糊上一层钢板 , 飞机的重量上去了 , 载弹量就下来了 , 因为我飞机出去不是挨打的 , 我是去打人的 , 我只能在有限的重量范围内给飞机加固钢板 , 使得它不那么容易被击落 , 这就是一个活生生的决策问题 。 而这个问题在美国空军面前 , 他说我有大数据 , 于是他画了一张飞机平面图 , 大家设想一下 , 一张白纸上面的飞机剖面图 , 把所有受伤飞机的弹孔都投射到这一个平面图上 , 就在那个时候应该算是人类历史上 , 最早使用大数据分析的场景之一了 , 密密麻麻的一张弹孔分布图 , 有的地方稠密 , 有的地方稀疏 。 那稠密的地方 , 可能也是最显眼的地方 , 什么机翼、肚皮等等这些地方 , 就直接沿着最明显的方向去走 , 那数据给我们带来的信息是什么?最显眼的地方 , 就是应该优先加固的地方 , 但是最终的事情没有沿着这个方向去走 。 因为有一个统计学家 , 当时也在这个单位 , 专家委员会里面叫AbrahamWald , 一个著名的统计学家 , 他说跟你们的建议相反 , 我们的钢板恰恰应该加固在那些弹孔分布最稀疏 , 甚至没有弹孔的地方 。 因为被打到那些地方的飞机 , 都根本没有回来 , 你根本就没有机会 , 把他们的弹孔 , 画在这张平面图上 , 所以这个是统计学当中的一个幸存者偏差的例子 , 但是举这个例子更想说明的是 , 如果我们就沿着数据表象给我们带来的信息 , 你可以沿着无穷多的方向去进化 , 而这些信息带来的价值是千差万别的 。 而如果我们去用一个决策问题去回溯 , 我们的决策问题是什么?是找到这个飞机上最显眼的地方吗 , 不是 , 我们要找的是这个飞机最薄弱的地方 , 并且把它加固 , 那么由此来回溯 , 我们就可以把数据给我们带来的价值最大化 。 那这也是为什么我总会讲数据驱动 , 尤其我们现在大到讲数字经济对产业升级的影响 , 小到一个数据驱动的问题分析 。 其实本质上 , 如果没有决策支撑的导向 , 那我们数据的价值也就很难最大化 , 所以如果我们把它推广到产业服务 , 所有人工智能的实现 , 其实都依赖于从数据到决策的转化 。 我喜欢把这件事情 , 用右面这张图去归纳三个层级 , 从数据到决策 , 你至少要走过三个阶段 , 第一个阶段是数据的采集管理 , 你需要清洗、整理、可视化 , 甚至还有实时性很重要 。 而基于此第二个层级 , 我们可以去解决所谓的规律性分析、规律的发掘、趋势的预测和分析 , 我们要多种多样的预测算法、机器学习、深度学习 , 我们讲人工智能算法里面很多都在聊这些事情 , 解决预测和分类的事情 , 它挖掘规律也很重要 , 它是第一个层级的数据采集与管理没有办法解决的事情 , 但是它依然也没有办法支撑第三个维度 , 就是我在什么时间、把什么资源、放在什么事上 , 这样一个决策问题 。 终归需要跨过这样三步 , 你才能够把数据到决策这件事情打通 , 你才能够最终由决策为指导 , 把数据的价值最大化出来 。 所以如果我们聊数据驱动 , 我们聊数字驱动的经济 , 我们聊数字驱动的技术 , 我们一定离不开决策 。