国双CTO刘激扬:产业智能需要数据、算法、知识的高度融合

时间:2020-01-30 来源:www.prouni2014.com

“为了充分发挥智能在行业中的作用,我们需要高度集成数据、算法和知识。为了增强行业能力,我们还需要平台、工具和流程的自动化。这样,我们就可以实现工业智能解决方案的规模。同样的方法和解决方案可以用于解决一个行业的高价值问题,也可以增强更多行业的能力。”5月26日,首席技术官刘济阳出席了“2019年全球人工智能技术大会(GAITC)”并在分享主题演讲“结合领域知识和深度学习构建实用工业智能应用”时做了总结。

让我们享受中国双首席技术官现场演讲的黄金句子~

干货满了,所以我们不能错过!

1。知识和深度学习模式是解决问题的两种资源

我们总结的第一个经验是把知识,特别是行业知识、经验、领域知识和深度学习模式作为解决问题的不同资源。当面对任何问题时,根据问题的特点,使用不同的资源组合来解决问题:相对简单的问题可以通过知识来解决;还有一些问题可以通过深入学习来解决。然而,大量有价值的工业问题需要用专业知识和机器学习来解决,以形成综合解决方案。不同的解决方案会产生不同的成本和效果。

2。解决现实问题的深度知识学习模型

我们解决工业领域问题的模型分为以下几个步骤:第一步是分解问题,看看解决问题应该涉及哪些环节;第二步是在每个环节建立计划,有些环节需要知识,有些环节需要深入学习,或者这两种资源甚至其他资源需要结合。第三步是将总体计划投入生产,以预测和验证它。第四步是根据验证过程中的数据优化解决方案,并将获得的数据反馈给系统,这不仅丰富了知识,而且提高了解决问题的准确性或性能。因此,我们的解决方案是一个闭环,在这个闭环中,解决问题的知识、深入学习和其他资源被充分集成,以形成最佳的解决方案。

3。三种应用范式逐步

郭爽认为,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,从单一到多重,分别是:知识确定模型、知识嵌入模型和知识融合模型。

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想要学习的对象。以数字营销领域为例,我们与行业专家合作建立了一个标签系统。通过标签系统,机器学习将知道在文本中捕获什么内容,并清楚地定义要学习的对象。利用专家知识建立知识系统和标签系统,帮助深入学习建模,并建立深入学习网络,解决细粒度的情感分析。无论要分析的文本是在汽车行业、快速销售行业还是餐饮业,这种方法都可以快速重用。利用这一框架解决问题,国家队在2018年人工智能挑战者竞赛中获得第三名。

5。知识嵌入模型:智能司法案例

其次,知识嵌入模型基于场景从知识库中获取专业领域知识,然后通过编码嵌入模型提高效果。以智能司法领域为例,从司法文件中提取每个案件的要素,然后根据对法律法规的理解形成知识地图。犯了什么样的罪行,违反了什么样的法律,你是否自首了.这些特性需要嵌入到系统中。我们将该模型应用于法律文件分析、智能文件生成、定罪量刑协助等智能司法产品,优化传统审判流程,提高法官工作效率。在去年举行的首届中国“法律研究杯”司法人工智能挑战赛中,中国双料赢得冠军。

6。知识融合模型:油气勘探案例

第三,知识融合模型,设计了一个基于

一家有1000人的公司为什么能做这么多事情?

这是技术堆栈,一个双重国家。郭爽引进了相应服务领域的行业专家,并与数据科学家和数据工程师密切合作:在数字营销领域,有数字营销专家为该领域服务多年,在司法领域,我们聘请了许多法官和律师共同工作。在石油和天然气领域,已经在石油和天然气行业工作了几十年的高级专家受到了邀请。与此同时,我们还在努力建设完善的国家双业智能平台,在面向各个领域的应用中共享国家双业大数据和工业智能技术能力,使我们能够增强所有行业的权能。