AI大师圆桌论坛：算法是智能商业时代的制胜法宝

　　【网易智能讯7月3日消息】2017年“人工智能（AI）”一词遍地开花，迅速成为世界各地的热门词汇之一。而谈起人工智能，在中国，人们最先想到的是前段时间在乌镇围棋峰会上出尽风头的AlphaGo。但在业界人士眼中，AI更加令人吃惊的标志性变革还是德州扑克：既不需要准备海量棋谱，也没有充分公开的完美信息场景，化名“冷扑大师”的人工智能系统会直接根据对手的缺点进行自我学习，通过博弈论选取最优策略，一举击败德扑顶尖高手，令世人惊叹人工智能的强大。

　　商业智能时代，量化决策势不可挡，如何从汹涌的AI泡沫中找到正确方向，是学界和业界共同关心的议题。6月24日，由杉数科技和钛媒体联袂举办的深度AI系列论坛“AI大师圆桌系列”首场在京开讲，斯坦福大学李国鼎工程讲席教授叶荫宇坐镇，佐治亚理工学院终身教授蓝光辉、明尼苏达大学助理教授兼杉数科技CTO王子卓、纽约大学助理教授陈溪、清华大学交叉信息研究院助理教授兼杉数科技科学家李建等教授助阵，从深度学习在时空大数据分析中的应用展开，详细解剖商业智能中的机器学习、深度学习，以及鲜为人知却直指真实场景中复杂决策的运筹学。

王子卓：数据驱动的定价策略系统详解

　　明尼苏达大学助理教授兼杉数科技CTO王子卓博士就定价策略系统展开详细的介绍和分析，在复杂多变的商业环境下，实施智能定价的环节以及产品化需要很高的技术门槛，而完整的智能定价流程能给公司带来显著的收益。机器学习在定价策略中起了至关重要的作用，王子卓博士提到：“真实的商业场景中的问题都是决策问题，好的预测并不等于好的决策。”

李建：深度学习预测算法的思想及应用

　　清华大学交叉信息研究院助理教授、杉数科技科学家李建从时空大数据入手，以深度学习应用的五个例子详细的阐述了深度学习应用的难点、重点、要点。人们所熟知的深度学习往往是图像识别、人脸识别、语音识别，或者说自然语言处理。但是将时空大数据和深度学习结合起来的并不常见。日常生活中，我们会遇到各种各样的数据，同时，数据类型丰富种类繁多，例如GPS、订单数据、天气、路况等都会产生大量的数据，需要把不同的数据组合起来学习和预测，以应对这一复杂商业场景中所提出的实际挑战。

陈溪：机器学习的核心思想及商业应用

　　纽约大学助理教授陈溪认为，机器学习既包括有监督的学习也包括没有监督的学习，但是只有机器学习是远远不够的，AI商业化需要将机器学习、统计学和运筹学等技术融合起来，这些技术的融合才有可能构建出新的数据分析模型。

蓝光辉：凸优化，机器学习及深度学习

　　佐治亚理工学院终身教授蓝光辉围绕大规模优化算法在机器学习、深度学习中的应用展开，详细分析了近几年机器学习和人工智能领域取得的突破性进展，在银行、保险、营销、通讯、医疗等领域上的应用数不胜数。在商业应用中，蓝教授提到：“除了用机器学习来预测，最重要的是要做决策，建立模型或算法。”

叶荫宇：优化算法的思想及应用

　　斯坦福大学李国鼎工程讲席教授、杉数科技首席科学顾问叶荫宇教授结合杉数科技的实例分别讲解了运筹学在路径优化、库存管理、投资组合三大方面上的具体应用。叶教授1982年就前往美国斯坦福大学读书，从历史的角度分析了当下的AI热潮，从古至今优化算法一直是生产生活中重要的部分。寻求在满足约束的条件下能够最大化或最小化某一目标的最优决策，有助于大数据时代下的商务决策。对于未来AI的发展趋势，叶教授认为未来数据会呈现几何式增长，为实现算法的大规模高效实现，要从实际的角度出发。在AI的具体应用上，要充分发展可应用于具体场景的高效算法同时，对于深度学习叶教授提出了“中医”说：“深度学习就像是中医，因为中国文化注重效果，中国的数据相对公开，没有很强的壁垒意识。”