对话丨企业转型，AI 自治如何落地

（本文阅读时间：7分钟）

在上一期的推文中，微软合作伙伴业务总监、美丽的 Grace Peng 小姐姐与微软首席技术顾问、人称太古汇段奕宏的管震老师联手为大家上了一堂生动形象的微软自治系统线上课程。详细介绍了机器如何“自学成才”，以及企业可以如何利用自治系统作为数字化转型的驱动力。

整场课程小伙伴们反响热烈，发表了很多自己的看法，也向我们提出了很多优质问题。

管震

微软首席技术顾问

本期，我们就一起来看看大家向管老师提出了哪些问题，管老师又是怎样解答的。当然了，错过了上期直播课程的小伙伴也不用担心，请扫码入群，准备迎接下期的返场礼物（下拉至文末，回顾精彩直播内容）。

以下是学员与管老师对话实录：zer miller

据我了解，目前在建筑行业中，设计和建造阶段已逐步采用 BIM 技术（虚拟设计，虚拟建造），也就是之前提到过的数字孪生，而在建筑的设计和建造过程中涉及大量的规范和人工经验，如何从成千上万的建筑项目数据中，学习到这些规则和经验，微软 AI 在数据处理和算法方面有怎样的解决方案或平台？

管老师答：

从学习上来看，目前你能在综合应用题上学习到的东西只有小学水平的 AI，机器学习来理解这么复杂的体系很难，所以现阶段在弱人工智能的背景下另一个话题是解耦，把复杂的应用题拆解成知识点，再通过耦合框架和人工的干预来把知识点连接起来完成对现有全人工完成的工作的学习和沉淀。而对于人工智能来说快速刷题太简单了，在一小时之内，它就能刷个十万八万道题，逐渐实现对应用题的解。

墨墨

自治系统应用于企业集团资金管理方面可以有什么样的解决方案？比如企业集团财务公司，一方面归集集团成员单位资金统一管理，另一方面向有资金需求的成员单位放贷，但单靠人工管理效率较低精准度也不高。是否可以通过分析集团全部企业财务数据掌握企业资金余缺情况，从而实现更加精准配置？

管老师答：

现在还谈不上什么解决方案，因为我们探讨的自治系统实际上还是一种思维模式，现有的工具现在远远达不到能满足不同行业需要和解决问题的阶段。不仅是解决方案缺乏，市场上一直缺乏有这方面能力的人，这种人应该本身有比较深的行业理解，同时又可以综合利用数据来帮助自己理解现状和做科学预判和运营的决策。

这种预判不是预测明年会怎样，而很可能是下周会怎样，等到下周过完又基于现有的数据来继续判断和决策再下一周，其实这也是自治系统本质上在做的事情。请等待自治系统的下一集，会讲到我们现在的理解。

陈亮可否让自治系统学习我们目前的产品设计，最终代替工程师与客户交流，制作对应的方案？我们否使用这个来搜集目前市面的客户需求，然后将模型反馈给工厂来实现定制化的生产呢？比如定制家居行业，客户在家里构建需求（通过自然语言说出需要），通过云计算/AI 来匹配客户需求，回传客户方案，从而满足客户的需求，这样比人工建模更有效率也更灵活，将原来的工程师替换成 AI 引擎或者平台来与客户交流，从而实现快速方案设计和渲染？

管老师答：

未来可能有一部分的设计工作是通过这种方式进行的。我说未来是因为现在真的还没有。这里面涉及到的 AI 技术太多，需要人力去参与调教的部分也都还大多都是空缺。别说设计全屋了，就算只是设计一个立面的个性化图案，就涉及到：

1，通过 Azure LUIS（语义理解）理解用户的需求；

2，在知识图谱中去确定用户的意图，如果不明确再问用户，又来一轮 LUIS；

3，通过客户的意图在库中挑选近似意图或者 GAN 生成出来 N 幅画…

风渐寒您之前讲的数字孪生，和西门子的有何区别，微软在这块有对应的产品生命周期管理的解决方案吗？或者针对产品的模拟仿真，微软的解决方案里包含了 AI、VR、PowerBI 还有哪些可用的产品及服务集？我查了一些资料，是否可以这样理解自治系统：与一般的 AI 解决方案相比，可能存在着数据集不够，难以验证实际场景，微软的自治系统通过机器学习+知识图谱（语义，专业知识）+虚拟场景仿真，可以较好的解决此项问题。并且通过工具化或者低代码的方式，能直接提供给业务用户使用。

管老师答：

这个理解基本是对的，但是还不全，也全不了，因为微软提出了这么个思路，工具都还在完善中，现在 AI，机器学习、MR、PowerBI、异常检测等等都是点，还缺很多点这些点，更何况要形成对行业或者说小一点垂直场景有帮助，并不是微软一家公司做出来的，记得那个自治系统的三角形么，工具是一部分，能使用工具的人是一部分，或者用原始工具来打造机器化作业的产线的人可能是更重要的一部分。

卢武明

AI 自治系统除了用了深度学习，增强学习，非监督学习等方法还用到了哪些 AI 的模型算法？听起来有预测结果，那么应该就有自愈能力？现在大多的问题就是数据碎片化太多，结构化数据有人为造假数据，非结构化数据很多字段缺失，所以 AI 自治系统如何解决这些问题，大量数据模型训练有时候偏差也很大。

管老师答：

跟特斯拉一起训练的 General AI 就在尝试做这事儿的起点，但是还是太复杂，物理世界中有很多需要被解耦后降低难度来训练，但是因为目标的模糊或者叫 general，所以需要对场景理解深入的人来做基于场景的延伸。

Jerry等14亿+人让机器有自我学习，纠正错误的能力。这需要大量的数据支撑。但很多 AI 数据信息都是不共享的，私有的。比如用户的网购数据，访问习惯等。而对于企业来说是重要的资源。现在都是人为的在判断消费趋势，这就存在时效性的问题。是否能通过建立企业的模拟消费模型，让 AI 的帮助分析来预判未来的消费趋势来对生产进行调整，达到生产环节的快速反应、调整，以及节省生产成本的目的？

管老师答：

您提到的这个问题正好下一期的《从自治系统到运营中的数据科学》直播课程中就会讲到，虽然这事儿都还在前沿探索阶段，但是目前已经有个雏形了。

想知道下期还有哪些精彩吗？赶紧扫描下方二维码进群吧！

点击下方文字，带你回顾上期精彩！！！

《你已经是一个成熟的机器了，可以自学成才了》

恭喜以下在群里提出优质问题的小伙伴

（微信昵称）

Jerry 等14亿+人

zer miller

墨墨

陈亮

风渐寒

卢武明

你们的礼物已经在路上了，敬请期待~

点击“阅读原文”，查看上期精彩文章

微软于2019年8月与清华大学经济管理学院、长江商学院和中欧国际工商学院联合启动全球首个线下互动教学与线上课程相结合的“微软人工智能商学院”项目（Microsoft AI Business School）。课程内容涵盖了定义人工智能战略、拥抱人工智能文化、培养尽责与可靠的人工智能、以及商业领袖必备的人工智能技术四大模块，旨在帮助企业领导者充分发掘人工智能最大潜力，推动全球各地、各行业现代企业实现数字化转型。

1推荐阅读隐私，2020 年关于信息互联的第一个关键思考
你已经是一个成熟的机器了，可以自学成才了
自治系统，那些自学成才的（机器）人们
2最新活动活动预告丨内有上期活动获奖名单