AI由“点”到“面”,逐个解锁传统行业

2020-09-28 | 作者:刘铁岩

微软亚洲研究院“创新汇”成立至今已有三年时间,从最开始提出 DTaaS(数字化转型即服务)理念,到近期正式发布微软 AI 量化投资平台“微矿 Qlib ”和微软多智能体资源优化平台“群策 MARO”,DTaaS 的平台之路已经初见成效。

微软亚洲研究院副院长 刘铁岩

创新汇的成员企业如今已扩展到了27家,包含了来自金融、物流、教育、医疗健康、制造、零售等多个行业的龙头企业和创新公司。微软亚洲研究院的 AI 科学家与各领域的行业专家紧密合作,激荡智慧,推动企业加速数字化转型,助力其业务模式与时俱进,并共同开展了不少前瞻性的 AI 合作研究项目,在多个行业落地。

微软是一家平台公司,在进行一个个独立的合作项目(可称之为“点”)的过程中,我们的研究员也在不断抽象核心业务场景中的 AI 逻辑,挖掘问题的内在本质,逐步将创新的技术成果延伸到更广泛的行业领域(可称之为“面”),并将这些技术打造为通用平台,以实现某个行业领域的 AI 应用闭环。只有实现由“点”到“面”的跨越,AI 才能真正改变各行各业。

金融通用AI平台:从选股到大类资产配置,再到金融监管,AI全程贯通

创新汇成员华夏基金与微软亚洲研究院自2017年开始在量化投资——多因子选股领域合作,基于“AI+指数增强”的策略,双方挖掘出了与传统投资方法低相关性的投资组合,实现了华夏基金在金融市场中的差异化竞争。

事实上,在整个股票投资的过程中,选股只是一小步,如果要确保投资成功,还需了解建仓股票之间的关系,从而进行风险控制,以避免“鸡蛋放在一个篮子”的问题发生,如同类股票要谨慎购买,相关联企业要分散投资等等。同时,还需要将交易成本、换手率等约束条件纳入考虑之中;当形成最优投资组合之后,还要考虑订单的执行和交易因素等等。

基于这样的思路,微软亚洲研究院在此前的研究基础上,打造了一个 AI 量化投资平台——微矿 Qlib(GitHub链接: https://github.com/microsoft/qlib),希望实现量化投资流程的 AI 闭环。作为一个开源工具包,该平台可供金融机构、从业个人使用,以提升投资者的技术储备和综合水准,提高整个市场的效率,从而在投资领域形成更大规模的良性循环。

未来,我们还考虑从一横一纵两个方向上对开源平台进行扩展——大类资产配置和金融监管。大类资产配置是股票投资的延伸,除了股票二级市场和一级市场,还可以从债券、外汇甚至黄金等多个领域,帮助资金持有者规划更多的投资组合,进一步平摊投资风险,确保更高的收益。

另一方面,金融服务业的业务形态正变得越来越复杂,参与的机构与个人也越来越多,各种操作眼花缭乱,对于监管机构来说,管理难度与日俱增。而在复杂的环境中找规律、找异常,监测风险、挖掘内幕,正是 AI 技术所擅长的,因此在与合作伙伴沟通的过程中,我们也意识到AI可以成为金融监管领域的得力助手。

大道至简:物流通用AI平台,核心引擎可辐射多个行业

在与创新汇成员东方海外航运的合作中,我们覆盖了供需预测和路径优化这两个物流行业的主要业务场景,通过运用深度学习和强化学习等最新的人工智能技术,来优化现有的航运网络运营。与顺丰的合作,则主要聚焦于智能理赔预警、链路预测、动态定价等方面,在物流领域的更多环节探索了AI的应用价值。

这两个案例覆盖了物流链条供需匹配的多个基本场景,十分具有代表性,但这仍然都是“点”的突破。其实,在大物流的视角下,除了集装箱、货车调度之外,还涉及仓储管理、仓内货物调度、机器人自动化分拣,以及仓储和终端、供应商、零售终端的关系等多个环节,所有这些子问题的解决方案集成在一起,才是一个完整的物流供应链管理平台。

这其中,物流行业要解决的最根本问题之一,就是供给与需求的匹配。因此,我们针对“资源供需匹配”这个可适用于各行各业的核心引擎,研发并开源了多智能体资源优化的群策 MARO 平台(GitHub链接: https://github.com/microsoft/maro)。或许有些企业已经开发了各种 IT 系统,去解决物流链条中与资源供需匹配相关的子问题,但能够如此与 AI 技术紧密结合的,我们的平台在业内尚属首个。而很多涉及到资源供需匹配的业务场景,例如共享单车中单车与用户的匹配,数据中心里需要运行的任务与实际物理机器的匹配,都可以用 MARO 平台去解决。

可以认为,MARO 是一个面向多行业横截面上的全链条资源优化 AI 解决方案,用户只需提供简单的接口或数据,平台就会自动生成一个仿真器,进行强化学习训练,并最终给出行业解决方案。开源后的 MARO 平台,将不局限于物流行业,可以帮助更多的传统企业翻新资源匹配工具,以数据驱动的方式达到资源最优化,大幅节约成本。

与金融领域通用 AI 平台构建、发展的思路类似,我们希望不断充实物流领域的通用 AI 平台。特别是,对于中小规模的物流企业来说,他们将可以直接利用包括 MARO 平台在内的物流领域通用 AI 平台,大幅缩短其 AI 智能业务系统搭建的进程,形成后发优势。

下一步:用AI打开更多行业

无论是金融领域还是物流领域的通用 AI 平台,都是基于 AI 最擅长的应用“点”来展开的。人工智能作为人类智能的辅助,仅需通过短时间的学习和调试,便能在分析和解决复杂问题时,表现出令企业决策层惊喜的能力。当我们在不同的行业,找到一个又一个的核心应用“点”,就可以由点及面,用 AI 去逐步“打开”每一个传统行业。

同时,我们也积极与微软的产品部门合作,将更多 AI 决策融入到微软的产品体系中。未来,AI 必将实现与不同行业、不同场景更紧密的融合,带领每个企业、每个行业全面迈向 AI 时代。

微软 AI 量化投资平台——微矿 Qlib:https://github.com/microsoft/qlib

微软多智能体资源优化平台——群策 MARO:https://github.com/microsoft/maro

标签