国双CTO刘激扬：产业智能需要数据、算法、知识的高度融合

“要在产业中充分发挥智能的作用，我们需要把数据、算法、知识进行高度融合。对产业赋能，还需要平台、 工具 、流程的自动化。这样，我们才能够实现产业智能解决方案的规模化。同样的方法论、解决方案既可以用于解决一个行业的高价值难题，也可以为更多的行业赋能。”5月26日，国双CTO刘激扬出席“2019全球人工智能技术大会（GAITC）”，在分享主题演讲“领域知识与深度学习相结合构建实用级产业智能应用”时如是总结。

一起来领略国双CTO的现场演讲金句吧~

干货满满，不容错过！

1．知识和深度学习模型是解决问题的两种资源

我们总结出来的 第一条经验 是把知识，特别是行业知识、经验，领域知识，以及深度学习的模型当作解决问题的不同资源，在面对任何一个问题的时候，根据问题的特征，用不同的资源组合来解决问题：比较简单的问题可以用知识去解决；还有一些问题可以用深度学习实现；但是，大量有价值的产业领域问题是需要用专业 知识和机器学习一起 去解决，形成整合的解决方案。不同的解决方案会产生不同的成本和效果。

2．知识+深度学习解决现实问题的模式

我们解决产业领域问题的模式分成这样几个步骤： 第一步 是分解问题，看看要解决这个问题应该有些哪些环节； 第二步 是在各个环节搭建方案，有的环节需要用知识，有的环节需要用深度学习，或者需要把这两个资源甚至其他的资源组合起来； 第三步 ，把整体方案投入到生产当中，去预测和验证； 第四步， 根据验证过程的数据优化解决方案，并把获得的数据反馈到系统当中，既丰富了知识，又提升了解决问题的准确度或性能。 所以我们的解决方案是一个闭环，在这个闭环里面，把知识、深度学习、以及解决问题的其他资源充分融合在一起，形成最佳的解决方案。

3、层层递进的3种应用范式

国双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，从单一到多元，依次分别是：知识确定模型、知识嵌入模型、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要学习的对象。以数字营销领域为例 ，我们与行业专家合作搭建了标签体系。通过标签体系，机器学习就知道在文本里面捕捉哪些内容，明确要学习的对象。利用专家知识构建知识体系、构建标签体系，帮助深度学习建模，构建解决细粒度情感分析的深度学习网络。不论要分析的是汽车、快销还是餐饮等行业的文本，这套方法都可以快速复用。国双运用这个解决问题的框架，在2018年的AI Challenger大赛中，获得了第三名。

5、知识嵌入模型：智慧司法案例

其次， 知识嵌入模型 ，基于场景从知识库获取专业领域知识，再通过编码嵌入模型提升效果。 以智慧司法领域为例 ，我们从裁判文书中抽取每一个案件的要素，再根据对法律法规的理解形成知识图谱。犯了什么罪，触犯了什么法律，有没有自首…，这些特征都需要嵌入到系统里面去。我们将这个模型应用在法律文书解析、智能文书生成、定罪量刑辅助、等智慧司法产品中，优化了传统审判流程，提高了法官的工作效率。在去年举办的首届中国“法研杯”司法人工智能挑战赛中，国双获得了冠军。

6、知识融合模型：油气勘探案例

第三， 知识融合模型 ，基于专家知识设计处理框架，使用模型构建框架中的各个环节。 以油气领域为例 ，我们把专家经验和领域知识运用到解决问题的框架中去，而后用人工智能的系统模型来做特征分析、建模，来验证这个模型是不是有效果，大大缩短了工作周期。通过这套系统，我们已经将老井潜力层识别误差率从60%降为20%。

国双在数年行业实践中有很多体会，

为什么一千人的公司可以做这么多的事情呢？

这是国双的技术栈 。国双在相应的服务领域里引进了行业专家，与数据科学家和数据工程师密切合作： 数字营销领域有服务这个领域多年的数字营销专家，司法领域我们聘请了多位法官、律师一起工作；在油气领域里面邀请了在油气行业里面从业几十年的资深专家。同时， 我们还在努力地搭建完善国双产业智能平台，在面向各领域的应用中共享国双的大数据和产业智能的技术能力，让我们可以为各行各业赋能。

本文由新智派 发布在新智派，转载此文请保持文章完整性，并请附上文章来源（新智派）及本页链接。

原文链接：https://knewsmart.com/archives/9670