明略数据吴明辉：AI商业化的核心是让用户合理接受机器的错误

李根 发自 清华科技园 量子位 报道 | 公众号 QbitAI

△ 明略数据创始人吴明辉

人工智能的几次潮涨潮落，是每一个人工智能从业者最常用于开场的话题。

毕业于北大人工智能实验室的吴明辉，也没例外。

吴明辉之前是“秒针系统”的创始人，2014年，他再出发创办了明略数据，并在B轮获得了红杉资本中国基金的领投投资。明略是一个大数据分析计算的平台，也是企业级人工智能方案的供应商。

从专业研究到商业化方案，吴明辉如何看待人工智能当前遇到的问题？

AI商业化困境

吴明辉称，已有60年历史的“人工智能”，之所以起起落落，是因为技术始终面临一个难以逾越的障碍。

即机器算法再优化，都无法达到100%的准确率，无法达到人类的心理预期。

△ AI商业化核心

他表示，准确率是非常客观现实的问题，以无人车来举例，即便现在已经在深度学习下取得巨大突破，也无法保证所有场景、所有路况都达到100%的准确，这就与人的心理预期有落差——虽然人类开车也达不到100%安全，但人类心理上会更倾向于人类机器可以做到。

所以吴明辉认为，AI商业化的最大障碍在于“人”本身，AI商业化的核心，是如何让用户合理的接受机器的错误。

有无先例可循？

吴明辉认为“搜索”就是过去最成功的人工智能商业应用，并且之所以搜索能够成功，核心关键是人类使用时心理预期没有那么高，容忍度很高，更何况与搜索替代的图书馆一对比，搜索对于用户是超预期的。

于是归而言之，这位北大AI实验室的高材生认为，现阶段做好AI的商业化应用，一方面抓算法，另一方面抓用户预期，让二者尽可能趋于一致，甚至让算法超预期。

垂直化应用 对话式交互

当然，吴明辉不止论道，也格物致知，用实践和产品论证观点。

首先是算法优化问题。他认为这是一个永无止境的挑战，但如果把算法面对的问题具体化、垂直化，就会让整个挑战变得简单，也更容易在具体问题中实现方案迭代。

其次是对话式人机交互，让应用门槛降到最低，实际使用者通过一个对话框就能解决面临的问题。

△ 知识图谱是AI应用的基础设施

不过，这二者结合起来发挥作用，并不是简单且轻而易举，需要打下“知识图谱”为支撑的底层土壤，更直白讲，是体系化、规则化的大数据平台，能够让机器像人类一样理解世界，最终能打造一个“行业大脑”。

△ 企业级AI市场“嗷嗷待哺”

于是具体实践落地，明略一方面从公安、金融和工业业务场景等三个垂直化方向展开。这三个行业，之前在智能化方面进展有限，但又有智能化助理的刚需。

另一方面则通过3年时间，让明略的技术算法专家和垂直业务场景的业务专家一起，完成数据治理及业务规则的累计，建立起一套该垂直行业的知识图谱。

△ 吴明辉“破案”

有更具体现实应用吗？吴明辉举了一个公安破案的例子：

一个刚入行的民警同志想要对一起打架事件进行研判。在明略打造的系统里，他只要以对话框的形式输入查找，就能完成调取案件情况、特征分析、围绕特征进行的关系分析，以及具体需求定义等，就会理出一份清晰明了的研判。

△ 可视化研判结果

在现场，吴明辉演示操作用时2分钟，但他告诉现场观众，如果不借助这样的机器系统，可能需要一个资深公安干警用时2周才能达到相同的结果。

值得注意的是，当前明略的人机交互系统，类于聊天对话框，以文字输入为主。吴明辉解释称，并非不能语音输入，但在企业级应用的场景下，语音会形成办公室干扰，而自然语言交互，能够为每一个人都有一个属于自己的辅助工作的智能助理。

这样的“智能助理”，明略会首先在公安、金融和工业业务场景中落地。

△ 明略发布两大AI产品

当然，以上谈到的两大应用关键技术，也被吴明辉以产品形式对外发布。人机对话交互产品，定名“小明”；知识图谱产品，定名“蜂巢”。

对于吴明辉在AI商业化的思考、以及给出的解决方案，你怎么看？