6月24日下午，由钛媒体和杉数科技联合主办的“2017AI大师论坛”在北京举行。斯坦福大学李国鼎工程讲座教授叶荫宇、杉数科技CTO、明尼苏达大学助理教授王子卓、清华大学交叉信息研究院助理教授李建、纽约大学助理教授陈溪和佐治亚理工学院终身教授蓝光辉等嘉宾出席。

杉数科技CTO、明尼苏达大学助理教授王子卓首先讲到定价决策的应用，他认为未来公司的核心竞争将是机器决策，比如定价策略将决定很多公司最终能否生存，是公司的生命线。

数据驱动的定价策略需要在正确的时间、正确的地点、正确的价格，并对正确的客户给出正确的服务和产品。这需要了解消费者的构成、偏好和行为。其实互联网的发展定价决策奠定了基础，很多数据都是在网上产生的。

他还谈到目标定价的场景，主要有六类：

标准定价场景：比如电商、零售，特点是产品标准，销售量大；

非标准定价的场景：比如物流运输、B2B订单，特点是用户定制产品，组合独特；

组合定价：比如线上和线下销售，制定一个针对性动态定价方案；

动态定价的场景：比如旅游、交通，特点是价格随时间、需求波动；

差异化定价：应用场景包括旅行、交通、零售，特点是人群和渠道差异化；

创新产品的定价：根据企业的需求制定价格，需要大量的机器学习和优化。

当然，好的定价策略还需要好的底层模型，王子卓认为目前用得较多的模型主要是MNL、MMNL 、NL、RAM等，但是还需要适合具体场景的模型，比如消费者的选择模型，帮助消费者比较不同商品的优劣和价格。

随着深度学习的兴起，“时空大数据”也成为大家关注的热点，清华大学交叉信息研究院助理教授李建表示，所谓时空大数据就是同时具备时间和空间的属性；目前时空大数据的研究刚刚起步，还没有一套方法论。

但是时空大数据已经应用到诸多领域，比如商业选址，传统的商业选址是通过问卷调查，这种方式的成本很高，通过时空大数据分析，可以极大降低成本，提升效率。具体可以分为以下三步：

1、用户的需求分析，比如用百度地图搜下去哪里，咖啡、吃饭等都是需求；

2、寻找需求中心，了解哪些需求比较多，哪些比较少，再提供针对性的需求；

3、除去供给，利用数据模型去掉一些伪需求。

佐治亚理工学院终身教授蓝光辉说，AI的行业应用很广，比如银行的实时反欺诈、反洗钱，保险行业的产品个性化推荐，营销领域的精准推荐，通讯领域的预见性维护建议以及医疗领域的预防治疗、发现早期疾病等。而机器可以在这些场景做合理决策，先要找到活动实践的数据，再建立数学模型定义优化目标和约束，最后机器再进行优化决策。

众所周知，AI商业化是非常复杂的问题，纽约大学助理教授陈溪认为，未来的数据会越来越大，越来越快，数据的多样化趋势明显。未来的商业将主要聚集在决策上，目前典型的深度学习算法是不够的。

他还认为，AI商业化需要机器学习、统计学和运筹学等技术的融合，这些技术的融合可能碰撞出新的数据分析模型。而且，未来中小企业的数据可能开放，数据共享的环境将推动商业分析的技术的进步。

其实，这一次深度学习的突破，离不开运筹学的长期以来的发展，斯坦福大学李国鼎工程讲座教授叶荫宇认为，数据决策有三个关键杠杆：

数据的采集与管理：大数据时代决策的基础。数据时代驱动公司的原燃料，通常由计算机和信息科学完成。

规律性分析：将数据中信息提取，了解事物背后的规律。通常由统计和机器学习完成。

决策建模与求解（运筹学）：将实际中决策的问题转化为数学模型，并用高校的优化算法求解。

在绝大多数的实际情况下，决策要在一个不确定的环境下做出，比如选址时不确定的未来需求，以及路径优化时不确定的路程的时间。

最后，叶荫宇还谈到国内人工智能现状和以及对未来展望：

深度学习就像中医，有些解释不了，但是结果能有效。中国在人工智能上有一些优势，国内公司对人工智能的相关产业趋势跟随很紧密，而且在一些问题上能够结合中国特色进行研究与开发。

而且中国的数据相比国外相对开放一些，但是中国AI发展过程中，忽略了算法的力量，国内几乎没有一个团队真正拥有自己的算法，没有一个公司在算法上获得真正的突破。永远用别人的开源元代码，会一直被“牵着鼻子走”。

对于AI的发展趋势，他提出三个观点：

1、未来数据量会几何增长，模拟规模也飞速增长，所以需要超大规模的优化算法，比如工业4.0的智能排程与生产，需要超大规模的的线性规划，优化算法；

2、要从实际的角度考量，如何实现算法的集群化。软硬件充分结合，如何利用GPU实现并行运算，都是目前研究的热点与难点。

3、在AI的应用上，要考虑如何充分发展可以应用于具体场景的高效算法，如智慧供应链，智能金融，健康管理等领域。

本文作者许伟军，亿欧专栏作者；微信：xuweijun24（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。