以下著作来源于中原基石 e 细察 ，作家叶荫宇
第三期中原基石数智期间诱惑力特训营热招中！
作家 | 叶荫宇，首位冯 · 诺依曼奖华东说念主赢得者，好意思国斯坦福大学不断科学与工程系及狡计数学工程推敲院的特出毕生西席
来源 | 中原基石 e 细察，不断细察
商讨配合 | 13699120588
本文把柄叶荫宇西席在 2024 中原基石第十一届十月不断岑岭论坛上的演讲整理，著作仅代表作家本东说念主不雅点（未经本东说念主审核）
叶荫宇，首位冯 · 诺依曼奖华东说念主赢得者，好意思国斯坦福大学不断科学与工程系及狡计数学工程推敲院的特出毕生西席，斯坦福不断科学与工程系工业定约主任，上海交通大学东说念主工智能推敲院首席科学家、香港中语大学深圳推敲院首席护士人科学家
非常感谢中原基石给我这个契机跟诸君碰头。我是斯坦福大学的，当今亦然上海交通大学、香港中语大学深圳推敲院的兼职西席。今天报告一下我是怎么拥抱东说念主工智能的。
决策智能——东说念主工智能的落地谋略之一
怎么拥抱东说念主工智能？对咱们来说等于要东说念主工智能落地。怎么落地？我以为要把决策，无论是宏不雅决策照旧微不雅决策，齐大概智能化，让 AI 这个用具来匡助咱们。
我是作念运筹和不断推敲的，或者称之为"数学优化"。运筹学，OperationalResearch，其实咱们国度很早就有华罗庚先生推敲优选法，这是我的专科之一，其后钱学森先生也作念了好多运筹学方面的使命，亦然我的学术范围。1982 年我去好意思国念书，非常有幸和斯坦福大学运筹学推敲者们一说念使命。
（一）东说念主工智能的三个渐进头绪
我认为东说念主工智能有三个渐进阶段。
第一，感知智能。是指将物理天下的信号通过录像头、麦克风或者其他传感器的硬件开导，借助语音识别、图像识别等前沿时间，映射到数字天下，再将这些数字信息进一步提高至可明白的头绪。雷同于将多样信号通过传感器等东西，输入到咱们的大脑，存储起来。
第二，明白智能。是指 AI 系统基于既有的常识体系，通过处理和办法感知到的信息，来收场对复杂问题近似东说念主类明白历程的讲解和瞻望才智。这个历程是作念一些浅易的分析。
第三，决策智能。AI 系统把柄明白分析和推理驱散，高效机动地聚拢环境和险峻文信息，全面评估可能性，作念出基于特定谋略的最优决策的才智。AI 匡助咱们的决策愈加优化，风险最低。这是东说念主工智能的第三个阶段。
（二）决策问题的中枢特征
这三个阶段空洞关联，但决策问题不同于一般的浅易的感知和明白，有着区别于感知及明白问题的夸耀特色。
1. 谋略 / 精度导向
决策频繁有领会的谋略与驱散，带来明确且经常易于不雅测和评估的价值创造，因此东说念主类关于提高决策效率的追求简直是永无非常的，也使得最优化简直成为决策的代名词。决策的精准度成为中枢诉求。
2. 因果 / 可讲解导向
决策问题频繁高度依赖关于可讲解的因果关系的识别与办法：一是决策效率出现偏差时，可快速归因与调治；二是决策频繁与累赘空洞关系，因此需要明确的因果关系作念累赘判断。
3. 鲁棒及复杂性条目
由于决策驱散关于决策复杂环境及对象有极为告成的影响，因此决策历程中，关于底线的保护以及关于踏实性的条目简直与极大化价值交流进击。咱们的决策必须要有一定的鲁棒性（robustness，等于系统的健壮性。它是在格外和危急情况下系统生计的要道）。
4. 时候 / 资源明锐
由于蛮横的利益导向，决策问题频繁蕴含有明确的资本收益考量，再加上大多数本质天下中的决策齐巧合候限度，因此决策问题经常需要在较少的时候和资源下得到考究科罚。
（三）地说念的学习阶梯类智能的显着弱势
基于复杂决策问题的以上几个中枢特征，地说念的学习阶梯（简直已成为 AI 的代名词），在濒临复杂决策问题时有显着弱势。学习（Learning Algorithm）型算法濒临的要道挑战有以下几个方面：
第一，深度学习等学习算法体系，固然在部分复杂问题上大概提供比传统的优化阵势更好的近似解，然则在本质生活中更为常见的决策问题上，却难以提供允洽条目的高精度解。
第二，深度学习等学习算法体系是典型的黑箱机制，固然比年来也有好多在进修历程中引入可讲解机制的探索，但其压根逻辑难以支撑完善和领会的可讲解性，很难满足高价值决策场景下的条目。
第三，受限于黑箱机制以及短少领会的逻辑推理历程，如深度学习等学习算法体系在复杂环境下，无法提供领会的界限界说以敛迹解的范围，导致出现苦难性驱散的可能性大大增多。
第四，由于短少领会的可控逻辑结构，以及关于数据自身的高度依赖，如深度学习、大模子等学习算法框架的进修，关于能源及算力等资源的消耗远远超出预期。而决策问题既深广存在，又频繁蕴含领会的过问产出比逻辑，因此仅从资源过问角度看，AI 时间对决策问题的无为撑持齐很难在现时的学习算法框架下收场。
东说念主工智能过火落地：让东说念主工智能作念一些东说念主类作念不到的事
底下会举一些例子，讲讲大模子以及东说念主工智能和怎么落地聚拢起来。
决策明白，不是浅易的大模子就不错处理的。有一个非常微不雅的决策问题，在运筹学界亦然曲常经典的问题，等于背包问题。我有一个 5 公斤的背包，有 5 个物件，每个物价有两个属性，第一，重些许，第二，价值些许。应该把哪五个物件放在这个背包内部，使得背包里产生的总价值最大，然则又不跳跃咱们的产能？不错把这个问题当作 5 个边幅，资金投资唯一 500 万，要投到哪几个边幅中？也不错当作是坐蓐线问题，有某些产物，先坐蓐什么，后坐蓐什么，怎么决策是最优的？
咱们怎么能智能决策呢？频繁建设一个数据模子，比如说这五个物件，我会分辩界说一个变量，这个变量要么取 0，要么取 1。取 0 等于不放在背包里，取 1 等于放在背包里。咱们要什么？要使总价值最大，频繁是谋略函数最大。然则必须满足一些敛迹，这些敛迹是什么？要是决定哪些放在背包里，内部的分量弗成跳跃 5 公斤，齐给你修起好了，这是数学建模。在座诸君的孩子在中学或者小学，当今齐非凡学建模的边幅或比赛。
那么，东说念主工智能，或者说 GPU 能弗成帮咱们科罚背包问题？咱们那时问到 ChatGPT，它说这是经典的背包问题，不错用一个数学的优化问题来科罚。这一句诠释它仍是感知到了。然则 ChatGPT 的修起是，把 1、3、5 放入一个背包中，总价值达到了 53 元，也等于说投资这三个边幅。1、3、5 放到背包里，总分量是 6 公斤，就要跳跃背包的承重了。是以，这个修起是诞妄的。只是凭陶冶感知咱们找不到问题的最优解。
2023 年，雷同问这个问题，照旧给了诞妄的修起，咱们告诉它这个修起是诞妄的，要重新想考一下。它说把 1、2、5 放进去。这样产生的价值是 43 元，分量是满足了，唯一 4 公斤。但这个问题最优的谜底是什么？是把 2、3、5 放进背包里，总价值 45 元。
这诠释什么问题？诠释 ChatGPT 面前的大模子也不是全能的，这还只是放 5 个物件的问题。咱们必须要进行进一步的调教，要援用大限度的优化的求解功能或者算法来把最优解找出来。当今华为排产，10 万个零件，怎么找到最优解？深圳当今经济发展得很好的是跟 AI 关系的产业，刺激了无数的 GPU 坐蓐商、芯片商。需要有芯片就必须有电路板，到深圳去看，到东莞去看，坐蓐电路板的企业订单无数增多，每天要排 1 万个订单的量，怎么排到各个坐蓐线上，每个坐蓐线就像一个背包问题。5 个齐修起不了，上万个订单排到 100 个坐蓐线上，哪个订单放在哪个坐蓐线？按照什么程序去坐蓐？这是东说念主力够不上的。
是以，全球不要说咱们但愿东说念主工智能代替东说念主，或者比东说念主作念得更好，咱们要有更高的条目，咱们要让东说念主工智能作念一些东说念主类作念不到的事情。什么是优化？东说念主工智能怎么落地？咱们一定要建模，东说念主够不上的事情让数学去干。咱们条目解，怎么把本体问题，把刚才说的谋略，变量，敛迹，齐组织起来，用数学的逻辑把它筹商起来？其实这套阵势是走在东说念主工智能之前的。
1975 年诺贝尔经济学奖赢得者，一位是前苏维埃的经济师，列奥尼德 · 康托罗维奇，一位是好意思国的数学和经济学家，佳林 · 库普曼斯。他们将数理统计学收效期骗于经济计量学，把资源最优利用这一传统经济学问题，由定性推敲和一般定量分析鞭策到本质计量阶段，对线性缠绵阵势的建设和发展作念出了创始性孝敬。他们发明了这套智能决策的模子——数学优化和数学缠绵法，赢得了 1975 年诺贝尔奖，然则他们那时莫得算法。
刚才我说了，要把 1 万个，以致百万个东西分拨到几万个背包里，要有一套相比快速的算法来把它找出来，穷举法是不行的，必须要有精密的数学算法。这个算法在模子建设之后终于出现了。
图片中间这个东说念主是 G.B.Dantzig，发明了解这套数学优化的算法。那时建议这个算法的时候还莫得狡计机，并不是有了狡计机才有了算法，事实上数学优化算法一直是东说念主工智能发展的进击驱能源。算法是走在狡计机之前的。数学优化算法很早等于智能决策的基础。狡计机使得狡计效率极大提高，逻辑的狡计，智能的狡计，才能最快有驱散。
我非常有幸，1982 年到了斯坦福以后，G.B.Dantzig 等于我的导师。1975 年他们两位得诺贝尔奖的时候，特地把我的导师请上了台，说要是莫得他的阵势，咱们的数学模子等于一纸空文，可惜诺贝尔莫得给数学的奖。
优化求解器：优化算法的中枢用具及收场智能决策的要道狡计引擎
数据变量，谋略敛迹，数学模子跟算法是分不开的，包括今天的大模子，其进修历程等于一个寻优的历程，解一个大型问题，等于一个优化问题。优化建模为复杂的决策问题提供了完善、高超的科罚目的，高度允洽，再加上算法求解器，使得咱们的决议饱胀机器化、自动化。其实通盘 AI 的发展是和算法的涌现离不开的。
无论是浅易的归来，机器学习，东说念主工智能的代表性的东西，比如 Alpha GO，亦然强化学习，亦然优化的算法，每一步的发展齐跟算法的提高关联。
算法一定要允洽咱们的模子，咱们的轨则。G.B.Dantzig 搞的这套优化，特别是阿谁算法编译成狡计机以后，数据进来了，几秒钟就把优化的解找出来了，不需要通过语言去刻画了。这个东西叫求解器，一直是高技术领域发展的中枢底座，或者说，算法等于芯片。有好多东说念主说，为什么咱们国度芯片不够开头？是因为工艺不够，材料不够？其实还有一个很过期的，等于联想不够。Snyopsys 是好意思国最大的芯片联想公司，其芯片的联想最底层等于用到了优化。为什么？比如电路板，器件放什么位置，清楚怎么走，齐是有逻辑的，齐是要优化的。这其顶用了非常庞杂的优化算法和求解器。化工坐蓐领域最知名的软件—— Aspen，最中枢的东西等于优化，等于求解，因为它科罚的齐是物理历程，化学历程中的求解问题。流膂力学也雷同有这样的求解需求。
Space X 用到了庞杂的优化算法。Elon Musk 回收火箭的时候失败过好多好屡次，其后找到了斯坦福的优化群众，咱们一说念提供了最佳的优化算法。火箭回收无时无刻齐要调控，因为驾驭的环境齐在变化，不可能全在瞻望之内，要及时进行限度。还有电网、供应链问题，包括 CAD，也离不开优化算法。通盘这些工业软件的底层齐有智能的优化软件。
既然优化求解器是咱们工业软件的底层，咱们国内当今水平怎么样？非常欢畅地讲，从 2019 年以来，国内优化软件的发展仍是踏进到天下前线。我有两位斯坦福培养的博士生，归国建设了一个公司 Cardinal Operations，杉数科技。为什么建议他们归国发展求解器？因为齐是泰西市集上的开头，咱们国度我方莫得才智去作念。
华为通盘的坐蓐排产用到的工业软件，起推动作用的是 IBM 的求解器。2019 年华为上了黑名单，东说念主大有好多是给华为作念法律护士人的，我给他们作念供应链，包括坐蓐制造的护士人。因为我是 2002 年回到斯坦福，那一年华为在跟想科打讼事。我是华中科技大学毕业的，华为也有好多华中科技大学毕业生，也有我的好一又友，是以跟华为建设了相比好的关系。华为上了黑名单，短暂工业排产软件用不夸耀，因为好意思国下了禁令，弗成用他们的软件。他们找到我，驱散咱们搞了一个替代软件，这个软件那时还莫得赶上海外的水平，然则反而比海外用得好。因为咱们给的是源身手，好意思国的文献传输齐是要通过写成文献放到硬盘，再读进去，咱们给出的，不错把求解器，或者优化器，跟排产的信息系统无缝筹商起来，数据以光速传进来。
这给了咱们信心，2019 年终于推出了我方的买卖求解器。昔时齐是曲常大的数据公司开头，在这以后，优化求解，算法的求解器就有了非常好的生态环境。国内有好多公司，包括阿里，华为，祈望，齐在开发求解器，变成了相比好的竞争环境，使咱们踏进到天下前线。
咱们求解优化问题，有好多好多类型，咱们在好多类型中处于求解器的第别称。好意思国建设了一个擂台，征集了几万个优化问题，全球把我方的求解器给它，它进行评审。雷同的问题在并吞个机器上，等于求解器的算法不同，谁算得快，算得好，就得金牌。咱们的买卖求解器得到了 6 个金牌，4 个银牌，好意思国最佳的求解器得到 5 个金牌。这就像奥林匹克竞赛，咱们至少跟他们平手，以致好多方面比他们好。国内的求解器齐起来了，变成了非常好的生态环境，至少我不错自满地告诉全球，在优化求解器方面，中国不输于其他国度。
在咱们的悉力下，好多问题的速率提高到 60 倍，有的提高到百倍，以致提高到万倍。中国东说念主固然硬件不够，GPU 不够，然则相比聪敏，会想点子。联想优化算法等于一个动脑筋的问题，饱胀是靠我方的本领来发展。
这也得到了国际的承认。原本有好多好多问题，比如欧洲的铁路输送问题，谷歌的问题，好意思国多层供应链的问题，好多海外的求解器解不了，然则咱们大概在秒级的范围内科罚掉。
拥抱 AI，拥抱智能决策
AI 大概匡助咱们作念一些什么呢？AI 能匡助咱们建模，无数的数据，无数的逻辑关系，包括企业家们从顶层去想的一些问题。咱们开发了一个匡助企业家让大模子落地的用具。企业家的几句话，点名了敛迹及变量，咱们不错很快地把数学模子建设起来，然后再提真金不怕火数据。
比如咱们收到这样的需求："谋略部门每天齐要补货，先把客户需求满足了，补货优先级有好多琢磨，物流车队每资质源也不一样，工场别占用太多仓储资本，盘活要好，输送资本要限度。"咱们的求解器不错马上给你教唆，你需要作念一些什么事情。企业家不错告成跟咱们的大模子言语，咱们检出模子，以致把 Code 写出来。电路厂制造商，给了问题，自动存储数据，马上帮你算出来。何况咱们还赞理作念瞻望，比如商品消耗，驾驭市集的情况，给企业家提供建议。
面前，咱们仍是有应用的实例。咱们国度也碰到了火箭回收、飞船回收的问题，这是典型的优化问题，对求解的时候条目非常高，毫秒级就要测出来，因为要改换角度。咱们仍是科罚了这个问题。
另外，优化求解器，东说念主工智能仍是收效劳到了南边电网的电力调度。原本东说念主饱胀凭陶冶作念，当今南边电网有几个省，几万个电机，有风能，有光伏，有多样种种的新能源，具有高度的不笃定性。作为电力市集，发的电一定要和用的电匹配起来，通常刻刻要调控，哪些应该开，开多大，哪些应该关，这时东说念主力仍是够不上了，因为络续在变化。咱们原本用的是海外的求解器，非常欢畅当今仍是变成了国产的替代。国产的求解器在南边电网仍是运营两个多月了。
再举个例子。列车运转图是列车在区间运转及在车站到发时刻的时间文献，其编制是决定铁路运量的要道一环。高铁运转的济效益主要取决于排班列车的数目，每增多一双列车每年营收增多近亿元。全球齐乘坐高铁，是否了解原本列车排班是怎么排的？饱胀是东说念主工的，传统编图边幅，东说念主工编图，效率低，编制一次消耗数周。频繁排一个班出来，把柄四季需求不同，排些许车，怎么停，就画一张图。这样多班次怎么排？安全第一，在并吞个时候点，并吞个空间点，两个列车绝弗成同期出现。启程时候，在中间的每个时候，到了某一个站以后，停在哪个站台，全部要梳理出来，何况列车间的时候差弗成跳跃安全保险。当今用新阵势，基于优化算法的自动图编制，在一千秒内就能把班排出来，保证安全。你想排多就不错排多，想排少就不错排少，这样不错为国度量入为出些许能源？疫情时好多高铁是开空车的，要是知说念需求减少了，能很快排出班，是不是大概少跑一些空车，量入为出好多能源。
当今中国最大的煤炭调运口岸，是杉数科技在为他们就业，把东说念主工智能落地到口岸的调配和调运上。刚才讲到的华为排产的问题，速率有了很大的提高。
我认为 AI 不是复制东说念主工智能，而是越过东说念主的智能，东说念主作念不到的事情咱们要让东说念主工智能作念到。当今的供应链不断，怎么订价，怎么库存？还有发动机制造，为什么航空发动机搞不起来？很大原因等于联想问题，联想问题亦然优化问题。用我导师的话说，The algorithms that turns the world，地球当今是靠算法来推动运转的。
我以为企业家们应该拥抱 AI，拥抱智能决策。何况当今恰是在落地的时候，频繁一个新时间齐有选拔生命周期的，要是迈出一步你可能就疾足先得了。但愿企业家们持紧时候，Take Actions Now。
谢谢全球！
