近日，在雲棲社區數據智能技術論壇上，來自阿里雲大數據事業部高級專家朱金童帶來阿里雲ET大腦的相關揭秘。本文主要從AI到ET的進化開始談起，分析了構建類大腦網路的過程，接著重點分享了ET大腦在生活中的應用，包括城市大腦、農業大腦、航空大腦。

以下是精彩視頻內容整理：

阿里雲ET大腦作為全球首個類腦架構的人工智慧，突破單點使全局智能變成現實，更大的格局從此被打開，多維感知世界、全局洞察問題、最優定製決策，阿里雲ET大腦不斷學習進化，更深入同時更廣闊，更多人得到科技助力，更多行業因創新而賦能。它，開創新零售在交易中學會交流，使商業更懂人心；它，激發工業活力，加速產業升級，使機器擁有智力；它，激活散落的孤立數據，為城市治理與服務模式開創革新，使城市學會思考；它，為環境構建演算法，自然不再無言，使生態學會表達。思考因突破而興奮，科技因現實而動人。

AI到ET的進化

回首ET大腦足跡歷歷在目，城市、工業、航空、環境各方面無不體現出ET大腦的重要創新性。

隨著圖像識別、感測設備、智能終端設備等技術的飛速發展突破，我們可以更好的感知現實社會，ET大腦就是感、智、動的結合，採集到的數據通過機器學習模型把機器學習演算法理解的數據變成智慧，最終與實際場景相聯動。

要承載龐大的事務就需要良好的技術底座，包括智能語音交互、計算機視覺和自然語言處理，ET大腦擁有強大的技術底座作支撐，有許多眼睛觸角幫助我們了解真實世界。

阿里在人工智慧部分已經做出了一些成績，那麼，是不是有了這麼多人工智慧技術，就可以變成ET大腦呢？其實遠遠不夠，AI到ET還有如圖中所示的諸多過程，需要與行業相結合，比如車輛交通檢測，過去只能感知到有多少輛車通過路口，但並不知道車通過的速度，以及 車的動向；當分析道路交通狀況時，單個路口盯著攝像頭看即可，但如果需要解決道路擁擠問題，需要了解該路口車輛排隊情況，以便優化紅綠燈的停留時間，而且單個路口在大數據系統中並不是孤立存在的點，道路交通是網狀的，相鄰路口間的車輛彙集也是需要考慮的，因此，多個路口對某個路口的理想權重等都需要進行複雜建模，才能解決整個風險區的交通擁堵問題。

AI技術幫助我們知道單點發生了什麼事情，進而構建類似人的大腦網路，人腦認知過程如圖，人腦中有許多神經元，當你的眼睛看到一張圖片，一部分神經元開始反映圖片的形狀，一部分神經元反映圖片的顏色，還有一部分神經元反映物體的名稱等，這與構建交通大腦網路不謀而合。

所以，ET大腦的重中之重就是構建類人腦神經網路，從物理世界的數據孤島收上來變成邏輯數據，規整後放到數據倉庫中去，接著最重要的是構建知識模型，做到與人腦認知世界一樣。比如做工業大腦時，需要得到ERP數據、機器振動、工廠環境溫濕度等參數，像大腦神經元一樣，一些神經元可以控制機器的角度，可以控制添加原料的配比，將這些固定的信息建立相互的聯繫，如同建立人的知識圖譜。

因此，構建知識地圖是ET大腦中關鍵的一步，我們不僅僅要了解機器學習演算法，我們最終解決的問題不是檢測精確度，而是確定某個精確度與其它數據的關係，以及如何影響最終結果。 比如幫助工廠提高產量，預測燃煤效率，燃燒效率與其中若干工序又有什麼關係呢？這就是我們要構建ET大腦的過程，我們將ET大腦產品化，沉澱下來許多工具，包括機器學習平台、數據採集、數據分析、數據計算工具，在這之上就是知識圖譜。

阿里在做電商、螞蟻等時候也是運用了類似的方法，在內部構建了很大的數據中台，每天阿里系產生數據都是PB級的，這些數據都在中台上，我們將數據進行關聯抽取，去建立標籤體系——用戶標籤體系、產品標籤體系、商家標籤體系、位置標籤體系等，每個標籤體系中含有幾千個標籤，當天貓從業人員想做推薦，那麼，推薦精確程度取決於標籤複雜度。同樣道理，我們在做工業大腦、城市大腦時，首先也是與客戶一起建立知識圖譜，基於圖譜構建神經網路，才能做到實時反饋。

聚焦數據密集型產業

ET大腦聚焦在城市、企業和民生。

城市大腦

以前的交通視頻檢查都是由人工切換鏡頭來監測，屏幕眼花繚亂，工作較繁重；基於視頻自動巡檢如圖，我們可以做視頻實時分析，包括道路擁堵識別、車輛違規識別和交通違規識別等，機器可以對所有的攝像頭實施24小時監管，事故發生時可以自動報警，還可以進行視頻定位追蹤。

杭州城市大腦如圖，可以看到每天交通情況，有許許多多個點，當某個地方發生交通事故時，該點就會變色提醒，城市大腦設計了多個指標對擁堵指數進行判別，並對路口進行排名，使用戶方便看到哥哥路口的狀況，如果想了解更加詳細的情況，可以深入點擊查看甚至調出視頻。

農業大腦

基於圖像識別，農業大腦對玉米生長周期進行監測，我們將玉米生長周期進行分類，根據葉綠素的濃度判斷玉米處在哪一個生長周期，並與正常在該生長周期的狀態進行對比，從而判斷是否為病態。

某企業農業大腦如圖，通過農業大腦的圖像分析等，對農作物的生長階段監測、產量預測、病蟲害識別等都進行了分析並得出結果。

航空大腦

當有異常情況發生時，航空大腦幫助航空公司快速做出決策。我們不僅僅要考慮機場調度網路，還要考慮航線網路，也就是不光要安排飛機停靠位置，還要考慮天上有多少架飛機正在飛以及飛機的大小，因此，航空問題相對複雜，對建立航空大腦的約束條件達上百個，有時我們會選擇暴力讀碼，有時也會選擇用上一步的變化對輸入做變化，實際需要考慮事情非常多，需要逐步積累經驗。

ET航空大腦價值巨大，首都機場每天有1700+航班，50秒就要給出機位分配，每天節約旅客時間達5000+小時。

目前，人工智慧異常火爆，阿里只是做了一小部分事情，我們希望把企業做透、把行業做穿。只要把企業中的一個點做好，就會持續做更多事情，只要把一個行業做的多，積累更多經驗，也將會做更多事情。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！