品友互動黃曉南：決策是驗證一個人工智是否存在的前提之一

6月6日，2018品友互動人工智慧大會北京場圓滿落幕，品友互動CEO黃曉南以主辦方的視角在大會上致辭並在現場進行了演講。

演講中，黃曉南提到了此次舉辦的目的——一是探討人工智慧時代的商業決策究竟是什麼？二是希望與業界同仁一同見證品友企業和產品的雙重戰略升級。

黃曉南說：「我不認為所謂的AI時代會演變成人與機器、與系統去競爭的狀態，因為這種競爭本質其實是不接受AI、不擁抱AI、不擁抱智能系統的管理者和能那些能夠擁抱AI、數據來支撐自己決策的管理者之間的競爭。」

值得一提的是，黃曉南在演講中將AI的三個基本要素歸納為：數據、演算法與決策，並強調決策其實是驗證一個人工智是否存在的前提之一。她說：「在商業決策裡面，最重要的兩個領域——一個是感知，一個是認知。」而認知學習需要大量基礎業務場景的數據研究，品友可以利用歷史的數據來預測，幫助企業構築自己的商業預測能力。

在黃曉南眼中，此次戰略升級最終將落地到兩個工具中，一是品友的數據云——更多第三方的合作夥伴，來幫助廣告主、企業更好地利用第三方數據，去了解用戶、洞察市場、做出決策。

第二個則是品友的福爾摩斯AI引擎，該AI引擎是品友利用模式識別、數據推出的演算法，致力於用AI底層技術來解決實際的問題。

「品友會繼續在程序化、數字營銷領域工作，但如果任何企業有令人困擾的商業決策問題，同時也認同人工智慧為商業決策帶來的更多可能性，品友也是不錯的選擇」黃曉南說。

以下是演講全文：

在剛才的演講中，李稻葵教授說了一句話——希望所有的企業都能在AI時代，能夠有辦法去領先競爭對手半步。我也希望今天的大會能為各蒞臨的企業決策者，在行業中領先半步。

今天我的演講有兩個主題，第一是人工智慧時代的商業決策是什麼？第二是希望在這個人工智慧的時代，與大家一同見證品友企業和產品的戰略升級。

2018年我讀過的書裡面有這樣一句話——AI其實沒有什麼了不起的，機器人也沒什麼了不起，但是不會用機器人是不能接受的。我將其分享給在座的各位企業管理者，我們一同共勉。

我不認為所謂的AI時代會演變成人與機器、與系統去競爭的狀態，因為這種競爭本質其實是不接受AI、不擁抱AI、不擁抱智能系統的管理者和能那些能夠擁抱AI、數據來支撐自己決策的管理者之間的競爭。

以上結論其實基於哈佛商業評論的調研。但事實上，全世界範圍內許多企業管理者已經意識到了這個趨勢。

如何概括這種趨勢？它應該叫做數字能力，其實我們不難看到數字技術能力、數據分析能力等已經變成了企業管理中最重要兩種能力。這可能跟過去很多大家印象中一個企業的市場人員和CMO所具備的能力是不一樣的。雖然伴隨著AlphaGo的出現，AI變成了大家耳熟能詳的一個詞，但事實很多人對於什麼是AI， AI能做什麼，其實還是霧裡看花。

在品友耕耘AI領域的這麼多年裡，我們認為AI有三個基本要素。

第一是海量數據，沒有數據就沒有AI。所以今天如果有哪家公司是2018年成立，立馬成為很牛的AI公司，這其實是幾乎無法成立的事情，因為所有的AI和大數據是不可分割的。

第二是演算法，具體而言是機器學習演算法。隨著AlphaGo的出現，大家聽的比較多的是神經元演算法，其實這些都不演算法，演算法在品友的定義里其實就是解決問題的一系列過程，演算法的本質其實是用計算機來解決問題。

第三是品友與傳統AI思維最不同的地方，傳統的AI專家會說第三個因素是雲計算，但云計算不是最終的答案，因為它在今天已經不是什麼難能可貴的事情。

答案是決策。

有趣的是，通過觀察品友發現，常常被大家忽略的決策，其實是驗證一個人工智是否存在的前提之一，為什麼說決策很重要？舉個簡單的例子，行業中90%的人聽說過人工智慧，都是因為AlphaGo下棋下贏了。AlphaGo的獨特之處就是模擬決策，一盤圍棋中大約有2.08*10^170的合法局面數，這樣的算力非當前計算機可觸碰，因此AlphaGo在每一步棋前，計算得失，做出決策。最終的結果則是AlphaGo戰勝了人類，人類則開始對人工智慧再次充滿熱情與推崇。

但如果觀察人工智慧在各個行業的分布狀況，不難發現在過去很長一段時間裡，人工智慧的主要應用場景幾乎都跟數字營銷、金融這幾個領域是密不可分的。

在商業決策裡面，最重要的兩個領域——一個是感知，一個是認知。

感知就是機器替代耳朵、眼睛、鼻子的功能，比如圖象識別，這些領域在過去幾年裡面取得了巨大的成功，將錯誤率降到了百分之三點幾。

而認知是機器學習的高階形態，需要對結構化數據以及非結構化數據進行通盤考量，再得出相關的規律性線索。

認知學習需要大量基礎業務場景的數據研究，但我們並不介意談論這一點，雖然在品友的實踐中這其實是比較局限，因為光憑我們無法做那麼多基礎的研究，這也是我們希望與行業展開對話的理由，如果將來大家跟品友有合作，品友可以利用歷史的數據來預測，幫助企業構築自己的商業預測能力。基於預測，我們能為企業帶來風險評估、方法論迭代、資源優化配置等一系列能力。

為什麼品友從一家做程序化管道的企業突然開始設計人工智慧商業決策？

麥肯錫在其關於人工智慧的報告中提到，市場營銷是企業決策裡面最重要的一個環節，也能在人工智慧企業決策中所涉及的不同領域同時產生商業價值。

人工智慧的商業價值毋庸置疑，其價值以萬億美元為單位起算。但是市場營銷對象極為繁雜，在與家電品牌海爾的工作人員交流過程中，我們始終聚焦討論在物流方面有沒有可能利用大數據做決策上。昨天我與一家智能交通公司長談，了解到在只能交通領域，他們已經幫助政府建立了許多感測器，具備收集所有交通數據的能力，然而可惜的是，他們沒有利用這個數據來做決策。

按理來說，這個本該進行的決策價值極高——感測器建立涉及上千億的政府投資，但可惜數據與決策之間的斷層導致目前這類數據還無法完全輔助交通系統的指令發出與更新迭代。

事實上，品友在去年已跟一些金融企業合作，通過共享大數據、合作建模，來解決金融里的徵信、反欺詐問題。

今天的品友並不是放棄DSP，而是基於多年在數字營銷里耕耘人工智慧的經驗和實踐，品友擁有了這樣的底層能力和底層的數據，足夠支撐我們把這些能力擴大到更大的商業決策範圍中。品友會繼續在程序化、數字營銷里的工作，但如果任何企業有令人困擾的商業決策問題，同時也認同人工智慧為商業決策帶來的更多可能性，品友也是不錯的選擇。

所以在這個背景之下，我們對品友的整體戰略進行了全面升級，這個升級在4月份上海的大會上已與許多客戶朋友分享。

簡單來說，此次升級後我們將會進入智慧營銷、金融、政務等領域，也將涉及新零售等新興領域，我們也將不斷尋找能夠用數據和技術、演算法發揮作用的決策場景。

基於品友的雲計算平台，我們打造了兩個核心武器，一個是品友的數據云，這個數據云我們背後也會引入更多第三方的合作夥伴，來幫助廣告主、企業更好地利用第三方數據，去了解用戶、洞察市場、做出決策。

第二個是品友的福爾摩斯AI引擎，這個AI引擎是我們不斷地在模式識別、利用數據推出的演算法。通過不斷和研究院、學院的專家一起來引入最先進的AI底層技術來解決實際的問題。

在這次戰略調整的背景下，我希望通過今天，我們希望讓這麼多的朋友們一起分享品友近10年的積累，而在品友接下來5年的戰略規劃裡面，我們希望能夠成為所有的企業去擁抱AI、去進行大數據決策的重要合作夥伴。

MIP是我們在營銷決策里的產品，MIP能從策略端和從內容端給客戶提供全套的服務，這也是中國唯一落地的完整的智能營銷體系。

在今年開始實踐的一個叫品友DISC的技術戰略我們可以通過一個1分鐘的視頻，來理解品友圍繞數據、演算法、決策和區塊鏈的技術儲備和戰略調整。

隨著人工智慧概念的炒作，很多人已經把AI神化了，覺得人工智慧是無所不能的，人工智慧是一個人不用參與、干預就能夠直接得結論的。事實上，現階段任何一個企業在擁抱人工智慧的時候，其本質是需要一個智能系統來輔助人的決策。

但這套系統只能是一個輔助作用，也就是說最後決策、問題定義，評估標準等關鍵問題都是要靠人來決定的。甚至這個系統給它什麼樣的數據，這件事情也是由人來控制的，那機器解決什麼問題？

機器解決兩個問題，第一個，機器可以解決規模化的問題，機器讀30萬個圖片一天內是不會累的，而人會死。同時機器也是可以進行複雜運算的，人腦是沒有辦法去做複雜運算的。我很期待未來與大家一同推動人工智慧在商業決策領域的蓬勃發展。謝謝大家！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！