文章來源：轉(zhuǎn)載自甲子光年微信公眾號
文 | 劉景豐
編輯 | 甲小姐
什么是智能？
人的智能，不僅來自眼睛的看，耳朵的聽，更重要的，是大腦的決策。無數(shù)看不見摸不著卻時刻都在發(fā)生的決策，推動著我們將思維轉(zhuǎn)化為一言一行，讓人類真正有能力和現(xiàn)實世界交互。
美劇《復仇者聯(lián)盟3》中有一個畫面：在復仇者聯(lián)盟即將與滅霸進行大戰(zhàn)前，奇異博士用時間寶石推進了時間，瀏覽了未來這一戰(zhàn)可能出現(xiàn)的結(jié)果，預測到在14000605種結(jié)果中，只有一種是獲勝的結(jié)果。這是一種高級的智能。
商業(yè)的智能，不僅需要感知智能，認知智能，更重要的，是決策的智能。伴隨著時刻發(fā)生的億萬用戶的海量需求，企業(yè)要短時間內(nèi)做出大量決策——研發(fā)環(huán)節(jié)如何減少試錯成本，制造環(huán)節(jié)如何減少迭代次數(shù)，營銷環(huán)節(jié)如何提升投放效果，此外還有電商平臺如何給不同用戶動態(tài)推薦產(chǎn)品，網(wǎng)約車平臺如何給不同司機動態(tài)派發(fā)激勵，物流倉儲平臺如何更快地揀選貨物……決策時刻都有需求，顯然，很難靠人力去實現(xiàn)大數(shù)據(jù)和個性化時代數(shù)以億計的決策需求。
如今，機器可以比人看得更清，算得更快，但讓機器取代人來直接做決策，一直是人工智能的挑戰(zhàn)高地。
如果只看機器取代人做決策，這早已不是新鮮事兒。在游戲環(huán)境中，機器的決策能力已超越人類。2016年，AlphaGo打敗人類頂級棋手李世乭；2019年，DeepMind Alpha Star在《星際2》中擊敗了99.8%的人類玩家。時隔多年，“AlphaGo們”仍沒有走出游戲虛擬區(qū)——在真實環(huán)境里，AI的決策能力仍未大放光彩。
為什么在科技突飛猛進的今天，AI的決策能力——智能決策——仍難在真實場景中發(fā)揮作用？阻力在哪里？如何打破這一瓶頸？
一家位于南京的AI企業(yè)，通過自己的實踐，為這些待解之題提供解題思路。
2021年1月9日，南棲仙策在南京發(fā)布旗下新一代智能決策系統(tǒng)REVIVE。其最大的特點是，讓強化學習通過一套通用流程就能在現(xiàn)實業(yè)務場景中應用，目前已探索出從研發(fā)、生產(chǎn)、物流到營銷等多個制造業(yè)環(huán)節(jié)的落地場景。
脫胎于南京大學人工智能學院的南棲仙策，是一家專注于智能決策的人工智能新銳公司，公司的核心能力便是通過推演億萬種結(jié)果，找到通向未來的最優(yōu)決策，進而提供現(xiàn)實世界自主決策系統(tǒng)。
值得一提的是，南棲仙策并非按傳統(tǒng)數(shù)據(jù)挖掘的方式做大數(shù)據(jù)預測，而是根據(jù)數(shù)據(jù)模擬成環(huán)境，讓機器具有“想象能力”，并在此基礎上根據(jù)目標尋找最優(yōu)的策略。
換句話說，南棲仙策正把“AlphaGo們”從游戲搬到現(xiàn)實應用中。
更重要的是，比起近些年AI落地場景的“需求真?zhèn)巍焙汀笆袌龃笮 敝疇幾h，智能決策是各行各業(yè)古已有之的需求，而智能決策供給端終于出現(xiàn)了突破口。
如果一切實踐順利，一個由智能決策驅(qū)動的大時代將開啟。比起攝像頭讓機器看見，語音助手讓機器聽見聽懂，智能決策，將開啟一個更大的全面智能時代，商業(yè)將真正進化到下一階段。
1.時代呼喚智能決策
對于2020年的“雙11”，人們或許仍記憶猶新。在“雙11”期間(11月1日-11月11日)，近8億消費者在天貓累計下單了4982億元，訂單峰值高達至58.3萬筆/秒。截至11日24時，天貓“雙11”實時物流訂單也突破23.21億單，約等于2010年全國快遞量總和。
這串讓人震撼的消費數(shù)據(jù)背后，隱藏著玄機。
表面上，用戶在天貓上通過關鍵字搜想要的商品是“主動”行為，實際其瀏覽的每個商品，都是平臺根據(jù)其喜好、需求精準推薦的。
將每秒數(shù)十萬的商品進行個性化推薦，如果讓人類去決策，可能僅耗費的人力就要數(shù)萬之眾，此外針對每個用戶的需求作分析也需要一個過程，對普通人而言，一秒之內(nèi)也很難做出準確的決策判斷。
但機器就可以輕易完成。
真實的情況是，用戶在天貓通過關鍵字“搜索”商品行為的背后，他第一眼會看到什么、在第一次點擊之后再給他看什么，類似這樣的決策其實都是機器自主完成的。用戶看到的一切其實都是通過數(shù)據(jù)智能的算法自動形成的，不存在任何人為干預。
這個案例，恰對應了阿里巴巴集團總參謀長曾鳴在其著作《智能商業(yè)》一書中總結(jié)的“智能商業(yè)”三個特征：實時服務海量用戶，滿足每一個用戶的個性化需求，服務自我更新與提升。
電商，和訂單配送、出行打車、信息推送、自動駕駛等等眾多場景共同組成了智能商業(yè)，這是一個數(shù)萬億級別的市場。
曾鳴斷言，基于數(shù)據(jù)智能的商業(yè)必將超越1913年橫空出世的福特流水線，給人類整體的生產(chǎn)力帶來一次根本性的巨大突破。
在當下的時間點看，疫情倒逼著企業(yè)加速數(shù)字化，人工智能推動著產(chǎn)業(yè)加速智能化，兩者共同推動商業(yè)智能的到來。近日，騰訊研究院發(fā)布的《2020騰訊人工智能白皮書》中就提出，人工智能技術與產(chǎn)業(yè)發(fā)展正在邁向“泛在智能”時代，未來中國不再有純粹的傳統(tǒng)產(chǎn)業(yè)，每個產(chǎn)業(yè)或多或少都將開啟數(shù)字化進程。
智能商業(yè)下的每一個場景，都面臨大量的服務決策需求，且動輒百萬量級、千萬量級，且要求決策實時完成，靠原來人力決策的方式根本無法滿足這一需求。在巨大需求之下，一種新的決策手段誕生了——智能決策。
實際上，目前人們對智能決策并沒有準確的定義。一種解釋認為，智能決策是綜合了人工智能(AI)、商務智能(BI)、決策支持系統(tǒng)(DSS)、知識管理系統(tǒng)(KMS)、專家系統(tǒng)(ES)以及管理信息系統(tǒng)(MIS)的輔助決策支持系統(tǒng)，其本質(zhì)還是通過改進決策流程，用大數(shù)據(jù)的方式輔助決策。盡管這種決策方法已經(jīng)在現(xiàn)實中有了較多的落地應用，但其最終還需要決策者自己“拍腦袋”，因此天花板較底。
智能決策的另一種解釋則簡單得多——決策自動化，或決策機器人。南棲仙策聯(lián)合創(chuàng)始人、CTO秦熔均將其本質(zhì)概括為“讓機器自主決策”。它背后則涉及一種時下熱門的硬科技——強化學習。
這一復雜的人工智能技術，可使機器自主完成從采樣到學習的過程，進而自主決策。
理論上，這種技術可自主決策，不再需要決策者去“拍腦袋”。然而，這一跟人工智能概念幾乎同時期誕生的智能決策理念，在很長一段時間內(nèi)，只能在游戲中展示和應用。當人工智能發(fā)展到今天，大眾對智能決策的期待早已不是局限在虛幻的游戲世界，而是如何在真實環(huán)境中解決問題。
“我們更愿意說‘智能決策’，而不是‘決策智能’，就是希望強調(diào)自主決策能力的應用?！?/STRONG>秦熔均對「甲子光年」表示。
2.走出游戲區(qū)
強化學習誕生以來，就一直通過游戲來展示自己的能力。從1997年前國際象棋世界冠軍卡斯帕羅夫被IBM的深藍（Deep Blue）計算機擊敗，到2016年AlphaGo戰(zhàn)勝世界頂級圍棋棋手，20年間強化學習的智能決策本領接連在不同游戲中超越人類，但問題是，它仍未擺脫游戲環(huán)境。
強化學習走不出游戲區(qū)，是有原因的。
其中一個原因是，強化學習需要了解決策后果，而很多情況下這只能在決策執(zhí)行后看到，因此強化學習需通過“試錯”來完成學習。
本質(zhì)上看，象棋、圍棋等游戲都屬于封閉環(huán)境，具有清晰明確的運行規(guī)則，可在計算機中以100%的精度模擬。因此該環(huán)境下的強化學習試錯數(shù)據(jù)幾乎是免費獲得。唯一的開銷只是支撐計算機運行的電力。
而真實業(yè)務場景是開放環(huán)境，環(huán)境運行規(guī)則不明。一旦試錯會產(chǎn)生巨大的代價，輕則商業(yè)客戶流失，重則發(fā)生致命危害，如自動駕駛事故等。
如何既用深度學習發(fā)揮智能決策的巨大價值，又降低開放環(huán)境中的試錯成本？這個“魚與熊掌”難題，曾困擾著許多強化學習研究者，其中就包括俞揚。
從2004年進入南京大學周志華教授的LAMDA研究組求學，俞揚在人工智能領域已有超過15年的研究經(jīng)歷。2011年，俞揚在周志華教授指導下獲得南京大學博士學位，研究方向正是機器學習。此后，俞揚集中在強化學習理論與應用技術領域的研究，并于2018年獲聘南京大學人工智能學院教授。
對強化學習了解越深，俞揚對“讓強化學習走出游戲”的想法就越強烈。
轉(zhuǎn)機出現(xiàn)在2016年底。AlphaGo的光彩閃耀，讓互聯(lián)網(wǎng)頭部企業(yè)看到強化學習的巨大價值，并希望拓展應用。隨后，淘寶搜索組找到俞揚博士，希望進行一項校企合作項目。
這個項目是“如何在淘寶上創(chuàng)建搜索和推薦的模擬器”。
此前，淘寶面臨的問題正是強化學習的“老大難”——在商品搜索和推薦決策中的使用成本過高，無法真正落地。
2017年，在與淘寶搜索團隊討論后，俞揚向阿里提交了“虛擬淘寶”模擬器項目申請，試圖從歷史數(shù)據(jù)中學習出一個有虛擬用戶的環(huán)境，有了這個環(huán)境，便可以實現(xiàn)“0成本”訓練強化學習。項目申請?zhí)峤缓?，俞揚團隊很快收到了阿里評審專家的質(zhì)疑：用戶行為如此復雜，從沒有方法能成功模擬，這個項目能行得通嗎？
以往對于環(huán)境模型學習的理論分析顯示出，環(huán)境模型的誤差會導致策略誤差平方級增長，模擬一個好的環(huán)境可能比直接學策略還要困難。
在當時看來，這樣的構想此前沒有任何成功案例，而且團隊也沒有經(jīng)驗，缺乏信心。但這是俞揚預見的唯一可行的途徑。成功只剩這一條路，只能硬著頭皮試試看。
在跟阿里評審專家進行了多次溝通后，俞揚頂著失敗的風險繼續(xù)嘗試。這套“虛擬淘寶”模擬器，是一套針對電商平臺的虛擬仿真系統(tǒng)，其目的是幫助平臺實現(xiàn)更合理的運作機制，平衡微觀執(zhí)行和宏觀決策的一致性問題。
從技術上看，這一過程極其復雜，但其運行過程與《復仇者聯(lián)盟3》中的奇異博士用時間寶在14000605種結(jié)果中尋找獲勝結(jié)果一樣。
“虛擬淘寶”是通過模擬器克隆多個虛擬用戶，并對其實施基于強化學習的商品推薦，從中找到最優(yōu)策略。慶幸的是，俞揚不僅實現(xiàn)了在開放環(huán)境中低成本使用強化學習決策，還將原來平方級的誤差降低到線性——誤差回到可控范圍。
使用強化學習構建的“虛擬淘寶”架構
事實也證明了這一方法的優(yōu)越性。該項目的研究結(jié)果顯示，“虛擬淘寶”模擬器能夠忠實反映真實環(huán)境中的特征，將其用于訓練強化學習，可以避免試錯的代價。訓練出的模型于2018年上線測試，在現(xiàn)實業(yè)務中獲得了2%的性能提升。
這一結(jié)果，第一次展示出環(huán)境學習途徑在真實場景應用的可行性，證明了俞揚的判斷是正確的。“虛擬淘寶”的探索，也為后來的淘寶國際項目中的搜索推薦任務提供了寶貴的研究積累。
阿里巴巴達摩院機器視覺團隊負責人徐盈輝對「甲子光年」表示，“智能決策在阿里巴巴整個業(yè)務版圖里，已起到至關重要的作用?！痹陔娚唐脚_上帶約束的供給（平臺流量）和需求（商家）的在線匹配機制，新品推薦策略中應用的規(guī)模化賭博機和半賭博機算法，以及為商家智能發(fā)布所研發(fā)的基于上下文的賭博機算法，還有傳統(tǒng)供應鏈、物流運輸領域，都有智能決策的身影。
此后，俞揚又接連與滴滴出行、菜鳥倉庫等公司合作，在網(wǎng)約車、倉儲揀選優(yōu)化等多個真實開放場景中，進一步驗證了該技術路徑，打磨了算法。以菜鳥網(wǎng)絡倉儲揀選優(yōu)化為例，此前只是按照路徑最優(yōu)的方式給工人派單，但南棲仙策模擬了無數(shù)種可能的派單策略下工人的工作效率，最后從中選擇了最高效的策略。
最終結(jié)果顯示，該技術可將一個天貓倉庫揀貨時間在人工優(yōu)化幾乎到頭的情況下，再縮短超過10%。
至此，強化學習終于走出游戲區(qū)，跨過產(chǎn)業(yè)落地的第一道門檻。
3.解開落地之困
2018年，強化學習在現(xiàn)實環(huán)境中的多次成功應用，讓俞揚有了更強的信心，同時也看到了一片藍海。
“我們拿著強化學習的技術跟企業(yè)去合作，在別人看來這不過是一個探索的項目，也不會投入太多資源來推動這件事。”俞揚說。與此同時，俞揚的博士生、后來成為南棲仙策聯(lián)合創(chuàng)始人和CTO的秦熔均也對強化學習的落地應用充滿了憧憬，“非常希望能有一次契機和俞老師合作，我覺得公司的研究和項目與在學校里非常不同，有更多機會接觸產(chǎn)業(yè)界的問題，不僅要仰望星空，還要腳踏實地?！鼻厝劬嬖V「甲子光年」。
另一方面，需求確實存在。南棲仙策COO徐亮是俞揚的大學同學，不同于俞揚的學術經(jīng)歷，徐亮自大學畢業(yè)就一直在產(chǎn)業(yè)界摸爬滾打，產(chǎn)業(yè)落地經(jīng)驗十分豐富。
計算機專業(yè)出身的他，從2017年開始，對自己所從事的行業(yè)越來越感覺“不適”了。
“那時候，很多企業(yè)開始了數(shù)字化轉(zhuǎn)型、智能化轉(zhuǎn)型。就是裝一些傳感器，傳感器再把數(shù)據(jù)收集后放到數(shù)據(jù)中臺?！毙炝粱貞?，“其實很多企業(yè)只是把數(shù)據(jù)收集起來，但并沒有產(chǎn)生價值?！?/P>
盡管在當時看來，智能化的趨勢已經(jīng)顯現(xiàn)，但實際中智能化的應用卻有名無實。數(shù)據(jù)原本是為了提升生產(chǎn)和決策的效率，但由于各種約束，數(shù)據(jù)只能躺在數(shù)據(jù)庫里，并未產(chǎn)生明顯的決策價值。
要讓這些數(shù)據(jù)真正發(fā)揮決策價值，還需要一些更落地的解決方案。
2018年9月30日，在南京大學人工智能創(chuàng)新研究院新型研發(fā)機構的孵化促進下，南棲仙策（南京）科技有限公司成立。
公司最初選擇的方向是自動駕駛中的智能決策。在與更有經(jīng)驗的投資人溝通后，俞揚改變了想法?！皼Q策只是自動駕駛的一個環(huán)節(jié)，自動駕駛的很多環(huán)節(jié)都不夠成熟，即使我們把決策做好，也無法解決整個問題。”俞揚告訴「甲子光年」。南棲仙策的天使投資人涌鏵投資近年來積極布局AI前沿產(chǎn)業(yè)，2016年天使輪投資了寒武紀，回報頗豐。在談及與俞揚教授的交集之時，涌鏵天使基金合伙人洪亦修笑道：“我們預感到人工智能可能處在爆發(fā)前夜，陳天石是教授創(chuàng)業(yè)，而國內(nèi)人工智能的頂級學術圈子并不大，自然而然也就認識了俞揚教授。”
洪亦修告訴「甲子光年」，“作為天使投資人，更多的是信任和幫助，我們完全信任南棲仙策團隊在核心科研上的實力和優(yōu)勢，更多的是在商業(yè)和戰(zhàn)略等方面提供幫助”。他認為，南棲仙策智能決策最大的潛力是通用性，它適用于包括制造、物流、營銷等很多場景，凡是需要做決策的地方就有應用的可能性。而我國既是全球最大的生產(chǎn)國也是最大的消費國，因此南棲仙策的產(chǎn)品在提升生產(chǎn)效率和促進消費方面都具有巨大的想象空間。
與洪亦修深入溝通后，南棲仙策開始了通用場景的強化學習應用，并形成四大核心技術：構建虛擬世界、高效強化學習、對抗攻擊訓練、在線模型適配——這四項技術，進化出一套“現(xiàn)實世界自主決策系統(tǒng)”。
說起來容易，但如果面對這樣的決策系統(tǒng)，客戶依然顧慮重重。最大顧慮是：如何保證虛擬環(huán)境下的決策能適用于真實環(huán)境？
為了解決這一顧慮，南棲仙策做了兩件事。
首先，在理論上證明其優(yōu)越性。2020年俞揚帶領團隊成員，花了一年半的時間，最終用理論證明了在學習環(huán)境模型時，強化學習的方法性能好于傳統(tǒng)監(jiān)督學習。這一理論已形成論文，并于2020年11月在NeurIPS 2020（2020年度國際人工智能頂會）上發(fā)表。
其次，還要保證從虛擬環(huán)境到現(xiàn)實環(huán)境的可靠性。為此，秦熔均打造了南棲仙策檢驗標準，上線前對決策系統(tǒng)進行檢驗，以確定其和現(xiàn)實環(huán)境的擬合程度，并形成評分，直到達到要求。
經(jīng)過這兩個環(huán)節(jié)的驗證，幾乎就可以確保決策系統(tǒng)的可靠。
但俞揚對該決策系統(tǒng)的要求并不止于可靠，“我們決策系統(tǒng)的優(yōu)勢在于，它有想象力，能做出歷史上沒有見過的決策。”好比AlphaGo Zero沒見過人類下棋，就能學會各種下棋策略。
如今，南棲仙策智能決策已經(jīng)在一些場景中完成落地。
“中國是個制造業(yè)大國，如果能在制造業(yè)場景把智能決策賦能上去，那能帶來很大的價值?！毙炝粮嬖V「甲子光年」。制造業(yè)分幾個場景，第一個場景是研發(fā)階段，需要從初始狀態(tài)找到更接近目標的過程或者參數(shù)組合，這個目標肯定有很多；第二是效率最大化的場景，或者性能最好，或者成本最低，對于研發(fā)過程中可能有這樣一個目標的定義。
為了實現(xiàn)這個目標，南棲仙策通過不斷的試驗來完成這個目標，比如不斷調(diào)整參數(shù)做試驗，就是試錯的過程。但真實場景中試錯帶來的代價很大，業(yè)務人員第一反應就是能不能用模擬器的方式把這個東西實現(xiàn)，在過程中智能決策就能自然而然派上用場，幫助企業(yè)降低試錯成本?！拔覀冋患移噺S商合作，幫助它們研發(fā)智能決策。預計可大幅減少測試次數(shù)，加快新車上市的時間，為車企贏得競爭力?！毙炝裂a充道。
實際上，在南棲仙策的探索下，基于強化學習的智能決策系統(tǒng)已經(jīng)有了頗為清晰的應用路徑：在研發(fā)環(huán)節(jié)，可減少迭代次數(shù)，提升研發(fā)效率；在生產(chǎn)環(huán)節(jié)，可優(yōu)化產(chǎn)線配置，加快制造流程；在物流環(huán)節(jié)，通過優(yōu)化揀選方案，提升物流環(huán)節(jié)效率，降低成本；在營銷環(huán)節(jié)，則可改善投放策略、精準投放群體，進而提升銷量。
南棲仙策智能決策系統(tǒng)可應用場景
讓俞揚引以為傲的是，盡管谷歌的AlphaGo曾讓深度學習名揚天下，但南棲仙策是全球第一個將這一技術走出游戲，并用于真實業(yè)務環(huán)境的。從這個意義上講，南棲仙策自主決策系統(tǒng)具有劃時代的價值。
4.中國AI的真機會
基于強化學習的自主決策系統(tǒng)雖然價值巨大，但其“高冷”的外表讓很多人對其望而卻步。
“我們接觸的很多人，包括客戶、投資人，都看不懂我們的技術，不知道我們到底是做什么的?！庇釗P對「甲子光年」稱。即使客戶有意愿使用這套智能決策系統(tǒng)，也需要一定的門檻。
如果研發(fā)出來的產(chǎn)品沒人用，那它的價值就等于零。
所以對南棲仙策而言，一個重要的任務就是，讓這套智能決策系統(tǒng)更普適?！拔覀兿Ｍa(chǎn)品是，扔進去數(shù)據(jù)，就出來決策結(jié)果。通過走一套通用的流程就可以投入實際的業(yè)務場景當中去。”南棲仙策COO徐亮解釋稱。
這個愿望，已經(jīng)接近實現(xiàn)。2021年1月9日，南棲仙策在南京發(fā)布了旗下新一代智能決策系統(tǒng)——REVIVE。南棲仙策產(chǎn)品副總裁李濟君在發(fā)布會上稱，REVIVE要做的事，就是以強化學習算法為基礎，形成一個通用產(chǎn)品，再將這個通用產(chǎn)品應用到各行各業(yè)，“用戶不用關注算法的細節(jié)，只需要關注自身業(yè)務?！?/P>
REVIVE系統(tǒng)的特色在于，用戶只需根據(jù)系統(tǒng)內(nèi)的模版，將excel等數(shù)據(jù)表上傳到系統(tǒng)，描述業(yè)務邏輯，系統(tǒng)就可以自動訓練模擬器，并學習得到策略模型，應用到實際生產(chǎn)中。
REVIVE工作流程
REVIVE已經(jīng)能做到以目標為導向，輸入當前業(yè)務當中需要最優(yōu)化的維度，策略模型就可以輸出一個決策結(jié)果。
如此一來，其使用門檻大大降低，基于強化學習的自主決策系統(tǒng)就變成一個人人可用的產(chǎn)品。
南棲仙策強化學習落地的速度不斷加快，也引起了越來越多同行業(yè)團隊的關注。
在國際上，此前Google、DeepMind、Berkeley等世界知名人工智能機構的研究方向是虛擬環(huán)境下的決策系統(tǒng)；如今這些機構的學者，也把目光放在如何讓強化學習走出游戲環(huán)境上。他們推動“離線強化學習”、“數(shù)據(jù)驅(qū)動強化學習”方向的研究，并建立了測評環(huán)境。照此下去，不出幾年，走出游戲環(huán)境將成為強化學習領域的主流研究方向之一。
在俞揚看來，強化學習技術大規(guī)模應用后，將帶來重大變革，技術弱勢的競爭者可能會面臨來自算法的打擊。但國內(nèi)在基于強化學習的智能決策領域布局的公司非常少，通常的做法是從數(shù)據(jù)中利用一些進階的規(guī)則輔助決策。
“這是個起點，也是我們的機會。中國AI企業(yè)需要突破原始創(chuàng)新能力，如果能抓住這一時機，促進強化學習在真實商業(yè)場景快速應用，很有可能實現(xiàn)人工智能應用的彎道超車。”甲子光年副總裁李世民表示。
根據(jù)李世民的測算，目前該技術面向任一適用領域的市場空間都在百億級以上，前景十分廣闊。
在這一機遇之下，南棲仙策已開始與相關企事業(yè)單位的合作，率先將強化學習技術落地在我國制造、物流、服務等行業(yè)以及在國防應用中，為我國的產(chǎn)業(yè)智能化升級和國家安全做出貢獻。
在學術研究方面，俞揚聯(lián)合發(fā)起了亞洲強化學習研討會，并承擔了多屆研討會的組織；他還擔任了2020年在南京舉辦的國際分布式人工智能會議程序主席，該會議以智能體和多智能體為主要議題；在今年剛過去的1月9日南棲仙策智能決策發(fā)布會上，南棲仙策還與多家單位一起，發(fā)起成立CCF多智能體系統(tǒng)專業(yè)學組——智能決策對抗MeetUp暨智能決策開放研究聯(lián)盟，聯(lián)合企業(yè)應用優(yōu)勢與高校基礎研究優(yōu)勢，為中國AI研發(fā)帶來更多正向助力。
但這條路并不好走，甚至還要面對質(zhì)疑。
“歷史其實都是這樣，往后看滿是道理，往前看全是質(zhì)疑。不如堅守自己的信念，開始自己的征途，讓強化學習在真實決策問題上落地，創(chuàng)造不同的世界?！边@是俞揚的感慨，也是他的追求。
（轉(zhuǎn)載）
