在过去的两年里，人工智能发展迅速，尤其是以深度学习算法为代表的人工智能在中国市场的爆发。根据TMTbase的数据，中国有398家AI企业和571起投资事故，总投资为571亿元。
就在Alpha Go挑战世界和中国围棋大师之后，人工智能的狂热变得更加喧嚣了，业界专家也警告说会出现人工智能泡沫。然而，人工智能泡沫现象却产生了意想不到的影响。2017年4月24日，在由TitaniMedia与Cunninghamia Technologies大数据运营研究和优化公司联合举办的钛媒体人工智能大师圆桌会议上，来自美国和中国的高级优化专家说，人工智能推动了opti的繁荣。MIZE算法
斯坦福大学工程学教授，李国鼎，中国运筹学带头人，红豆杉首席科学顾问，叶银宇说，机器学习算法增强了单个机器的智能，但是当机器人工作起来时，需要全面考虑和优化。正是由于云计算、大数据以及人工智能的迅猛发展，大规模数据的出现，为优化算法的繁荣奠定了基础，而优化算法反过来又会促进人工智能的发展。一个新的阶段。
算法战争与战争算法
2017年4月26日，美国国防部在备忘录中描述了战争算法，提出了算法战的概念，更重要的是，成立了算法战跨职能小组，通过编写人工智能、机器学习来改变作战模式。ning等代码，利用人工智能对无人机进行海上捕获。对视频数据进行分析，获得丰富的战争情报。
早在第二次世界大战时，就没有大数据，甚至没有电脑。战争算法是在有限的数据存取、数量和速度的前提下产生的，它对后来的全球社会经济产生了广泛的影响。意味着要找到一个可行的解决方案，但必须找到更好的解决方案。
著名的瑞典数学家利昂哈德·欧拉生活在1707-1783年之间，他曾经说过，世界上的一切事物都有更大或更小值。二战期间，盟军使用数学模型来解决各种作战优化问题，包括雷达部署、运输车队。舰队、反潜深水炸弹投掷、太平洋岛屿军事物资储存、项目管理等。这些问题保证了然后胜利。
二战后，运筹学被广泛应用于企业和政府，包括生产、服务、金融等行业。运筹学的新兴和重要分支发展迅速，包括线性规划、非线性规划、整数规划、组合规划、图论、网络流、决策分析、排队论、可靠性数学理论、库存。搜索理论等。
现代运筹学使用统计学、数学模型和算法来寻找在约束下使给定目标更大化或更小化的复杂问题的更优决策。复杂巨系统是指电力系统、城市交通网络、数字通信网络、柔性制造系统、水利系统等具有庞大规模、复杂部件和多个子系统的复杂巨系统。资源系统、社会经济系统。
复杂巨系统的性能优化将产生巨大的经济效益和社会效益，运筹学的应用将发挥重要作用。死亡和隔离管理。这些环节必须联系起来，实现运营管理的整体优化。
解决复杂巨系统的优化问题是运筹学所代表的优化算法的更大价值，对一个国家甚至具有战略意义。经典优化算法和运算优化算法从2到N，以运筹学为代表的优化算法，可以真正赢得未来的算法大战。
大数据时代的企业决策
叶琦荣获冯·诺依曼运筹学与管理奖（运筹学与管理领域更高奖），是迄今为止中国唯一的获奖者。在2012年国际数学规划大会上，他获得了应用数学优化院奖（每三年一次）和曾学友讲座奖（每三年一次）。他举办并参与了波音、FICO、Express等科研项目。美国卫生部、美国科学基金会、美国能源部和美国空军。
叶银宇于1982去美国深造。在人工智能小热潮之后，理论研究和商业应用停滞不前，没有大数据等现代技术的支持。但运筹学在各行各业，从市场营销、生产计划、库存管理、物流运输到财务会计，都方兴未艾，广泛应用于人事管理、设备维护、工程优化、计算机和通信等领域。系统与城市管理。
随着计算机技术的飞速发展，需要解决的问题规模不断扩大，运筹学的应用范围也取得了革命性的突破，产生了大量的算法和软件，大数据时代带来了更多的活力。O运筹学。如何将大数据转化为更优决策已成为运筹学中的一个关键问题。纽约大学助理教授、博士后机器学习之父陈熹（音译）也认为大数据的出现推动了机器学习、大sca。le统计推断和运营研究算法并行推进，导致大数据驱动的业务决策。
叶先生介绍了由大数据驱动的商业决策的三个阶段：基于数据采集和管理的描述性决策，在大数据时代，数据成为商业决策的基础和公司发展的燃料，通常由计算机完成。信息技术，以及基于规则分析的预预测。决策，从大量数据中提取信息，获得事物背后的规律，通常是通过统计学和机器学习技术来完成的；但是只有对数据的管理和规则性分析才能完成决策。为了释放数据的巨大价值，必须真正提高决策质量，从海量数据中发现规律，才能实现海量数据的生产，这就是基于决策建模和求解的指令性决策。
运筹学将实际决策问题转化为数学模型，用有效的优化算法求解，用系统科学和优化算法求得更优决策和策略，实现了决策支持系统的自动化、过程化和标准化。离子决策。在美国和欧洲，运筹学算法已经在软件和工具中实现。例如，在投资组合优化和相关决策领域，有著名的软件如Barra、Axi.、ITG、Mosek等。Masek大规模数据优化软件是欧洲更大的优化软件。叶银宇教授还担任了公司科技咨询委员会主席，并在叶银宇的指导下创立了优化算法。随着对公司的深入了解和创立，华尔街的许多风险控制软件解算员都为之着迷。使用MOSEK软件。
叶银宇认为，高频交易的竞争是算法竞争的速度，如果一个软件模型需要10秒的时间来求解，而其他软件的速度为0.04秒，那么谁掌握了0.04秒的时间来求解具有核心竞争力的软件源代码，ND从10秒到0.04秒是算法的力量所在。
更近的联合航空公司事件是一个典型的不确定环境下的库存管理决策问题，机票超额预订是由于5%-10%的乘客由于各种原因没有登机，而航空公司在不确定条件下要超额售出多少张机票来弥补其损失，当有人不愿意下飞机后出现超额预订时，如何鼓励乘客改乘下一班飞机，这是运营规划的优化算法。范围的大小。不确定和不确定性随机或复杂环境下的决策困难NANCE也是人工智能和机器学习算法的弱点。
业务场景中的数据驱动决策优化
Mosek公司成立于1997年，已有20多年的历史，近年来，我国在人工智能的工业化和商业化方面取得了一定的进展，但优化算法却是整个人工智能推广中不可缺少的一部分，但它的确具有此外，在中国，甚至还没有看到用于机器学习和深入学习的底层开源求解器。
2016年年中，斯坦福运筹学的几位教授和博士生以斯坦福标志中的Sugi和大数据命名，创建了Sugi Technologies，并开始在中国推广运筹学的商业应用，开发用于机器学习的基础算法，以及深入学习。Sugi Technologies现在拥有京东等大型企业客户，2016年7月，True Fund和Northern Lights风险投资公司为Sugi Technologies提供了210万美元的天使投资。
卓王子，明尼苏达大学的助理教授，杉木科技的CTO，在2015年被美国运营研究和管理协会收入管理处提名为更佳实际应用奖。他参加了美国运通、华为、IBM、希捷等项目。其中，为IBM定制的定价策略系统在美国赢得了两项专利，为IBM.Moisten创造了巨大的利润。
Prince Zhuo在互联网时代引入了大数据驱动的定价策略。他认为，一个好的定价策略是企业的生命线，尤其是互联网商业模式下的实时定价，它决定着酒店、零售、航空、汽车租赁等行业和企业的生存与死亡，以及能否实现更大的可持续发展。发展。
那么，电商等实时企业如何才能获得更好的生命线，如何制定自己的定价策略呢首先，我们需要了解消费者的构成、偏好和消费行为等大数据。其次，我们需要在获得消费者或消费者群体的大量数据的前提下进行价格、时间、地点等销售决策，因此数据驱动的定价策略是在正确的时间和地点以正确的价格向正确的客户提供正确的产品和服务。
目前，杉木智能决策技术提供了一套完整的基于数据的定价解决方案，包括目标情景、基础模型、优化策略、有效算法、信息恢复、模型迭代等环节。在底层模型中，消费者在面对多种选择、不同价格、不同质量和其他信息时，会改变他们的购买行为。虽然有时会出现不合理的行为，但是仍然可以从大量的数据分析中抽取出规则，然后通过非线性、离散、高维、动态等算法，建立定价决策模型，设计出唯一、有效的算法来获得ac。更优解/高质量近似解。并行计算体系结构可以同时有效地解决大规模多SKU问题，更终实现在线更优解，满足实时性要求。不断变化，价格也在变化，动态价格调整已经成为许多行业的趋势，即在线学习消费者购买行为后不断更新算法模型。
2016年以来，公司创建团队凭借其独特的积累和定价技术，为电子商务、物流、旅游等行业的龙头企业提供了准确的定量软件开发和咨询服务，合同价值近2000万美元。
陈熹进一步介绍了联机学习与联机决策的联动效应和决策算法，联机学习与联机决策有两种基本选择：一种是通过更少的尝试使目标信息更大化；基于已经获得的信息进行决策以使收益更大化。一个典型的例子是多臂强盗问题（MAB）：不同的老虎机具有随机返回，一些具有低随机返回，一些具有高随机返回，还有一些具有高随机返回，所以如何获得相同的转速通过更少的尝试次数，尽可能多地使用老虎机，从而优化老虎机的策略2014年，卓王子、叶银宇等人的一篇论文讨论了单产品收益更大化管理的MAB算法。
多臂缝纫机MAB算法具有广泛的商业应用，如电子商务可以用于产品消费群体的认知和开发。中国杉木技术为CPM开发的e算法。当时，在美国，一个电子商务公司每月甚至每两周定期向女性客户发送一个装有五件衣服的盒子。客户可以选择支付一个项目，并返回其余部分。如果这五件衣服不喜欢，他们就会象征性地收集邮资，为了找出女性消费者的消费行为数据，将该算法应用于相关算法的开发。
陈熹强调，由于现实商业环境极其复杂，需要机器学习、统计分析和运筹研究优化才能做出更优的商业决策。
清华大学交叉信息研究所助理教授、杉木科学家李健介绍了一种基于时空大数据的机器学习算法，称为时空大数据，是生产中具有时间轴的地理大数据。李健说，随着社会、企业经营和工业生产向精细化方向发展，生产中一些关键的时空属性的预测和控制变得越来越重要。
大时空数据具有广泛的应用，如：对于交通状况预测，可以帮助交通部门调整和优化交通指挥和布局；对于给定的路线行程时间预测，可以帮助人们更好地规划行程；对于在线租赁车辆，.对未来一段时间内的订单量进行速率预测。区域分销可以帮助企业更好地进行车辆调度，从而提高车辆共享的效率；对于物流企业来说，对每个网点的交货量和交货量进行良好的预测，可以帮助企业更好地进行车辆调度。提高运输能力、人力等资源的调度，从而提高物流效率和增加收入；对周围障碍物进行无人驾驶预测障碍物的移动位置，可以帮助驾驶系统提前规划和调整路径。从而提高安全驾驶系数。
时空数据在各行各业中大量产生。这些数据的合理挖掘和利用，有助于生产商乃至整个社会提高生产效率。
人工智能的新浪潮：基于优化算法的快速智能决策
机器学习和人工智能是大数据时代科学技术发展的产物。近年来，取得了突破性进展。代表性的成果包括图像识别、语音识别、自然语言处理等。应用场景包括自动驾驶、智能诊断、无人机等，但是基于机器学习和人工智能的主流深层神经网络学习算法需要与优化算法相结合，以满足实际业务环境的需要。如超大规模、快速实时响应等。
乔治亚理工学院的终身教授Blu Guanghui研究了随机优化和非线性规划的理论、算法和应用，包括随机梯度下降和加速随机梯度下降，这些随机梯度下降和加速随机梯度下降用于解决随机问题。BLUE射线是世界上机器学习和深度学习算法的顶尖专家之一，也是中国更年轻一代优化算法的领导者之一。
所谓凸非凸优化，是国际上广泛研究的一组优化算法理论体系和求解算法。如果将优化问题转化为凸/非凸优化问题，可以快速给出更优解。简单来说，凸优化是指一个问题可以找到局部更大值或更小值，而不是凸优化是指一个问题，尽管不存在局部极大值。非凸优化就是寻找一些局部更优解，用于组合交易、路径控制、生产调度、资源分配、信号传输等。其他领域。
例如，根据航空旅行统计，在2017年6月21日至24日北京汛期强暴雨中，6月23日20:00至12:00有1105个航班延误，取消了3052个航班。根据受影响的航班、天气、人员流动等数据及时调整航班和列车，已成为影响整个社会经济运行的重要因素，这不仅是智能学习和预测，而且需要大规模、快速的实时响应来解决。实际问题。
蓝光公司介绍，自从2015年以来，大规模凸优化和非凸优化算法已经取得了很大的进展，已经能够处理上百万甚至上亿个变量的超大型数据集。该算法用于优化机器学习算法，大大加快了机器学习算法的速度。财经部将协同开发国内开源软件的优化求解器，并推动开源社区在优化算法方面的进步。
H2O和TensorFlow是两个更高级的机器学习求解器。其中，H2O是更早、更具影响力的开源机器学习软件之一。它服务于300多家金融和互联网企业，被全球70000多名数据科学家和8000多家单位使用。TensorFlow是由Google开发和推广的深度学习计算引擎。它也可以被用作一个通用的机器学习求解器。它是由GITHUB排名的世界顶级开源项目。它在语音识别、图像识别、机器翻译等人工智能领域有着广泛的应用。
Blue Bright介绍了杉木工艺优化求解软件在九个开放数据集上用两个求解器TensorFlow和H2O进行了测试，其中，在分类模型数据集上，杉木工艺求解器的求解速度远高于张量Flow。对于回归模型数据集，在三个开放数据集上的对比试验表明，在不影响解的精度的情况下，通过选择合适的超参数，杉木技术的解速度可以达到更优解。Y求解软件仍然比TySoFoSoW快几倍，预测效果大致相同。
与H2O相比，对于分类模型数据集，在几乎相同的预测精度条件下，杉木技术在几乎所有数据集中的速度都比H2O快得多，而对于回归模型数据集，杉木技术求解器的速度是选择合适的超参数比H2稍慢，但预测精度远高于H2O。
也就是说，在人工智能的新浪潮中，中国科学家已经掌握了不落后，甚至领先于国外的核心算法和软件工具，与中国企业的业务流程无缝优化算法代码，真正掌握了来自单个智能体的软实力。团队协作智慧。
核心算法是一个国家的软实力。只要互联网不死，数据和信息不死，算法就永远存在。一个国家只有掌握了核心算法，才能在未来一波又一波的人工智能浪潮中取得主动。叶银玉阶段化的
2017年钛媒体人工智能大师圆桌会议将在第一阶段顺利召开，并将在工业上产生广泛影响。明年7月和8月，我们将继续组织高维预测和大型数据处理，人工智能：不确定性博弈，人工智能企业家欧洲邮轮与硅谷，人工智能社交网络四面对面机会与主人。
