在前不久达观数据主办的“2018长三角人工智能应用创新张江峰会”上，邀请到了达观重要合作伙伴SAP的高级副总裁黎文宪博士，在现场进行了《机器学习赋能智慧型企业》的主题演讲。
SAP是欧洲最大市值的上市公司，也是全球是最大的企业软件公司，在中华区总共有超过5700名员工，对整个商业市场的影响力非常大，全世界76%的交易会接触到SAP的系统。
在入职SAP之前，黎文宪曾在位于美国硅谷的IBM阿尔马登（ Almaden）研究中心工作。他是2004年CeBIT美国最佳企业软件奖和2007年IBM研究奖的获得者，并参与编著3部由Springer出版的著作 。他合作撰写在各领域的出版的期刊和会议论文共计100多篇，并合作发明了100多个已经授予的美国专利。
以下根据黎文宪博士演讲内容整理，内容略有删改。
SAP关注的企业运营和一些新兴的互联网公司不太一样，更倾向于一个传统的ERP的场景。传统上的制造型企业，收到一个客户订单，会按照订单进行生产排程，并开始制造，这是多年以前在还没有电子商务时的营运模式，是从车间到顶层的对接。
电商兴起以后，很多的订单从电商系统过来，定制化需求变多，所以必须要更加地自动化，实现电子商务的集成。除了跟客户的联系以外，还会跟供应商进行联络，比如哪些原料必须在什么时间进货，自此来满足生产需求。除此之外，除了满足机器与机器的对接，还要把机器制造的状况同步到云上，由各种服务供应商提供机器的维修或是运行状况的分析。
我在1994年读博士期间于VLDB发表了一篇论文，比较幸运，当时就开始神经网络的研究了。我在某著名飞机制造公司做实习生的时，用神经网络分析不同厂家生产的零件在飞机上使用的损害状况和在不同型号的飞机上使用的状况，分析哪些东西有问题，哪些制造商的东西不好，所以我在24年前就开始研究神经网络。另外，在SAP，部门致力于SAP内存数据库SAP HANA上的预测分析平台的开发，包含预测分析库(PAL)，还有开源的R语言和SAP HANA的整合，这些都是由我们在上海张江的团队做的，非常荣幸。
从40年代到90年代，传统机器的算法已经非常成熟，我个人认为这是比较难以突破的。包括深度学习也曾在到了一定的阶段后，中间有着将近20年的停滞期。我当时写论文是写在自己的普通电脑上，性能不佳，也没有办法商业化，因为成本太贵了。但是随着大数据的兴起与GPU的出现，深度学习已经得到了非常迅速的发展。其实最近AI的研究非常的火热，新的神经网络结构出不穷，各种应用环境都已经成熟了。
从左边到右边，在这个发展历程中，人工做的重复性的工作会慢慢被自动化与智能化取代。取代并不是把这些人赶走，是希望这些人做一些更高价值的任务，包括创新等等。人负责的事情是在转变的。当然，当人工智能更加成熟，高价值的任务也可能部分的被人工智能取代。
上图是SAP的智慧企业架构。其实SAP在上面这个地方是基层，以SAP ERP这样的数字化核心为中心，加上制造与供应链、客户体验、人力资源管理、和网络与支出管理。下面叫做数字化平台，包含数据库大数据平台与云平台。中间的是智能系统，利用人工智能、机器学习、分析和物联网等技术，将上下两块有机的集成为一个整体。
传统企业变成一个电商，比如阿里巴巴或亚马逊，不是一个传统企业加上一个网站就变成了互联网公司，其中有太多文化的改变和流程的改变。智慧企业也不是一个传统企业加上人工智能部门就变成了一个智慧企业。
第一个就是人才，人才是最重要的，因为把所有的算法到落地需要靠人才来做，目前在国内人才成长的非常快。
其次，数据的处理。国内有很多的高校也都在教授算法的课程，难的是数据截取，这是最重要的事。我们可以一下拿到很多数据，比如说物联网的数据，如何能够高效的自动化的做数据处理才是关键。并且因为数据规模与算法的因素，人工智能机器学习的软件开发，与传统的企业流程的软件开发，还是存在着一定的不同。
谷歌曾做过一个试验，在一定的场景下，机器进行图像识别，其错误率其实已经优于人眼。在很多情况下，算法模型并不是那么容易进行突破，但是在神经网络中利用更多的数据，或有更多的计算能力，其实可以有更大的网络，它的效果会更加好。这也是为什么企业需要有大数据平台为先，因为历史的数据积累在这里面非常关键。但并不是说你要有非常海量的数据才开始做。
所谓的良性循环和恶性循环，假设有一些用户开始用这个产品，客户增加，数据就增加，产品也会进行改良。最近几年，类似于迁移学习这样的概念也很流行，可以利用其它的数据训练，为模型打下一定的基础。
我们曾跟一家日本的公司合作，在东京街上做过一个试验，有点类似于自动驾驶。我们用有多少人在汽车的附近走的时候与汽车相对速度，来分析判断司机开车的行为是安全的还是不安全的。比如现在是否有非常多的人在走，没有人的情况下，汽车才可以往前走。这个试验在国内也进行了很多展示，德国总理默克尔也亲自看过这个项目。
还有挪威的例子，风力发电厂离德国和中国都非常远，如果出现问题，该怎么进行远程诊断？利用VR的设备，通过地图可以把这个东西用VR进行展现，虽然是电子化，其实数据是从挪威5个风电机组发出的，出现红色表示压力不正常。我们再把这个单独做一个分析，分析这些地方有没有问题，哪些零件需要换，需要安排哪些人来修。这是一个非常好的可以用人工智能与机器学习进行维修分析的例子。
最后提一点，很多人担心人工智能会不会取代人类？举个例子，自动驾驶。一个人坐着自动驾驶的汽车正以高速在高速公路进行，正好有5个人乱穿高速公路，刹车已经来不及了。那么，有几种方式，第一种是不小心把这5个人撞死了，这个人可能不需要负主要责任，因为是他们乱穿越高速公路。还有一种是自动驾驶转到其它车道，撞死了1个人，这是不是稍微好一点？还有一种选择，自动驾驶自己驾车撞墙，驾驶人自己可能会死。这种自动驾驶的电车难题比较复杂，没有明确的答案。
回到企业管理领域，我们用了人工智智能也思考了一些东西，比如说我们的销售系统是追求利益最大化，是从客户那边获得最大利益、还是提升客户满意度，还是满足企业社会责任、员工幸福度还是品牌满意度？究竟什么重要，如何去均衡，这也是一个值得思考的问题。这是我们做智慧企业中的人工智能时，也要考察的逻辑和优先顺序。
阅
