百分点CTO刘译璟：让IT系统拥有自己的合理“世界观”

在游戏世界里，有形形色色的玩家，正如现实生活中的千人千面，他们角色不同、职能不同，为了打掉终极大boss，一起配合组队，攻击、防御、疗伤，不断利用差异互补和团队协作，提升角色实力一路升级。

那么，整个游戏机制是什么？如何看待自己的角色和他人的角色？怎样更换队伍配置会更高效？用百分点CTO刘译璟的话说，这个过程，是一路摸清世界观的过程。

回到现实生活，“我们每天要面对各种各样的问题，做出大大小小的决策。无论这些问题和决策是技术的、业务的还是管理的，当你在理解问题、分析问题并作出决策时，你的世界观和价值观都在背后发挥着重要作用。这是人的认知和决策过程。”

从用户画像到世界画像，让IT系统拥有自己的合理“世界观”

2018年，中国互联网络信息中心（CNNIC）发布第42次《中国互联网络发展状况统计报告》。截至2018年6月30日，我国网民规模首次超8.02亿，普及率为57.7%，几乎是十年前也就是2008年的4倍。当时，我国网民数量达到2.53亿，首次大幅度超过美国，跃居世界第一位。

但同时，互联网的发展让信息成为唾手可得的资源，甚至是垃圾。如何让用户从信息暗海中找到合适的信息？又如何让用户更便捷地享受信息带来的服务？本质上，我们期望的是IT系统可以理解信息、理解用户，并做出合适的匹配。

这就不得不重视“IT认知”的能力，也就是要让IT系统拥有自己的“世界观”。一旦IT系统拥有了可以反映现实世界的数学模型，那它就有可能通过数据理解现实世界的运行，进而做出更好的决策，这样的IT系统是智能的，可以帮助用户更好地工作和生活。

2008年首次成为互联网第一大国的中国，国内电商正处于高速发展阶段。资本开始进入，行业开始思考如何提升电商的运营效率和用户体验。国际电商巨头亚马逊在当时宣称，有35%的收入来自个性化推荐。即利用个人档案、搜索记录以及他人的用户行为，学习、预测出用户的兴趣爱好，比如“猜你喜欢”、“购买过此商品的用户还购买过”等功能，这主要为一套信息过滤和推荐系统。

据报道，推荐系统给亚马逊带来了35%的销售收入，给Netflix带来了高达75%的消费，并且Youtube主页上60%的浏览来自推荐服务。“但当时，天猫、淘宝、京东都还没有个性化推荐功能。”基于市场环境和需求，2009年百分点创立，当时创业团队的口号是：让人们在信息暗海里找到自己真正需要的信息。

2010年1月1日，百分点正式上线了个性化推荐的第一版产品，以SaaS服务的形式和第三方的身份，向用户提供特制的SDK。电商平台在植入SDK以后，百分点会利用用户在平台上的一系列用户行为计算用户画像，根据用户不同的场景计算产品的相似度、用户的相似度，帮助电商企业精准运营，提高销售量。刘译璟向表示，百分点是国内的首家提供第三方用户画像和个性化推荐的服务商。。

让系统理解用户需求并做出产品推荐，这正是认知智能的应用。

人工智能目前是技术驱动，很危险

这一轮的人工智能是从2016年开始火起来的，但刘译璟认为：“这是一场技术的驱动，而不是市场的驱动，这是很危险的一件事。”技术驱动所带来的后果是，由于技术超前，市场应用跟不上，资本方、企业方看不到应用价值、客户痛点没有被解决，因此很多人就会失望，就会变成泡沫。

“人工智能领域，没有什么新的商业模式，典型地都是在优化已有业务，而不是做开创新业务。”

从目前市场应用落地的人工智能来看，大多分为两种，即感知智能和认知智能。但其实从历史发展角度看，最初的人工智能是计算智能，如神经网络和遗传算法的出现，使得机器能够更高效、快速处理海量的数据。

发展到后来，从计算能力、到五官、到理解，IT变得越来越像人一样，出现了感知智能和认知智能。感知智能说白了就是让计算机系统能看见、听见，认知智能更重要的则是能理解、交互，解决沟通的问题。

据了解，目前百分点关于认知智能主要有几大核心技术，包括深度迁移学习、多语种NLP、知识图谱和语义计算、会话式交互分析。从百分点的发展阶段来看，主要分为三步：第一阶段是2009年到2013年的专注于个性化推荐SaaS产品的开发与应用，2014年转型探索企业级服务，随后2016年开始深耕和聚焦行业 ，并进军海外市场 ，逐步形成目前的企业级、政府级和 SaaS 服务 三大业务体系 。

结合公司的发展历程，刘译璟介绍，在技术方面他们最早基于机器去做自然语言处理，后来做深度学习，现在全面转到了深度（迁移）学习。“这是一个技术上的进展，带来了效率上的提升，以及效果上的提升。”

而多语种NLP技术则与目前的出海业务紧密相关，比如要做英语、法语、俄语、阿拉伯语等，“以前我们主要做中文，因为现在有很多海外的业务。所以需要去扩展技术边界。”

最后的会话式交互式分析实际上是把深度迁移学习、知识图谱和语义计算都结合在一起，让系统通过自然语言与用户进行会话，交流数据分析的需求和结果，而后提取数据并以可视化的方式呈现给用户。更进一步，系统还可以主动分析数据并把具有商业价值的结果推荐给用户。这都能极大的拓展用户使用数据的范围和效率。

实际上，人工智能的发展与人的启蒙是一样的。人的思维分为归纳和演绎，归纳是从接触大量的个体积累经验之后，推及出普遍现象，就像基于海量数据的深度学习。

“当知识图谱成为一个热点的时候，其实大家已经认识到这一点了，深度学习做不了所有的事、机器学习做不了所有的事。换句话说，只有归纳做是不够的。”

也就是说，眼下热门的深度学习只是人工智能的一个分支，甚至是很小的分支。

从一开始产业互联网最容易进入的零售业消费端，