北京明略软件系统有限公司、秒针系统创始人兼董事长吴明辉在2018中国人工智能产业年会作了题为《人、机器、组织三位一体的HAO智能，推动行业AI落地》的主旨演讲，吴明辉表示，明略数据通过对人类智能HI、机器智能AI和组织智能OI三位一体的集成，构建了新的人工智能理论 -- HAO智能，来打通感知智能与认知智能，将深度学习与行业知识图谱相结合，用以扩大行业人工智能的应用领域，加速人工智能技术商业化落地，让人类生活变得更加美好。
2018年12月9日，吴明辉董事长在2018中国人工智能产业年会作了题为《人、机器、组织三位一体的HAO智能，推动行业AI落地》的主旨演讲。
以下为吴明辉演讲内容实录
吴明辉：各位来宾大家下午好，非常荣幸今天能够受邀参加吴文俊奖的大会，我们这次也是在人工智能企业工程落地这块得了一个奖，今天我给大家汇报的题目是跟大家分享一下我们在这块的一些进展。
其实在今年9月份我们发布了明智系统2.0，在这个系统里是尝试打造第一个能够自动化的AI推理的引擎，早上听到陆汝钤院士分享他在上世纪80年代就推出了推理的这个知识工程语言，我们希望能够把这种推理能力通过工程化的手段真正在我们行业里面应用落地。
当然我们今天最主要的落地的行业其实是在公共安全领域，因为大家知道公共安全领域里面是需要真正使用推理的方法解决案件的。尤其前面几个演讲嘉宾，大家都分享了大量的用图象识别的方法来做，而这些识别的方法其实替代的都是保安，我们真正缺什么?缺优秀的公安干警，那些有情报、研判能力的警察。
我们中国整个的公安系统里面其实每一个警察所服务的老百姓是全球警员服务平均数的三倍，我们其实一直希望用一个更好的AI引擎帮助他们解决这个问题，在我们这次得讲的产品里面其实第一次把符号系统和我们的深度学习统计学习的能力能够很好的结合起来，把视频、音频、包括自然语言非结构化的数据通过各种算法进行结构化，结构化成了标准符号，最后联接成为知识图谱，在知识图谱上进行智能的研判，推理，这是我们一个非常好的新创新。
在几个月前，张钹院士发表过一篇文章，曾经讲过人工智能领域里面，虽然今天有很多的进展，但还是有很大的局限性，我自己对这件事情非常深刻的认同。为什么会有这个情况呢?今天确实我们看到了这一代人工智能所谓的深度学习智能时代，今天所有的算法大家都是使用深度学习做不断的尝试。这些尝试其实不能完美的解决所有问题，而且它解决是我们人类社会里面最基本的问题，就是对外界的感知，是一个识别的问题，而我们的人类更多能力比如说推理能力、决策能力，这些能力是很难通过统计的方法，很难通过深度学习的方法来解决的。
我们下一代的人工智能方向应该是从数据驱动的，逐渐朝知识驱动发展，如果能把这两个连接起来，可能是未来一个解决的方法。明略在过去四年多里面我们一直在这方面进行尝试，尤其是在公共安全里面有了很大的突破和进展。
当然大家都知道我们在金融行业里也在做很多的尝试，金融行业里面做的工作也是跟公安行业里面做的是一样的，主要解决风控、监管类的工作，其本质与公安领域中关于案件的分析研判方面的数据分析工作非常一致，因此非常适合用推理的模式去做。
我们把人工智能算法落地在产业的时候，我们经常看到一个很大的痛点，就是一个算法没办法100%解决一个问题，只有80%甚至90%的准确率，好像就没办法完美的实现我们最后的目标，所以我们经常会看到产业里面做出来很多的产品，比如对话人机交互的产品，完全不是人工智能，就在我们昨天内部的座谈会上当时提出，我觉得这些都不是人工智能产品，是人工智障产品，大量的产品基本上用两下就用不了了。
如何把最后一公里的问题解决掉?我们一直是通过一个框架，通过一个模型在产业落地人工智能算法的时候，能够去把这部分解决。当然了，我们行业里面很多的学者都提出，比如说我们使用多模态的方式，我们引入各种各样不同的数据，不同的模型在上面去构建更复杂的模型。
即便是模态，你也不能把所有的问题全部去解决。算法在真实的应用场景里面都是有局限性的，如何去把这个解决是不仅是在座科学家们，也是我们产业界里面搞技术的同事们大家一致努力的目标。
就像我们在做人脸识别过程当中，我们经常在公共安全领域里面遇到了现实的课题是什么呢?就是你会发现这个算法评分，我们在Internet上打比赛第一名、第二名或者打第十名，其实在公安的场景里面我们用起来的时候差别都不是特别大，我们很多场景下看到一个真正的案件场景，一个犯罪嫌疑人潜在的人像是模糊不清的，或者即便是相对清晰的，但是真正跟后台的人像库去匹配，可能有上千个人跟他相似度是70%以上的，而且有的时候并不是相似度最高的人是最后的嫌疑人。
我在早期参与过大量案件研判过程中，我们发现了这样普遍的情况。所以你是沿着一个单一的技术一直做到最顶尖的状态，看起来也不一定是产业落地人工智能算法的一个最理想的方法。而且也很遗憾的看到，今天外面的展台上，这么多人工智能的企业，其实讲的更多案例还是安防。而且真正在安防里面用的最好例子，不是识别，是验证。我们不管是在机场，还是在酒店，其实都是你要放一个身份证然后去验证。
当然，验证的算法大家都知道很简单，你把识别的阈值降到低一点也就过了。但是真正要想做到100%准确的识别是太难了。如何能够把人工智能的算法今天在有一定缺陷情况下，应用到真实的场景里面是我们很大的问题，这是我们特别希望解决的。
我自己个人有一个观点，人工智能在这一代应用里面最成功的其实是搜索引擎和推荐系统，原因很简单像百度、搜狗、360这些搜索引擎，包括推荐系统，它对于一个用户来讲它解决的问题不是完美的解决，比如说你在百度的搜索引擎搜索“吴明辉”，我可能想要的那篇文章不是在第一页第一条展示出来的，有可能在第二页，甚至在第十页。虽然它的准确率并不是100%，甚至只有30%，但是它能够给普通的用户带来的体验相比于传统图书馆体验已经有巨大的提高。
这样巨大的提高会使得用户有很好的体验，会把希望原来用户迁移到新的环境里，从而在新的环境里沉淀出来使用数据，这个使用数据一旦沉淀下来，可以跟系统形成正向反馈的作用，就可以使得整个环境形成一个闭环，从而使得这个系统不断地进步，可能从排到第10页，逐渐再过一年排到第9页，排到第8页，可能有一天能排到1页。其实不排到第1页也没有关系，因为整个应用已经形成闭环了。
我们真正人类只能在使用过程中也一直都是这样的，没有一个人保证永远都是正确的，所有人都会犯错。问题在于犯错之后我们有自我意识，能够通过自我意识感知这些问题，挑战困难，逐渐克服，把这些问题解决。
我们提出了一个HAO智能模型，这个是我们特别重要的想法，这个HAO智能模型是我跟明略的首席科学家吴信东教授一起提出的，这里面核心的三个字母：
第一个H，Human大家都都提到了Human Intelligence，人类智能。
第二个A，这个是Artificial Intelligence，机器智能。
第三个O，Organization Intelligence，组织智能。
我们的目标是人和机器通过一种方法，通过一个框架打造成一个统一的组织，我们很多的组织学界的朋友都提到今天是好的应用场景是AI Plus HI。但是我们也发现了在一个TO C的场景里面，面向消费终端的绝大多数场景里，虽然你的用户和机器交互过程当中，更多的体会不到人工智能的快感，更多的是体会到人工智障的尴尬。但是在企业服务里面，在面向组织应用里面，如果能够把人和机器很好协作起来的话，是可以产生很好的应用效果。
为什么呢?在组织里面并不是以人个体的工作目标作为总目标的，它是一个组织的总目标作为目标的，这个时候每一个个体虽然不一定实现更好的体验，但是整体的组织目标有一个很好的方式实现和达成。这是我们看到这个框架里面特别有价值的一个点，所以我们提出HAO智能框架的模型，如果把这个模型里面的大数据和大知识工程去掉的话，我们传统的人工智能模型，有感知的过程，有环境，有响应的过程。
在这里面把专家系统也引入，我们希望在这个环境里面能够让最终的用户和专家在跟整个系统互动的过程中能不断地让数据和知识进到这个平台上，能够让所有的用户沉淀数据。就像我们今天在公共安全行业里面，现在明智系统2.0已经服务了全国几十家城市级的公安局，所有的警察在去使用这个系统做研判的过程，其实是在沉淀他们使用方法的数据，给到这个平台，让这个平台可以自己进步。
我们也可以看到今天在最大的互联网公司，不管是阿里，还是腾讯，他们整个后台系统，比如说双十一自动的Call Center，这里有一部分是人工完成的，有一部分是机器完成的，它是通过统一的框架能够让人实现的东西再交给机器人，机器做好了同时让人学到，我认为，今天在人工智能没办法100%解决一个业务问题的时候，这样完整的框架是一个非常理想的方案。而HAO智能这个我们经过很多思考提出的框架前两天在新加坡举行的IEEE ICDM大会上做了一个发布。
在这个过程中最核心的就是如何能把人进行数字化，我们都知道机器从第一天就是数字化的，人如何数字化，不管是专家脑子里面的知识，还是在这个系统中使用这个系统的用户，如何把他们数字化，这个数字化的过程是很复杂的，所有的东西都数字化了，最后才能形成一个组织大AI的闭环。
在这个大的闭环实现之前，一个组织都不能称之为用人工智能改造完了。这种情况下人工智能的算法都是在局部解决问题，没有办法产生最大化的价值。而完整的数字化和在线分析解决之后，才有可能实现最终大的闭环。
所以这个过程，如何感知这些数据，并把它们结构化，使得人能够读懂?而一个人的大脑是能够读懂感知符号的。举个例子我们在公共安全领域把所有的视频图象看不清楚的嫌疑人，虽然看不清楚他是谁，但是我们可以把他结构化成一些人类可以读懂特征，比如他的体态是不是胖，穿什么衣服，戴不戴眼睛，是男性还是女性，这些都是人类可以读懂的符号，是可以连接到后台的其他数据源产生的知识图谱之上的，并最终产生知识，再跟人的大脑的逻辑推理结合起来进行互动，这是非常有效的方法，这是我们称之为把感知和认识真正打通了。
举一个例子我们在一个地市级公安局曾经遇到过这样一个案件，在一个公路上，有一个司机，然后因为被前面另外一个司机撞了一下，所以从自己的车上下来，把前面的司机拖出来打了一顿，然后扬长而去，这样的案子实际上用传统的视频识别按道理应该不难破，但是车辆并不是驾驶员所拥有的，这个车主你也找不到的，驾驶员开的是另外一个人的车到这个地点的。
整个这个视频最后看不清楚肇事者到底人脸是什么样的，只能看是体态略胖的人，我们在整个案件过程当中其实是结合其他所有数据，再加上跟车辆虽然并不是这个车的车主肇事了，但是可能这个车有其他很多信息，比如说违章信息，在其他交通卡口里面路径的信息等等，这些信息通过数据挖掘，把这些潜在的知识推理出来，再把这些知识结合最后研判，就是公安干警脑子里面的逻辑进行人机交互，最终形成完整的闭环。
之前这个案子没有使用明智系统之前，已经整了一个多礼拜了，这个案件在互联网上传播的非常严重，后来当地的城市领导把案子交给使用我们系统的部门的警察，系统研判5分钟之后就把这个人找到了，然后就抓捕回来了，这个过程其实是一个非常成功的案例。
在这个系统背后，我们在这个城市公安局里面所建立的知识图谱系统，结合了前面其他感知数据，里面有十几亿的实体，有几十亿的边，同时还有100多亿的事件，我们是在这个知识图谱系统里面，第一次把这个事情引入到知识图谱里面做逻辑推理，事件里面就存在了时间、地点、人物等等的信息，这是我们第一次把知识图谱里面引入事件的一种概念。
同时我们把更多的感知数据和更多的知识结构引入到这里面，我们又帮助干警通过专家系统的方式把当地一些常见的案件的知识模型引入到系统里面，对最终破获这个案件也有极大的帮助。
我们整个的公安大脑，今天其实是在很多的城市里面越来越多去破那些用直接的感知智能的方式没办法一次性破掉的案件。我们还有一些例子本身的犯罪嫌疑人他们的反侦查能力很强，他们自己开车逃跑的时候，车牌也被挡住了，人脸可以通过简单的遮阳板挡住了，我们完全用传统的纯视觉识别的方法是解决不了的时候，我们通过其他数据的维度，结合推理的能力，把潜在的嫌疑人抓捕归案，我们也是感觉非常有成就感。
我自己的父亲也是个警察，他早已退休了。因此，每次帮助警察去破案的过程当中，我自己也是非常有成就感的。当然我们未来特别希望能够把这种能力，不仅是在公共安全里面应用。相信引入了这种能力，把认知智能跟感知结合起来，其实是有机会帮助各行各业做决策的，不仅仅是做识别的能力，更多的可以帮大家做决策，我们最近在一个线下的连锁餐饮企业，未来可以拓展到更多线下的零售企业里面，把餐厅里面的摄像头的数据，首先进行结构化，再结合后台的餐厅管理的知识图谱，结合到一起，最终可以帮助这个餐厅做智能化的管理。
帮助他们餐厅研究人员的部署，研究他们整个供应链的优化改造等等，这些工作其实未来在餐厅真正的决策层面是有很大的帮助。大家知道餐厅缺的并不是服务员，也不缺保安，缺的其实是真正的能够管理好餐厅的店长，一个好的店长和一个不好的店长在同一个店面经营过程当中，他可以使这个餐厅经营业绩差2-3倍，所以这是他们最需要的，我们希望能够把一个完整的人工智能闭环带到一个组织里面去，把人类的智慧和机器的智慧很好结合到一起去，这是特别好的研究方向。
在昨天的闭门会上，思必驰的余凯老师也说,今天的科学家都需要特别好的经纪人，我们发现经纪人是不够的，我自己在这里面也想打一个广告，我们公司跟全国很多知名人工智能研究机构和高校一起合作，我们在构建HAO模型的框架，它最大的特点是可以把我们不同的领域的人工智能技术，那些碎片化的技术通过统一的框架结合到一起，把他们的能力作用到一起，发挥到最大，而且能够把这里面本身人工智能模型解决不了的复杂问题，最后通过人的智慧融入到一起去解决，这是我们构建模型最终的目标。
当然，今天只是刚刚开始，我们这个HAO智能框架是在向公安的领域里面得到了一个很好的应用和展示。未来我们希望跟更多的科学家一起们来合作，今天是产业界需要跟科学界拥抱，我们要抱科学家大腿的时代，我们特别希望能够在这些领域里面跟在座的朋友们一起合作。
我们最终的目标是什么呢?我们最终的目标其实是能够在人工智能的时代打造最理想的人机协同，能够帮助每一个人去赋能。今天我们每一个工作人员都在不停地给人工智能做标注，我们在分析大量的数据，帮助他们去提高。我们也希望通过这种模式能够让机器最后帮助我们每一个人。
在机器里面可以不断地挖掘数据，最后产生知识，机器向人来分享数据其实是不靠谱的，我觉得机器应该向人分享的是知识。我们每一个人可以通过全世界很多的人协作工作标注出来的数据，提供给机器，结合机器智能，分析挖掘出来大量知识。只有我们人向机器学知识，这时候人机协同的模式才能更好做出来，这是我们最终的理念，我们人类标注数据提供给机器，而机器挖掘出知识给人类，人和机器共同的进步，我们一起来打造HAO智能模型。
这是今天我们在整个获奖背后以及发布HAO模型背后的理念，我的分享就到这儿，谢谢大家。
