欧洲杯体育取 0 即是不放在背包里-开云「中国」kaiyun体育网址-登录入口
发布日期：2025-12-03 09:33 点击次数：143
以下著作起头于中原基石 e 知悉 欧洲杯体育，作家叶荫宇
第三期中原基石数智期间迷惑力特训营热招中！
作家 | 叶荫宇，首位冯 · 诺依曼奖华东谈主得到者，好意思国斯坦福大学料理科学与工程系及蓄意数学工程研究院的隆起终生锻练
起头 | 中原基石 e 知悉，料理知悉
商量配合 | 13699120588
本文凭证叶荫宇锻练在 2024 中原基石第十一届十月料理岑岭论坛上的演讲整理，著作仅代表作家本东谈主不雅点（未经本东谈主审核）
叶荫宇，首位冯 · 诺依曼奖华东谈主得到者，好意思国斯坦福大学料理科学与工程系及蓄意数学工程研究院的隆起终生锻练，斯坦福料理科学与工程系工业定约主任，上海交通大学东谈主工智能研究院首席科学家、香港汉文大学深圳研究院首席照拂人科学家
很是感谢中原基石给我这个契机跟诸君碰面。我是斯坦福大学的，目下亦然上海交通大学、香港汉文大学深圳研究院的兼职锻练。今天陈说一下我是怎么拥抱东谈主工智能的。
决策智能——东谈主工智能的落地有规划之一
怎么拥抱东谈主工智能？对咱们来说即是要东谈主工智能落地。怎么落地？我以为要把决策，无论是宏不雅决策如故微不雅决策，王人概况智能化，让 AI 这个器用来匡助咱们。
我是作念运筹和料理研究的，或者称之为"数学优化"。运筹学，OperationalResearch，其实咱们国度很早就有华罗庚先生研究优选法，这是我的专科之一，其后钱学森先生也作念了好多运筹学方面的责任，亦然我的学术范围。1982 年我去好意思国念书，很是有幸和斯坦福大学运筹学研究者们一谈责任。
（一）东谈主工智能的三个渐进头绪
我认为东谈主工智能有三个渐进阶段。
第一，感知智能。是指将物理天下的信号通过录像头、麦克风或者其他传感器的硬件开荒，借助语音识别、图像识别等前沿本领，映射到数字天下，再将这些数字信息进一步进步至可知道的头绪。访佛于将多样信号通过传感器等东西，输入到咱们的大脑，存储起来。
第二，知道智能。是指 AI 系统基于既有的常识体系，通过处理和相识感知到的信息，来完毕对复杂问题近似东谈主类知道流程的诠释和展望才能。这个流程是作念一些简便的分析。
第三，决策智能。AI 系统凭证知道分析和推理收尾，高效活泼地陆续环境和高下文信息，全面评估可能性，作念出基于特定有规划的最优决策的才能。AI 匡助咱们的决策愈加优化，风险最低。这是东谈主工智能的第三个阶段。
（二）决策问题的中枢特征
这三个阶段高超关联，但决策问题不同于一般的简便的感知和知道，有着区别于感知及知道问题的昭彰特色。
1. 有规划 / 精度导向
决策时常有廓清的有规划与收尾，带来明确且时常易于不雅测和评估的价值创造，因此东谈主类关于进步决策效能的追求险些是永无极端的，也使得最优化险些成为决策的代名词。决策的精准度成为中枢诉求。
2. 因果 / 可诠释导向
决策问题时常高度依赖关于可诠释的因果关系的识别与相识：一是决策效能出现偏差时，可快速归因与调理；二是决策时常与包袱高超关系，因此需要明确的因果关系作念包袱判断。
3. 鲁棒及复杂性条款
由于决策收尾关于决策复杂环境及对象有极为径直的影响，因此决策流程中，关于底线的保护以及关于沉稳性的条款险些与极大化价值调换宏大。咱们的决策必须要有一定的鲁棒性（robustness，即是系统的健壮性。它是在额外和危机情况下系统糊口的症结）。
4. 时候 / 资源敏锐
由于浓烈的利益导向，决策问题时常蕴含有明确的老本收益考量，再加上大多数现实天下中的决策王人无意候截止，因此决策问题时常需要在较少的时候和资源下得到细致搞定。
（三）隧谈的学习道路类智能的显然时弊
基于复杂决策问题的以上几个中枢特征，隧谈的学习道路（险些已成为 AI 的代名词），在面临复杂决策问题时有显然时弊。学习（Learning Algorithm）型算法面临的症结挑战有以下几个方面：
第一，深度学习等学习算法体系，诚然在部分复杂问题上概况提供比传统的优化方法更好的近似解，关联词在现实生活中更为常见的决策问题上，却难以提供合适条款的高精度解。
第二，深度学习等学习算法体系是典型的黑箱机制，诚然连年来也有好多在锻真金不怕火流程中引入可诠释机制的探索，但其根底逻辑难以支柱完善和廓清的可诠释性，很难自满高价值决策场景下的条款。
第三，受限于黑箱机制以及穷乏廓清的逻辑推理流程，如深度学习等学习算法体系在复杂环境下，无法提供廓清的畛域界说以不断解的范围，导致出现倒霉性收尾的可能性大大加多。
第四，由于穷乏廓清的可控逻辑结构，以及关于数据自己的高度依赖，如深度学习、大模子等学习算法框架的锻真金不怕火，关于能源及算力等资源的消耗远远超出预期。而决策问题既浩繁存在，又时常蕴含廓清的参加产出比逻辑，因此仅从资源参加角度看，AI 本领对决策问题的往常撑持王人很难在现时的学习算法框架下完毕。
东谈主工智能过头落地：让东谈主工智能作念一些东谈主类作念不到的事
底下会举一些例子，讲讲大模子以及东谈主工智能和怎么落地陆续起来。
决策知道，不是简便的大模子就不错处理的。有一个很是微不雅的决策问题，在运筹学界也詈骂常经典的问题，即是背包问题。我有一个 5 公斤的背包，有 5 个物件，每个物价有两个属性，第一，重若干，第二，价值若干。应该把哪五个物件放在这个背包内部，使得背包里产生的总价值最大，关联词又不逾越咱们的产能？不错把这个问题行动 5 个阵势，资金投资惟有 500 万，要投到哪几个阵势中？也不错行动是坐褥线问题，有某些居品，先坐褥什么，后坐褥什么，怎么决策是最优的？
咱们怎么能智能决策呢？时常缔造一个数据模子，比如说这五个物件，我会分袂界说一个变量，这个变量要么取 0，要么取 1。取 0 即是不放在背包里，取 1 即是放在背包里。咱们要什么？要使总价值最大，时常是有规划函数最大。关联词必须自满一些不断，这些不断是什么？若是决定哪些放在背包里，内部的分量不成逾越 5 公斤，王人给你恢复好了，这是数学建模。在座诸君的孩子在中学或者小学，目下王人稀有学建模的阵势或比赛。
那么，东谈主工智能，或者说 GPU 能不成帮咱们搞定背包问题？咱们其时问到 ChatGPT，它说这是经典的背包问题，不错用一个数学的优化问题来搞定。这一句证据它还是感知到了。关联词 ChatGPT 的恢复是，把 1、3、5 放入一个背包中，总价值达到了 53 元，也即是说投资这三个阵势。1、3、5 放到背包里，总分量是 6 公斤，就要逾越背包的承重了。是以，这个恢复是差错的。只是凭教化感知咱们找不到问题的最优解。
2023 年，不异问这个问题，如故给了差错的恢复，咱们告诉它这个恢复是差错的，要从头念念考一下。它说把 1、2、5 放进去。这样产生的价值是 43 元，分量是自满了，惟有 4 公斤。但这个问题最优的谜底是什么？是把 2、3、5 放进背包里，总价值 45 元。
这证据什么问题？证据 ChatGPT 目下的大模子也不是全能的，这还只是放 5 个物件的问题。咱们必须要进行进一步的调教，要援用大鸿沟的优化的求解功能或者算法来把最优解找出来。目下华为排产，10 万个零件，怎么找到最优解？深圳目下经济发展得很好的是跟 AI 关系的产业，刺激了大宗的 GPU 坐褥商、芯片商。需要有芯片就必须有电路板，到深圳去看，到东莞去看，坐褥电路板的企业订单大宗加多，每天要排 1 万个订单的量，怎么排到各个坐褥线上，每个坐褥线就像一个背包问题。5 个王人恢复不了，上万个订单排到 100 个坐褥线上，哪个订单放在哪个坐褥线？按照什么次第去坐褥？这是东谈主力够不上的。
是以，人人不要说咱们但愿东谈主工智能代替东谈主，或者比东谈主作念得更好，咱们要有更高的条款，咱们要让东谈主工智能作念一些东谈主类作念不到的事情。什么是优化？东谈主工智能怎么落地？咱们一定要建模，东谈主够不上的事情让数学去干。咱们条款解，怎么把实践问题，把刚才说的有规划，变量，不断，王人组织起来，用数学的逻辑把它磋磨起来？其实这套方法是走在东谈主工智能之前的。
1975 年诺贝尔经济学奖得到者，一位是前苏维埃的经济师，列奥尼德 · 康托罗维奇，一位是好意思国的数学和经济学家，佳林 · 库普曼斯。他们将数理统计学到手诈欺于经济计量学，把资源最优利用这一传统经济学问题，由定性研究和一般定量分析鼓舞到现实计量阶段，对线性策动方法的缔造和发展作念出了始创性孝敬。他们发明了这套智能决策的模子——数学优化和数学策动法，得到了 1975 年诺贝尔奖，关联词他们其时莫得算法。
刚才我说了，要把 1 万个，致使百万个东西分拨到几万个背包里，要有一套相比快速的算法来把它找出来，穷举法是不行的，必须要有精密的数学算法。这个算法在模子缔造之后终于出现了。
图片中间这个东谈主是 G.B.Dantzig，发明了解这套数学优化的算法。其时提议这个算法的时候还莫得蓄意机，并不是有了蓄意机才有了算法，事实上数学优化算法一直是东谈主工智能发展的宏大驱能源。算法是走在蓄意机之前的。数学优化算法很早即是智能决策的基础。蓄意机使得蓄意效能极大进步，逻辑的蓄意，智能的蓄意，才能最快有收尾。
我很是有幸，1982 年到了斯坦福以后，G.B.Dantzig 即是我的导师。1975 年他们两位得诺贝尔奖的时候，特意把我的导师请上了台，说若是莫得他的方法，咱们的数学模子即是一纸空文，可惜诺贝尔莫得给数学的奖。
优化求解器：优化算法的中枢器用及完毕智能决策的症结蓄意引擎
数据变量，有规划不断，数学模子跟算法是分不开的，包括今天的大模子，其锻真金不怕火流程即是一个寻优的流程，解一个大型问题，即是一个优化问题。优化建模为复杂的决策问题提供了完善、简略的搞定方针，高度合适，再加上算法求解器，使得咱们的决策十足机器化、自动化。其实统共这个词 AI 的发展是和算法的深切离不开的。
无论是简便的转头，机器学习，东谈主工智能的代表性的东西，比如 Alpha GO，亦然强化学习，亦然优化的算法，每一步的发展王人跟算法的提高相关。
算法一定要合适咱们的模子，咱们的规章。G.B.Dantzig 搞的这套优化，绝顶是阿谁算法编译成蓄意机以后，数据进来了，几秒钟就把优化的解找出来了，不需要通过语言去描画了。这个东西叫求解器，一直是高技术领域发展的中枢底座，或者说，算法即是芯片。有好多东谈主说，为什么咱们国度芯片不够最初？是因为工艺不够，材料不够？其实还有一个很落伍的，即是遐想不够。Snyopsys 是好意思国最大的芯片遐想公司，其芯片的遐想最底层即是用到了优化。为什么？比如电路板，器件放什么位置，知道怎么走，王人是有逻辑的，王人是要优化的。这其顶用了很是苍劲的优化算法和求解器。化工坐褥领域最闻明的软件—— Aspen，最中枢的东西即是优化，即是求解，因为它搞定的王人是物理流程，化学流程中的求解问题。流膂力学也不异有这样的求解需求。
Space X 用到了苍劲的优化算法。Elon Musk 回收火箭的时候失败过好多好屡次，其后找到了斯坦福的优化巨匠，咱们一谈提供了最佳的优化算法。火箭回收物换星移王人要调控，因为相近的环境王人在变化，不可能全在展望之内，要及时进行适度。还有电网、供应链问题，包括 CAD，也离不开优化算法。统共这些工业软件的底层王人有智能的优化软件。
既然优化求解器是咱们工业软件的底层，咱们国内目下水平怎么样？很是快乐地讲，从 2019 年以来，国内优化软件的发展还是踏进到天下前哨。我有两位斯坦福培养的博士生，归国缔造了一个公司 Cardinal Operations，杉数科技。为什么建议他们归国发展求解器？因为王人是泰西阛阓上的最初，咱们国度我方莫得才能去作念。
华为统共的坐褥排产用到的工业软件，起推动作用的是 IBM 的求解器。2019 年华为上了黑名单，东谈主大有好多是给华为作念法律照拂人的，我给他们作念供应链，包括坐褥制造的照拂人。因为我是 2002 年回到斯坦福，那一年华为在跟念念科打讼事。我是华中科技大学毕业的，华为也有好多华中科技大学毕业生，也有我的好一又友，是以跟华为缔造了相比好的关系。华为上了黑名单，短暂工业排产软件用不露馅，因为好意思国下了禁令，不成用他们的软件。他们找到我，收尾咱们搞了一个替代软件，这个软件其时还莫得赶上海外的水平，关联词反而比海外用得好。因为咱们给的是源要领，好意思国的文献传输王人是要通过写成文献放到硬盘，再读进去，咱们给出的，不错把求解器，或者优化器，跟排产的信息系统无缝磋磨起来，数据以光速传进来。
这给了咱们信心，2019 年终于推出了我方的交易求解器。夙昔王人詈骂常大的数据公司最初，在这以后，优化求解，算法的求解器就有了很是好的生态环境。国内有好多公司，包括阿里，华为，守望，王人在开发求解器，酿成了相比好的竞争环境，使咱们踏进到天下前哨。
咱们求解优化问题，有好多好多类型，咱们在好多类型中处于求解器的第又名。好意思国缔造了一个擂台，征集了几万个优化问题，人人把我方的求解器给它，它进行评审。不异的问题在淹没个机器上，即是求解器的算法不同，谁算得快，算得好，就得金牌。咱们的交易求解器得到了 6 个金牌，4 个银牌，好意思国最佳的求解器得到 5 个金牌。这就像奥林匹克竞赛，咱们至少跟他们平手，致使好多方面比他们好。国内的求解器王人起来了，酿成了很是好的生态环境，至少我不错自满地告诉人人，在优化求解器方面，中国不输于其他国度。
在咱们的勤恳下，好多问题的速率提高到 60 倍，有的提高到百倍，致使提高到万倍。中国东谈主诚然硬件不够，GPU 不够，关联词相比贤慧，会想点子。遐想优化算法即是一个动脑筋的问题，十足是靠我方的才略来发展。
这也得到了国际的承认。原本有好多好多问题，比如欧洲的铁路运载问题，谷歌的问题，好意思国多层供应链的问题，好多海外的求解器解不了，关联词咱们概况在秒级的范围内搞定掉。
拥抱 AI，拥抱智能决策
AI 概况匡助咱们作念一些什么呢？AI 能匡助咱们建模，大宗的数据，大宗的逻辑关系，包括企业家们从顶层去想的一些问题。咱们开发了一个匡助企业家让大模子落地的器用。企业家的几句话，点名了不断及变量，咱们不错很快地把数学模子缔造起来，然后再索求数据。
比如咱们收到这样的需求："规划部门每天王人要补货，先把客户需求自满了，补货优先级有好多探讨，物流车队每资质源也不一样，工场别占用太多仓储老本，盘活要好，运载老本要适度。"咱们的求解器不错立地给你领导，你需要作念一些什么事情。企业家不错径直跟咱们的大模子语言，咱们检出模子，致使把 Code 写出来。电路厂制造商，给了问题，自动存储数据，立地帮你算出来。况兼咱们还维护作念展望，比如商品消耗，相近阛阓的情况，给企业家提供建议。
目下，咱们还是有应用的实例。咱们国度也遭遇了火箭回收、飞船回收的问题，这是典型的优化问题，对求解的时候条款很是高，毫秒级就要测出来，因为要退换角度。咱们还是搞定了这个问题。
另外，优化求解器，东谈主工智能还是到手用到了南边电网的电力调度。原本东谈主十足凭教化作念，目下南边电网有几个省，几万个电机，有风能，有光伏，有多样各类的新能源，具有高度的不细目性。作为电力阛阓，发的电一定要和用的电匹配起来，经常刻刻要调控，哪些应该开，开多大，哪些应该关，这时东谈主力还是够不上了，因为继续在变化。咱们原本用的是海外的求解器，很是快乐目下还是酿成了国产的替代。国产的求解器在南边电网还是运营两个多月了。
再举个例子。列车启动图是列车在区间启动及在车站到发时刻的本领文献，其编制是决定铁路运量的症结一环。高铁启动的济效益主要取决于排班列车的数目，每加多一双列车每年营收加多近亿元。人人王人乘坐高铁，是否了解原本列车排班是怎么排的？十足是东谈主工的，传统编图神情，东谈主工编图，效能低，编制一次消耗数周。时常排一个班出来，凭证四季需求不同，排若干车，怎么停，就画一张图。这样多班次怎么排？安全第一，在淹没个时候点，淹没个空间点，两个列车毫不成同期出现。开赴时候，在中间的每个时候，到了某一个站以后，停在哪个站台，全部要梳理出来，况兼列车间的时候差不成逾越安全保险。目下用新方法，基于优化算法的自动图编制，在一千秒内就能把班排出来，保证安全。你想排多就不错排多，想排少就不错排少，这样不错为国度量入计出若干能源？疫情时好多高铁是开空车的，若是知谈需求减少了，能很快排出班，是不是概况少跑一些空车，简约好多能源。
目下中国最大的煤炭调运口岸，是杉数科技在为他们就业，把东谈主工智能落地到口岸的调配和调运上。刚才讲到的华为排产的问题，速率有了很大的提高。
我认为 AI 不是复制东谈主工智能，而是越过东谈主的智能，东谈主作念不到的事情咱们要让东谈主工智能作念到。目下的供应链料理，怎么订价，怎么库存？还有发动机制造，为什么航空发动机搞不起来？很大原因即是遐想问题，遐想问题亦然优化问题。用我导师的话说，The algorithms that turns the world，地球目下是靠算法来推动运转的。
我以为企业家们应该拥抱 AI，拥抱智能决策。况兼目下恰是在落地的时候，时常一个新本领王人有遴荐人命周期的，若是迈出一步你可能就疾足先得了。但愿企业家们握紧时候，Take Actions Now。
谢谢人人！
