品友互动黄晓南：决策是验证一个人工智是否存在的前提之一

6月6日，2018品友互动人工智能大会北京场圆满落幕，品友互动CEO黄晓南以主办方的视角在大会上致辞并在现场进行了演讲。

演讲中，黄晓南提到了此次举办的目的——一是探讨人工智能时代的商业决策究竟是什么？二是希望与业界同仁一同见证品友企业和产品的双重战略升级。

黄晓南说：“我不认为所谓的AI时代会演变成人与机器、与系统去竞争的状态，因为这种竞争本质其实是不接受AI、不拥抱AI、不拥抱智能系统的管理者和能那些能够拥抱AI、数据来支撑自己决策的管理者之间的竞争。”

值得一提的是，黄晓南在演讲中将AI的三个基本要素归纳为：数据、算法与决策，并强调决策其实是验证一个人工智是否存在的前提之一。她说：“在商业决策里面，最重要的两个领域——一个是感知，一个是认知。”而认知学习需要大量基础业务场景的数据研究，品友可以利用历史的数据来预测，帮助企业构筑自己的商业预测能力。

在黄晓南眼中，此次战略升级最终将落地到两个工具中，一是品友的数据云——更多第三方的合作伙伴，来帮助广告主、企业更好地利用第三方数据，去了解用户、洞察市场、做出决策。

第二个则是品友的福尔摩斯AI引擎，该AI引擎是品友利用模式识别、数据推出的算法，致力于用AI底层技术来解决实际的问题。

“品友会继续在程序化、数字营销领域工作，但如果任何企业有令人困扰的商业决策问题，同时也认同人工智能为商业决策带来的更多可能性，品友也是不错的选择”黄晓南说。

以下是演讲全文：

在刚才的演讲中，李稻葵教授说了一句话——希望所有的企业都能在AI时代，能够有办法去领先竞争对手半步。我也希望今天的大会能为各莅临的企业决策者，在行业中领先半步。

今天我的演讲有两个主题，第一是人工智能时代的商业决策是什么？第二是希望在这个人工智能的时代，与大家一同见证品友企业和产品的战略升级。

2018年我读过的书里面有这样一句话——AI其实没有什么了不起的，机器人也没什么了不起，但是不会用机器人是不能接受的。我将其分享给在座的各位企业管理者，我们一同共勉。

我不认为所谓的AI时代会演变成人与机器、与系统去竞争的状态，因为这种竞争本质其实是不接受AI、不拥抱AI、不拥抱智能系统的管理者和能那些能够拥抱AI、数据来支撑自己决策的管理者之间的竞争。

以上结论其实基于哈佛商业评论的调研。但事实上，全世界范围内许多企业管理者已经意识到了这个趋势。

如何概括这种趋势？它应该叫做数字能力，其实我们不难看到数字技术能力、数据分析能力等已经变成了企业管理中最重要两种能力。这可能跟过去很多大家印象中一个企业的市场人员和CMO所具备的能力是不一样的。虽然伴随着AlphaGo的出现，AI变成了大家耳熟能详的一个词，但事实很多人对于什么是AI， AI能做什么，其实还是雾里看花。

在品友耕耘AI领域的这么多年里，我们认为AI有三个基本要素。

第一是海量数据，没有数据就没有AI。所以今天如果有哪家公司是2018年成立，立马成为很牛的AI公司，这其实是几乎无法成立的事情，因为所有的AI和大数据是不可分割的。

第二是算法，具体而言是机器学习算法。随着AlphaGo的出现，大家听的比较多的是神经元算法，其实这些都不算法，算法在品友的定义里其实就是解决问题的一系列过程，算法的本质其实是用计算机来解决问题。

第三是品友与传统AI思维最不同的地方，传统的AI专家会说第三个因素是云计算，但云计算不是最终的答案，因为它在今天已经不是什么难能可贵的事情。

答案是决策。

有趣的是，通过观察品友发现，常常被大家忽略的决策，其实是验证一个人工智是否存在的前提之一，为什么说决策很重要？举个简单的例子，行业中90%的人听说过人工智能，都是因为AlphaGo下棋下赢了。AlphaGo的独特之处就是模拟决策，一盘围棋中大约有2.08*10^170的合法局面数，这样的算力非当前计算机可触碰，因此AlphaGo在每一步棋前，计算得失，做出决策。最终的结果则是AlphaGo战胜了人类，人类则开始对人工智能再次充满热情与推崇。

但如果观察人工智能在各个行业的分布状况，不难发现在过去很长一段时间里，人工智能的主要应用场景几乎都跟数字营销、金融这几个领域是密不可分的。

在商业决策里面，最重要的两个领域——一个是感知，一个是认知。

感知就是机器替代耳朵、眼睛、鼻子的功能，比如图象识别，这些领域在过去几年里面取得了巨大的成功，将错误率降到了百分之三点几。

而认知是机器学习的高阶形态，需要对结构化数据以及非结构化数据进行通盘考量，再得出相关的规律性线索。

认知学习需要大量基础业务场景的数据研究，但我们并不介意谈论这一点，虽然在品友的实践中这其实是比较局限，因为光凭我们无法做那么多基础的研究，这也是我们希望与行业展开对话的理由，如果将来大家跟品友有合作，品友可以利用历史的数据来预测，帮助企业构筑自己的商业预测能力。基于预测，我们能为企业带来风险评估、方法论迭代、资源优化配置等一系列能力。

为什么品友从一家做程序化管道的企业突然开始设计人工智能商业决策？

麦肯锡在其关于人工智能的报告中提到，市场营销是企业决策里面最重要的一个环节，也能在人工智能企业决策中所涉及的不同领域同时产生商业价值。

人工智能的商业价值毋庸置疑，其价值以万亿美元为单位起算。但是市场营销对象极为繁杂，在与家电品牌海尔的工作人员交流过程中，我们始终聚焦讨论在物流方面有没有可能利用大数据做决策上。昨天我与一家智能交通公司长谈，了解到在只能交通领域，他们已经帮助政府建立了许多感测器，具备收集所有交通数据的能力，然而可惜的是，他们没有利用这个数据来做决策。

按理来说，这个本该进行的决策价值极高——感测器建立涉及上千亿的政府投资，但可惜数据与决策之间的断层导致目前这类数据还无法完全辅助交通系统的指令发出与更新迭代。

事实上，品友在去年已跟一些金融企业合作，通过共享大数据、合作建模，来解决金融里的征信、反欺诈问题。

今天的品友并不是放弃DSP，而是基于多年在数字营销里耕耘人工智能的经验和实践，品友拥有了这样的底层能力和底层的数据，足够支撑我们把这些能力扩大到更大的商业决策范围中。品友会继续在程序化、数字营销里的工作，但如果任何企业有令人困扰的商业决策问题，同时也认同人工智能为商业决策带来的更多可能性，品友也是不错的选择。

所以在这个背景之下，我们对品友的整体战略进行了全面升级，这个升级在4月份上海的大会上已与许多客户朋友分享。

简单来说，此次升级后我们将会进入智慧营销、金融、政务等领域，也将涉及新零售等新兴领域，我们也将不断寻找能够用数据和技术、算法发挥作用的决策场景。

基于品友的云计算平台，我们打造了两个核心武器，一个是品友的数据云，这个数据云我们背后也会引入更多第三方的合作伙伴，来帮助广告主、企业更好地利用第三方数据，去了解用户、洞察市场、做出决策。

第二个是品友的福尔摩斯AI引擎，这个AI引擎是我们不断地在模式识别、利用数据推出的算法。通过不断和研究院、学院的专家一起来引入最先进的AI底层技术来解决实际的问题。

在这次战略调整的背景下，我希望通过今天，我们希望让这么多的朋友们一起分享品友近10年的积累，而在品友接下来5年的战略规划里面，我们希望能够成为所有的企业去拥抱AI、去进行大数据决策的重要合作伙伴。

MIP是我们在营销决策里的产品，MIP能从策略端和从内容端给客户提供全套的服务，这也是中国唯一落地的完整的智能营销体系。

在今年开始实践的一个叫品友DISC的技术战略我们可以通过一个1分钟的视频，来理解品友围绕数据、算法、决策和区块链的技术储备和战略调整。

随着人工智能概念的炒作，很多人已经把AI神化了，觉得人工智能是无所不能的，人工智能是一个人不用参与、干预就能够直接得结论的。事实上，现阶段任何一个企业在拥抱人工智能的时候，其本质是需要一个智能系统来辅助人的决策。

但这套系统只能是一个辅助作用，也就是说最后决策、问题定义，评估标准等关键问题都是要靠人来决定的。甚至这个系统给它什么样的数据，这件事情也是由人来控制的，那机器解决什么问题？

机器解决两个问题，第一个，机器可以解决规模化的问题，机器读30万个图片一天内是不会累的，而人会死。同时机器也是可以进行复杂运算的，人脑是没有办法去做复杂运算的。我很期待未来与大家一同推动人工智能在商业决策领域的蓬勃发展。谢谢大家！