在过去的两年里，人工智能蓬勃发展，特别是在中国市场上以深度学习算法为代表的人工智能的井喷。根据麦肯锡的说法，全球科技巨头在2年间投资了200亿到300亿美元的人工智能。016，VC/PE投资60亿美元至90亿美元，根据TMTBASE的数据，在中国有398个人工智能企业和571个投资事件在中国，总投资571亿元。

在Alpha Go挑战世界和中国走向大师之后，人工智能的热潮变得更为喧嚣，而行业专家警告称人工智能泡沫。然而，人工智能泡沫现象却产生了意想不到的效果。E 24, 2017，在钛媒体AI大师圆桌会议上，由钛媒体和大数据业务研究和优化公司共同举办的Cun宁哈马技术公司，来自美国和中国的顶尖优化专家说，人工智能推动了OPTI的繁荣。MIZE算法

中国运筹学领袖、红豆杉首席科学顾问李国鼎的斯坦福大学工程教授叶银宇说，机器学习算法提高了单个机器的智能，但当机器人工作时，需要全面考虑和优化。正是因为云计算的井喷，大数据和人工智能的大规模数据的出现，这为优化算法的繁荣奠定了基础，优化算法反过来又促进了人工智能INT的发展。一个新的阶段。

算法战争与战争算法

2017年4月26日，美国国防部在备忘录中描述了战争算法，提出了算法战争的概念，更重要的是，建立了一个算法战跨功能的团队，这将通过编写人工智能、机器李尔来改变操作模式。宁和其他代码，如利用人工智能对无人机进行海上采集。对视频数据进行分析，获得丰富的战争情报。

早在第二次世界大战时，就没有大数据，甚至没有电脑。在有限的访问、数据的数量和速度的前提下，战争对全球社会经济产生了广泛的影响，产生了运筹学。叶银宇说，作战研究是一个优化研究，也就是说，对于现实生活中的所有问题，而不是S。意味着要找到一个可行的解决方案，但必须找到最好的解决方案。

1707岁至1783岁的瑞典著名数学家莱昂哈德·欧拉曾说过，世界上的一切事物都有一个最大值或最小值。在第二次世界大战中，盟国使用数学模型来解决各种作战优化问题，包括雷达部署、运输车队。T舰队、反潜深水炸弹投放、太平洋岛国军事物资储备、项目管理等。这些问题保证了最后胜利。

第二次世界大战后，运筹学被广泛应用于企业和政府，包括生产、服务、金融等行业。由于运筹学起源于现实世界中的决策问题，大量的运筹学算法EM。运筹湖南做网站学和重要的分支研究迅速发展，包括线性规划，非线性规划，整数规划，组合编程，图论，网络流，决策分析，排队论，可靠性数学理论，库存，理论，博弈论，搜索理论等。

现代运筹学使用统计、数学模型和算法来寻找在约束下最大化或最小化给定目标的复杂问题的最优决策。复杂巨系统是一个典型的应用，解决复杂巨系统的最优决策问题。复杂巨系统是指电力系统、城市交通网络、数字通信网络、柔性制造系统、WATE等具有庞大规模、复杂组件和多个子系统的系统。资源系统、社会经济系统。

复杂巨系统的性能优化将产生巨大的经济效益或社会效益，运筹学的应用可以起到重要的作用，例如工厂生产、货物库存、销售中心和消费区域的管理不能是STU。死亡和隔离管理。这些环节必须联系起来，实现运营管理的整体优化。

求解复杂巨系统的优化问题是运筹学所代表的优化算法的最大值，甚至对一个国家也具有战略意义，在商业价值方面，大数据是从0到1，人工智能是从1到2，以及STAT。ISO和操作优化算法是从2到N的，以运筹学为代表的优化算法，可以真正赢得未来的算法战争。

大数据时代的企业决策

叶获得了冯诺依曼的运筹学和管理奖（在运筹学和管理领域的最高奖项），是迄今为止唯一的中国获奖者。在2014届数学应用规划国际会议上，他荣获应用数学优化奖（每三年一届）和曾任讲师奖（每三年一次）。他担任和参与波音、FICO、Express等科研项目。美国卫生部、美国科学基金会、美国能源部和美国空军。

叶银宇于1982去美国深造。在人工智能的兴起之后，理论研究和商业应用在没有大数据等现代技术的支持下停滞不前。但运筹学在各行各业中的地位日益突出，从市场营销、生产计划、库存管理、物流运输到财务会计，在人事管理、设备维修、工程优化、计算机与通信等领域得到了广泛的应用。系统与城市管理。

随着计算机技术的飞速发展，待解决的问题规模越来越大，运筹学的应用范围也发生了革命性的突破，产生了大量的算法和软件，大数据时代带来了更大的生命力。O运筹学。如何将大数据转化为最优决策已经成为运筹学中的一个关键问题。纽约大学的助理教授、博士后陈曦的机器学习之父，他也认为大数据的出现推动了机器学习，大的SCA。LE统计推断和运筹学算法并行向前推进，导致大数据驱动的业务决策。

叶介绍了由大数据驱动的商业决策的三个阶段：基于数据收集和管理的描述性决策，其中数据成为商业决策的基础和大数据时代公司发展的燃料，通常由计算机和信息技术和基于正则性分析的预预测、决策、从大数据中提取信息和获取事物背后的规律，通常是通过统计和机器学习技术来完成的，但只有对数据的管理和规律性分析才能完成。OTS释放数据的巨大价值，所以我们必须真正提高决策质量，从大量数据中发现规律，以便大数据生产，这是基于决策建模和求解的规定性决策。

运筹学将实际决策问题转化为数学模型，采用高效的优化算法求解，利用系统科学和优化算法获得最优决策和策略，实现DEIS的自动化、过程化和标准化。在美国和欧洲，运筹学算法已经在软件和工具中实现，例如，在投资组合优化和相关决策领域中，有著名的软件，如Barra、Axioma、ITG、MOSEK等。Masek大规模数据优化软件是欧洲最大的优化软件。叶银宇教授还担任该公司的科学技术咨询委员会主席，并在叶银宇的指导下优化算法的创始人。随着对该公司的深入了解和创立，许多华尔街的软件解决方案用于风险控制。使用MOSEK软件。

叶银宇认为，高频交易的竞争是算法竞争的速度，如果一个软件模型需要10秒求解，而其他软件的速度是0.04秒，那么谁已经掌握了0.04秒来解决具有核心竞争力的软件源代码A。ND从10秒到0.04秒是算法的力量所在。

最近的联合航空公司事件是一个典型的不确定环境下的库存管理决策问题，机票超额预订是因为5%到10%的乘客由于各种原因不登机，而航空公司在不确定的条件下超额售出多少张机票来弥补T。当有人不愿意下飞机时有超额预订，如何鼓励乘客换乘下一班机，这是运营计划优化算法。范围的范围。在不确定和不确定的随机或复杂环境下难以做出决策。NANCE也是人工智能和机器学习算法的弱点。

业务场景中的数据驱动决策优化

Mosek成立于1997，已有20年的历史，近年来在中国人工智能产业化和商品化方面取得了一定的进展，但优化算法是整个人工智能推广不可缺少的一部分，但它是人工智能的一个重要组成部分。在中国相对较弱的情况下，甚至在机器学习和深入学习的底层开源解决方案还没有在中国被看到。

2016年中期，斯坦福运筹学的几位教授和博士生，以Sugi和斯坦福徽标中的大数据命名，创立了SuGi技术，并开始在中国推广运筹学的商业应用，并开发了用于机器学习的底层算法。深入学习。SuGi Technologies现在有大的企业客户，比如Jingdong，2016年7月收到了真正的基金和北极光风险投资210万美元的天使轮。

Prince Zhuo，明尼苏达大学助理教授和SUGI技术的首席技术官，2015年度由美国运筹与管理协会收益管理分会获得最佳实践应用奖提名。他参加了美国运通、华为、IBM、希捷等项目。其中，IBM定制的定价策略系统在美国赢得了两项专利，为IBM创造了巨大的利润。

Prince Zhuo在互联网时代引入了大数据驱动的定价策略。他认为，良好的定价策略是企业的生命线，尤其是在互联网商业模式下的实时定价，决定了酒店、零售、航空、汽车租赁等行业和企业的生存与死亡，以及能否实现更大的需求。发展。

那么，电商等实时企业如何才能获得更好的生命线，如何制定自己的定价策略呢首先，我们需要了解消费者的构成、偏好和消费行为等大数据。其次，我们需要在获取消费者或消费者群体的大量数据的前提下制定价格、时间、地点和其他销售决策，因此数据驱动的定价策略是在正确的时间和地点以正确的价格向合适的客户提供正确的产品和服务。

目前，杉木技术的智能决策提供了一套完整的基于数据的定价方案，包括目标场景、基础模型、优化策略、高效算法、信息恢复、模型迭代等环节。潜在的模式，消费者将改变他们的购买行为时，面临着多种选择，不同的价格，不同的品质和其他信息。虽然有时会出现非理性行为，但仍然可以从大数据分析中提取规则，然后通过非线性、离散、高维和动态算法，然后建立定价决策模型，并设计一种独特而有效的算法来获得AC。最优解/高质量近似解。并行计算结构可以有效地同时解决大规模多SKU问题，最终实现在线最优解，满足实时性要求。当然，价格计算不是一劳永逸的，市场在变化，环境是CH。涨价，价格也在变化，动态的价格调整已经成为许多行业的一种趋势，也就是说，在线学习后消费者的购买行为不断更新后的算法模型。

自2016以来，凭借其独特的积累和技术定价，创始团队为包括电子商务、物流、旅游等在内的多个行业的领先企业提供了精确的定量软件开发和咨询服务，合同价值接近2000万。

陈曦进一步介绍了在线学习和在线决策的联动效应和决策算法，在线学习和在线决策有两种基本的选择：一是通过最少的尝试最大化对象的信息，另一种是优化目标。CISIN基于已经获得的信息来最大化收益。一个经典的例子是多臂强盗问题（MAB）：不同的老虎机具有随机回报，一些具有低随机回报，一些具有高随机回报，一些具有高随机回报，因此如何得到尽可能多的Rev。通过最少的尝试次数，尽可能多地使用老虎机，从而优化老虎机的策略在2014，Prince Zhuo，叶银宇等人的论文讨论了单产品收益最大化管理的MAB算法。

多臂老虎机的MAB算法具有广泛的商业应用，如电子商务可用于产品消费群体的认知和发展。陈曦参与了统计学习算法在2016的电子商务个性化收益管理中的应用。E算法是用杉木技术开发的CPM。在美国，一个电子商务定期发送一个包含五件衣服的盒子给女性顾客每月甚至每两周。客户可以选择支付一个项目，并返回其余部分。如果这五件衣服不受欢迎，他们会象征性地收集邮资。为了找出女性消费者的消费行为数据，该算法被应用到相关算法的开发中。

陈曦强调，由于真实的商业环境极其复杂，它需要机器学习、统计分析和运筹学优化，以便做出最佳的商业决策。

清华大学交叉信息研究所助理教授、杉木科学家李健介绍了一种基于时空大数据的机器学习算法，称为时空大数据，它是生产中具有时间轴的地理大数据。李健说，随着社会的发展，企业的经营和工业生产向精细化的方向发展，对生产过程中一些关键时空属性的预测和控制变得越来越重要。

大时空数据具有广泛的应用，如：对于交通状况预测，可以帮助交通部门调整和优化交通指挥和布局；对于给定路线的出行时间预测，可以帮助人们更好地规划行程；对于在线租赁车辆，ACCU。区域配送可以帮助企业更好的进行车辆调度，从而提高车辆共享的效率；对于物流公司来说，对每个网点的配送和配送量进行良好的预测，可以帮助企业进行协同配送。推进运输能力、人力和其他资源的调度，从而提高物流效率，增加收入；对周围障碍物进行无人驾驶，预测障碍物的移动位置，有助于驾驶系统提前计划和调整路径。从而提高安全驾驶系数。

时空数据在各行各业中大量产生。这些数据的合理挖掘和利用，有助于生产商乃至整个社会提高生产效率。

人工智能的新浪潮：基于优化算法的快速智能决策

机器学习和人工智能是大数据时代科学技术发展的产物。近年来，取得了突破性进展。代表性的成果包括图像识别、语音识别、自然语言处理等。应用场景包括自动驾驶、智能诊断、无人机等，然而，基于机器学习和人工智能的主流深度神经网络学习算法需要与优化算法相结合，以满足实际业务需求。如超大规模、快速实时响应等。

乔治亚理工学院的终身教授Blu Guanghui研究了随机优化和非线性规划的理论、算法和应用，包括随机梯度下降和加速随机梯度下降，这些随机梯度下降和加速随机梯度下降用于解决随机问题。BLUE射线是世界上机器学习和深度学习算法的顶尖专家之一，也是中国最年轻一代优化算法的领导者之一。

所谓凸/非凸优化是一组研究得很好的优化算法理论体系和求解算法。如果将优化问题转化为凸/非凸优化问题，则可以快速给出最优解。简单地说，凸优化是指一个问题可以找到局部最大值或最小值，而不是凸优化是一个问题，尽管没有局部MA。XIMUM或最小值，但仍有几个局部优化点，换言之，非凸优化是找到一些局部最优解的决策，可用于投资组合交易、路径控制、生产调度、资源分配、信号传输A。其他领域。

例如，在6月21日至24, 2017日北京汛期的最强暴雨中，根据航空公司的统计数据，从6月23日20:00到12:00，11个航班延误了105个航班，取消了052个航班，在这种情况下，航空公司和铁路公司是否可以进行优化。根据受影响的航班、天气、人流等数据及时调整航班和列车已成为影响整个社会经济运行的重要因素，这不仅是智能化的学习和预测，而且需要大规模、快速的实时响应来解决。实际问题。

Blu ray介绍，自2015以来，大规模凸优化和非凸优化算法取得了很大的进步，已经能够处理超过一百万甚至数百亿个超大型数据集的变量。利用Grimm算法对机器学习算法进行优化，大大加快了机器学习算法的速度。技术领域的科学家们已经开发出了自己的机器学习和深度学习算法求解器，同时也帮助了上海大学。金融与经济协同开发国内开源软件的优化求解器，促进了中国开源社区优化算法的发展。

H2O和TensorFlow是两个最高级的机器学习求解器。其中，H2O是最早、最具影响力的开源机器学习软件之一。它已经为超过300个金融和互联网企业服务，并被70000多名数据科学家和超过8000个单位使用。TunSoFrand是一个由谷歌开发和推广的深度学习计算引擎。它也可以被用作一个通用的机器学习求解器。它是由GITHUB排名的世界顶级开源项目。它在语音识别、图像识别、机器翻译等人工智能领域有着广泛的应用。

Blue Blue介绍了雪松技术的优化求解软件在九个开放式数据集上的测试，其中两个求解器TunSoFrand和H2O，其中，在分类模型的数据集上，杉木技术求解器的求解速度远高于所有DA中的张量流。在回归模型数据集上，对三个开放数据集的比较试验表明，在不影响解的精度的前提下，通过选择适当的超参数，求解杉木技术的解算速度。Y求解软件仍然比TySoFoSoW快几倍，预测效果大致相同。

与H2O相比，对于分类模型数据集，在几乎相同的预测精度条件下，几乎所有的数据集中杉木技术的速度比H2O快得多，而对于回归模型数据集，杉木技术求解器的速度是：通过选择适当的超参数O，比H2稍慢，但预测精度远高于H2O。

也就是说，在新一轮的人工智能中，中国科学家已经掌握了不落后，甚至领先于国外核心算法和软件工具，与中国企业的业务流程无缝地优化算法代码，真正掌握来自单一智能的软实力。团队协作智慧。

核心算法是一个国家的软实力，只要互联网不死亡，数据和信息就不会死，算法总是存在的，只有掌握核心算法，才能在未来的人工智能浪潮中取得主动。叶银宇阶段化的

2017届钛媒体AI硕士圆桌会议将在第一阶段成功举办，并将在业界受到广泛影响。明年七月和8月，我们将继续组织高维预测和大数据处理，人工智能：不确定性游戏，AI EnthPrPin欧洲邮轮与硅谷，人工智能社交网络四面对面机会与主人。