以下著述来源于中原基石 e 洞悉 ，作家叶荫宇

第三期中原基石数智时期一样力特训营热招中！

作家 | 叶荫宇，首位冯 · 诺依曼奖华东说念主得到者，好意思国斯坦福大学管理科学与工程系及缱绻数学工程研究院的隆起终生西宾

来源   |   中原基石 e 洞悉，管理洞悉

有计划配合 | 13699120588

本文凭据叶荫宇西宾在 2024 中原基石第十一届十月管理岑岭论坛上的演讲整理，著述仅代表作家本东说念主不雅点（未经本东说念主审核）

叶荫宇，首位冯 · 诺依曼奖华东说念主得到者，好意思国斯坦福大学管理科学与工程系及缱绻数学工程研究院的隆起终生西宾，斯坦福管理科学与工程系工业定约主任，上海交通大学东说念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参谋人科学家

荒谬感谢中原基石给我这个契机跟诸君碰头。我是斯坦福大学的，当今亦然上海交通大学、香港汉文大学深圳研究院的兼职西宾。今天讲述一下我是怎么拥抱东说念主工智能的。

决策智能——东说念主工智能的落所在针之一

怎么拥抱东说念主工智能？对咱们来说即是要东说念主工智能落地。怎么落地？我以为要把决策，不论是宏不雅决策照旧微不雅决策，齐概略智能化，让 AI 这个器具来匡助咱们。

我是作念运筹和管理研究的，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，自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，荒谬有幸和斯坦福大学运筹学研究者们一说念责任。

（一）东说念主工智能的三个渐进眉目

我认为东说念主工智能有三个渐进阶段。

第一，感知智能。是指将物理宇宙的信号通过录像头、麦克风或者其他传感器的硬件征战，借助语音识别、图像识别等前沿工夫，映射到数字宇宙，再将这些数字信息进一步普及至可默契的眉目。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，默契智能。是指 AI 系统基于既有的学问体系，通过处理和统一感知到的信息，来完毕对复杂问题近似东说念主类默契进程的讲解和揣测材干。这个进程是作念一些松懈的分析。

第三，决策智能。AI 系统凭据默契分析和推理驱散，高效纯真地合资环境和高下文信息，全面评估可能性，作念出基于特定方针的最优决策的材干。AI 匡助咱们的决策愈加优化，风险最低。这是东说念主工智能的第三个阶段。

（二）决策问题的中枢特征

这三个阶段精采关联，但决策问题不同于一般的松懈的感知和默契，有着区别于感知及默契问题的赫然特色。

1. 方针 / 精度导向

决策时时有领路的方针与驱散，带来明确且时时易于不雅测和评估的价值创造，因此东说念主类关于普及决策成果的追求简直是永无终点的，也使得最优化简直成为决策的代名词。决策的精准度成为中枢诉求。

2. 因果 / 可讲解导向

决策问题时时高度依赖关于可讲解的因果关系的识别与统一：一是决策成果出现偏差时，可快速归因与扶植；二是决策时时与牵扯精采干系，因此需要明确的因果关系作念牵扯判断。

3. 鲁棒及复杂性条目

由于决策驱散关于决策复杂环境及对象有极为获胜的影响，因此决策进程中，关于底线的保护以及关于巩固性的条目简直与极大化价值一样蹙迫。咱们的决策必须要有一定的鲁棒性（robustness，即是系统的健壮性。它是在荒谬和危境情况下系统糊口的要道）。

4. 时辰 / 资源明锐

由于浓烈的利益导向，决策问题时时蕴含有明确的资本收益考量，再加上大多数执行宇宙中的决策齐偶然辰截止，因此决策问题时时需要在较少的时辰和资源下得到细密管理。

（三）隧说念的学习门路类智能的昭着劣势

基于复杂决策问题的以上几个中枢特征，隧说念的学习门路（简直已成为 AI 的代名词），在濒临复杂决策问题时有昭着劣势。学习（Learning Algorithm）型算法濒临的要道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略提供比传统的优化方法更好的近似解，然则在执行生活中更为常见的决策问题上，却难以提供恰当条目的高精度解。

第二，深度学习等学习算法体系是典型的黑箱机制，诚然频年来也有好多在进修进程中引入可讲解机制的探索，但其根柢逻辑难以支撑完善和领路的可讲解性，很难满足高价值决策场景下的条目。

第三，受限于黑箱机制以及短缺领路的逻辑推理进程，如深度学习等学习算法体系在复杂环境下，无法提供领路的范畴界说以经管解的范围，导致出现可怜性驱散的可能性大大增多。

第四，由于短缺领路的可控逻辑结构，以及关于数据自身的高度依赖，如深度学习、大模子等学习算法框架的进修，关于能源及算力等资源的消耗远远超出预期。而决策问题既宽广存在，又时时蕴含领路的进入产出比逻辑，因此仅从资源进入角度看，AI 工夫对决策问题的平时支撑齐很难在现时的学习算法框架下完毕。

东说念主工智能过甚落地：让东说念主工智能作念一些东说念主类作念不到的事

底下会举一些例子，讲讲大模子以及东说念主工智能和怎么落地合资起来。

决策默契，不是松懈的大模子就不错处理的。有一个荒谬微不雅的决策问题，在运筹学界也口舌常经典的问题，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，然则又不高出咱们的产能？不错把这个问题算作 5 个姿首，资金投资只消 500 万，要投到哪几个姿首中？也不错算作是坐蓐线问题，有某些家具，先坐蓐什么，后坐蓐什么，怎么决策是最优的？

咱们怎么能智能决策呢？时时开发一个数据模子，比如说这五个物件，我会远隔界说一个变量，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，时时是方针函数最大。然则必须满足一些经管，这些经管是什么？要是决定哪些放在背包里，内部的分量不可高出 5 公斤，齐给你恢复好了，这是数学建模。在座诸君的孩子在中学或者小学，当今齐稀有学建模的姿首或比赛。

那么，东说念主工智能，或者说 GPU 能不可帮咱们管理背包问题？咱们那时问到 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管理。这一句阐述它依然感知到了。然则 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姿首。1、3、5 放到背包里，总分量是 6 公斤，就要高出背包的承重了。是以，这个恢复是空幻的。只是凭造就感知咱们找不到问题的最优解。

2023 年，同样问这个问题，照旧给了空幻的恢复，咱们告诉它这个恢复是空幻的，要再行想考一下。它说把 1、2、5 放进去。这样产生的价值是 43 元，分量是满足了，只消 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。

这阐述什么问题？阐述 ChatGPT 面前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，要援用大范畴的优化的求解功能或者算法来把最优解找出来。当今华为排产，10 万个零件，怎么找到最优解？深圳当今经济发展得很好的是跟 AI 干系的产业，刺激了无数的 GPU 坐蓐商、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，坐蓐电路板的企业订单无数增多，每天要排 1 万个订单的量，怎么排到各个坐蓐线上，每个坐蓐线就像一个背包问题。5 个齐恢复不了，上万个订单排到 100 个坐蓐线上，哪个订单放在哪个坐蓐线？按照什么设施去坐蓐？这是东说念主力够不上的。

是以，公共不要说咱们但愿东说念主工智能代替东说念主，或者比东说念主作念得更好，咱们要有更高的条目，咱们要让东说念主工智能作念一些东说念主类作念不到的事情。什么是优化？东说念主工智能怎么落地？咱们一定要建模，东说念主够不上的事情让数学去干。咱们条目解，怎么把内容问题，把刚才说的方针，变量，经管，齐组织起来，用数学的逻辑把它连系起来？其实这套方法是走在东说念主工智能之前的。

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。他们将数理统计学告捷诈欺于经济计量学，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吹到执行计量阶段，对线性缱绻方法的开发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——数学优化和数学缱绻法，得到了 1975 年诺贝尔奖，然则他们那时莫得算法。

刚才我说了，要把 1 万个，以至百万个东西分派到几万个背包里，要有一套比拟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。这个算法在模子开发之后终于出现了。

图片中间这个东说念主是 G.B.Dantzig，发明了解这套数学优化的算法。那时建议这个算法的时候还莫得缱绻机，并不是有了缱绻机才有了算法，事实上数学优化算法一直是东说念主工智能发展的蹙迫驱能源。算法是走在缱绻机之前的。数学优化算法很早即是智能决策的基础。缱绻机使得缱绻遵守极大普及，逻辑的缱绻，智能的缱绻，才能最快有驱散。

我荒谬有幸，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，有利把我的导师请上了台，说要是莫得他的方法，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：优化算法的中枢器具及完毕智能决策的要道缱绻引擎

数据变量，方针经管，数学模子跟算法是分不开的，包括今天的大模子，其进修进程即是一个寻优的进程，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、高超的管理想法，高度恰当，再加上算法求解器，使得咱们的决议统统机器化、自动化。其实通盘 AI 的发展是和算法的涌现离不开的。

不论是松懈的回来，机器学习，东说念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，每一步的发展齐跟算法的提高相关。

算法一定要恰当咱们的模子，咱们的规矩。G.B.Dantzig 搞的这套优化，特地是阿谁算法编译成缱绻机以后，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述了。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。有好多东说念主说，为什么咱们国度芯片不够源泉？是因为工艺不够，材料不够？其实还有一个很逾期的，即是瞎想不够。Snyopsys 是好意思国最大的芯片瞎想公司，其芯片的瞎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，显露怎么走，齐是有逻辑的，齐是要优化的。这其顶用了荒谬纷乱的优化算法和求解器。化工坐蓐领域最著名的软件—— Aspen，最中枢的东西即是优化，即是求解，因为它管理的齐是物理进程，化学进程中的求解问题。流膂力学也同样有这样的求解需求。

Space X 用到了纷乱的优化算法。Elon Musk 回收火箭的时候失败过好多好屡次，自后找到了斯坦福的优化众人，咱们一说念提供了最佳的优化算法。火箭回收无时无刻齐要调控，因为邻近的环境齐在变化，不可能全在揣测之内，要及时进行限制。还有电网、供应链问题，包括 CAD，也离不开优化算法。统统这些工业软件的底层齐有智能的优化软件。

既然优化求解器是咱们工业软件的底层，咱们国内当今水平怎么样？荒谬欢跃地讲，从 2019 年以来，国内优化软件的发展依然置身到宇宙前哨。我有两位斯坦福培养的博士生，归国开发了一个公司 Cardinal Operations，杉数科技。为什么建议他们归国发展求解器？因为齐是西洋市集上的源泉，咱们国度我方莫得材干去作念。

华为统统的坐蓐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，东说念主大有好多是给华为作念法律参谋人的，我给他们作念供应链，包括坐蓐制造的参谋人。因为我是 2002 年回到斯坦福，那一年华为在跟想科打讼事。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，是以跟华为开发了比拟好的关系。华为上了黑名单，霎时工业排产软件用不流露，因为好意思国下了禁令，不可用他们的软件。他们找到我，驱散咱们搞了一个替代软件，这个软件那时还莫得赶上国际的水平，然则反而比国际用得好。因为咱们给的是源相貌，好意思国的文献传输齐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连系起来，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。曩昔齐口舌常大的数据公司源泉，在这以后，优化求解，算法的求解器就有了荒谬好的生态环境。国内有好多公司，包括阿里，华为，期望，齐在开发求解器，变成了比拟好的竞争环境，使咱们置身到宇宙前哨。

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。好意思国开发了一个擂台，征集了几万个优化问题，公共把我方的求解器给它，它进行评审。同样的问题在合并个机器上，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，以知友多方面比他们好。国内的求解器齐起来了，变成了荒谬好的生态环境，至少我不错炫夸地告诉公共，在优化求解器方面，中国不输于其他国度。

在咱们的接力下，好多问题的速率提高到 60 倍，有的提高到百倍，以至提高到万倍。中国东说念主诚然硬件不够，GPU 不够，然则比拟贤达，会想点子。瞎想优化算法即是一个动脑筋的问题，统统是靠我方的智商来发展。

这也得到了国际的承认。本来有好多好多问题，比如欧洲的铁路输送问题，谷歌的问题，好意思国多层供应链的问题，好多国际的求解器解不了，然则咱们概略在秒级的范围内管理掉。

拥抱 AI，拥抱智能决策

AI 概略匡助咱们作念一些什么呢？AI 能匡助咱们建模，无数的数据，无数的逻辑关系，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具。企业家的几句话，点名了经管及变量，咱们不错很快地把数学模子开发起来，然后再提取数据。

比如咱们收到这样的需求："谋略部门每天齐要补货，先把客户需求满足了，补货优先级有好多接头，物流车队每资质源也不一样，工场别占用太多仓储资本，盘活要好，输送资本要限制。"咱们的求解器不错立时给你辅导，你需要作念一些什么事情。企业家不错获胜跟咱们的大模子语言，咱们检出模子，以至把 Code 写出来。电路厂制造商，给了问题，自动存储数据，立时帮你算出来。并且咱们还赞理作念揣测，比如商品消耗，邻近市集的情况，给企业家提供建议。

面前，咱们依然有应用的实例。咱们国度也碰到了火箭回收、飞船回收的问题，这是典型的优化问题，对求解的时辰条目荒谬高，毫秒级就要测出来，因为要调遣角度。咱们依然管理了这个问题。

另外，优化求解器，东说念主工智能依然告捷用到了南边电网的电力调度。本来东说念主统统凭造就作念，当今南边电网有几个省，几万个电机，有风能，有光伏，有多样种种的新能源，具有高度的概略情趣。作为电力市集，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，这时东说念主力依然够不上了，因为握住在变化。咱们本来用的是国际的求解器，荒谬欢跃当今依然变成了国产的替代。国产的求解器在南边电网依然运营两个多月了。

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工夫文献，其编制是决定铁路运量的要道一环。高铁启动的济效益主要取决于排班列车的数目，每增多一双列车每年营收增多近亿元。公共齐乘坐高铁，是否了解本来列车排班是怎么排的？统统是东说念主工的，传统编图格式，东说念主工编图，遵守低，编制一次破钞数周。时时排一个班出来，凭据四季需求不同，排若干车，怎么停，就画一张图。这样多班次怎么排？安全第一，在合并个时辰点，合并个空间点，两个列车毫不可同期出现。启航时辰，在中间的每个时辰，到了某一个站以后，停在哪个站台，全部要梳理出来，并且列车间的时辰差不可高出安全保险。当今用新方法，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，要是知说念需求减少了，能很快排出班，是不是概略少跑一些空车，简约好多能源。

当今中国最大的煤炭调运口岸，是杉数科技在为他们做事，把东说念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 不是复制东说念主工智能，而是特地东说念主的智能，东说念主作念不到的事情咱们要让东说念主工智能作念到。当今的供应链管理，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？很大原因即是瞎想问题，瞎想问题亦然优化问题。用我导师的话说，The algorithms that turns the world，地球当今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。并且当今恰是在落地的时候，时时一个新工夫齐有聘用人命周期的，要是迈出一步你可能就疾足先得了。但愿企业家们执紧时辰，Take Actions Now。

谢谢公共！