0
| 本文作者： 叨叨 | 2017-08-06 10:49 |
雷鋒網(wǎng)按：8 月 5 日，在 Rebuild 2017 大會(huì)上，iPIN CEO 楊洋發(fā)表了題為《從認(rèn)知智能到更智能的決策》，分享了什么是認(rèn)知智能，以及 iPIN 在認(rèn)知智能方面做的應(yīng)用。雷鋒網(wǎng)根據(jù)現(xiàn)場(chǎng)速記進(jìn)行了整理。
以下是 iPIN CEO 楊洋的演講實(shí)錄，雷鋒網(wǎng)在不改變?cè)獾幕A(chǔ)上做了精編：
大家好！我叫楊洋，我這個(gè)名字比較像一個(gè)明星的名字對(duì)吧？所以很多人一聽我這個(gè)名字以為是另外一個(gè)楊洋，我們公司的一個(gè)同事為了做宣傳，就說楊洋幫你填報(bào)志愿，然后吸引了大量的不知情的90后、00后進(jìn)來，然后“被騙了”。這就是我們的認(rèn)知發(fā)生了偏差。我們今天談“認(rèn)知智能”。
人工智能很火，火的一塌糊涂，甚至我都不愿意把我們公司稱之為一個(gè)人工智能公司。為什么呢？因?yàn)槿魏蔚募夹g(shù)都是解決問題的，如果一個(gè)技術(shù)不能解決問題它是沒有價(jià)值的。我們公司做到現(xiàn)在，大家以為人工智能很火，無所不能，但是大家仔細(xì)的回想一下，我們現(xiàn)在的人工智能對(duì)你的工作影響了多少？你每天的工作方式有改變嗎？也許可能搭滴滴的時(shí)候，或者看今日頭條的時(shí)候有一些改變。但是在我們工作中呢？我們都說人工智能會(huì)帶來第四次工業(yè)革命，但是到現(xiàn)在為止人工智能對(duì)我們工作的滲透可能還不到1%。我們不需要聊天，在工作的時(shí)候我們要的不是聊天，要的也不是圖像識(shí)別，要的也不是無人駕駛，除非你是個(gè)司機(jī)。
所以，其實(shí)現(xiàn)在人工智能的發(fā)展，距離真正顛覆我們工作的環(huán)節(jié)或者習(xí)慣，還差得好遠(yuǎn)。為什么是這樣子呢？就在于我們現(xiàn)在人工智能發(fā)展水平還只是集中在感知智能，距離認(rèn)知智能還比較遙遠(yuǎn)。這就像一個(gè)5歲的小孩，你跟你5歲時(shí)候比智商其實(shí)是差不多的，5歲的時(shí)候智商基本發(fā)展到跟成人差不多，但是你能讓一個(gè)5歲的小孩去做投資嗎？不能對(duì)不對(duì)？你能夠讓一個(gè)5歲小孩去做招聘嗎？不能。
那5歲跟35歲之間的差距到底在哪里？其實(shí)就在于，我們對(duì)于很多生活常識(shí)的各種理解和學(xué)習(xí)。我爸爸在湖北省當(dāng)?shù)厥且粋€(gè)很有名的醫(yī)生，我在美國(guó)讀書他去美國(guó)看我，他卻發(fā)現(xiàn)他失去了他所有的一切能力，他在中國(guó)算是一個(gè)很有成就的人，但到美國(guó)連他自己工作和獨(dú)立生活的能力全部喪失了。為什么？并不是他能力沒有了，而是說他的能力、認(rèn)知跟當(dāng)時(shí)的環(huán)境已經(jīng)發(fā)生了一個(gè)巨大的不匹配。所以，他的認(rèn)知等所有的一切都顛覆了、沒有了。這就是認(rèn)知智能。
現(xiàn)在的人工智能技術(shù)，距離我們真正大規(guī)模應(yīng)用到工作中，缺乏的就是在認(rèn)知智能的發(fā)展。
我舉一個(gè)很小的例子，就是高考志愿填報(bào)。
在座的各位應(yīng)該絕大多數(shù)都經(jīng)過了高考志愿填報(bào)環(huán)節(jié)，除非你高中就出國(guó)了，逃掉了，或者說你高中壓根兒沒畢業(yè)，我當(dāng)時(shí)本來也不想讀完的。但是，一旦你經(jīng)歷過這事兒就知道，這個(gè)事兒是個(gè)小事，大概只用一個(gè)禮拜就搞定它了。但是要真正把這個(gè)事兒做好，你卻需要非常多條件，而且它對(duì)你的一生影響是非常大的。比如說，我因?yàn)楫?dāng)年填錯(cuò)了一個(gè)志愿，我的人生在最美好的年華，至少浪費(fèi)了6年，包括我周圍的很多人都是這樣，超過71%的人在大學(xué)畢業(yè)之后所從事的工作跟自己所學(xué)的專業(yè)是無關(guān)的。這就包括我們公司是一個(gè)人工智能的公司，我們公司絕大多數(shù)人也是這種情況。
那填報(bào)志愿需要哪些條件呢？
了解自我
你了解自我嗎？我在美國(guó)的時(shí)候很有意思，有一次受了一個(gè)刺激，問了一下我周圍的中國(guó)留學(xué)生，發(fā)現(xiàn)絕大多數(shù)人都不知道自己是否喜歡自己的現(xiàn)在，也不知道自己喜歡什么。所以，了解自我是個(gè)很大的問題。
10萬+可選項(xiàng)
中國(guó)2500多所大學(xué)，10萬多個(gè)院系，市場(chǎng)上有12000多種職業(yè)，這種組合超過1億個(gè)，你如何在里面選？
明規(guī)則+潛規(guī)則
有一些明規(guī)則，每個(gè)學(xué)校的每個(gè)專業(yè)，在每個(gè)省的填報(bào)規(guī)則都不一樣。這些規(guī)則你都了解嗎？還有大量潛規(guī)則。比如說，機(jī)械系女生少，這個(gè)規(guī)則學(xué)校是不會(huì)告訴你的，你自己考慮吧？女生少代表什么？還有大量大量其它的各種潛規(guī)則，比如中華女子學(xué)院也招男生你知道嗎？不知道。真的！中華女子學(xué)院有1%是男生，在播音系，因?yàn)橐信畬?duì)練。
決策方法
怎樣才會(huì)有一套科學(xué)的決策方法？我們每天都在不停的做決策，科學(xué)的決策方法依據(jù)是什么？
可惜這一切，這么重要的事，你的一生只有三天去決定。根本搞不定的，它遠(yuǎn)遠(yuǎn)超出了人能夠通過自己人的大腦的認(rèn)知去解決的問題范疇。
那接下來需要怎么辦呢？所以，就出現(xiàn)了一種職業(yè)，叫做高考志愿填報(bào)專家，這種專家收費(fèi)幾千到幾萬不等。還有很多很多事情都是這樣的，比如招聘、招新、招標(biāo)、招生、招商，找投資、找工作、找專家，這些事情現(xiàn)在都是專家在做。這些專家在我們目前的生活中，可以說是很常見的。
就像剛剛說的問題，我們不可能讓一個(gè)5歲的小孩去做投資，因?yàn)榇_實(shí)里面所包含的信息量、所認(rèn)知的東西實(shí)在是太多了。
那我們?cè)趺崔k呢？人工智能將要引起第四次工業(yè)革命，那我們?cè)趺慈ビ肁I加速這個(gè)進(jìn)程去真的能夠加速我們的工作效率，能夠代替我們?cè)诠ぷ髦腥ダ斫獯罅康倪@些東西，然后幫助我們做決策呢？
這是現(xiàn)在人工智能真的要想在商業(yè)領(lǐng)域大展宏圖，必須要去突破的一個(gè)領(lǐng)域，這塊其實(shí)就是認(rèn)知。
我們回顧一下人是怎么思考問題的：
人的認(rèn)知其實(shí)就分很簡(jiǎn)單4個(gè)步驟，比如從感知信息-認(rèn)知信息-分析-做出決策，就這么4個(gè)環(huán)節(jié)，我們所有的事情其實(shí)就不停的在這4個(gè)環(huán)節(jié)里循環(huán)。
我舉個(gè)小例子，比如說“我很帥”，聽清楚了，我很帥！三個(gè)字對(duì)不對(duì)？
感知，在這里所起的作用是，你把這三個(gè)字寫出來，而且不寫錯(cuò)。
認(rèn)知，就是你聽不聽得懂，比如說，我跟我女兒說“我很帥”，她1歲的時(shí)候聽不懂，2歲的時(shí)候聽不懂，3歲突然聽得懂了，但是她可能會(huì)來一句“帥”是什么意思？跟“美”有關(guān)系嗎？她還在一個(gè)模糊認(rèn)知階段，到5歲的時(shí)候她給我來了一句“爸爸臭美”。
分析，分析是基于每個(gè)人各自掌握知識(shí)的背景和場(chǎng)景，你要對(duì)它做一個(gè)信息的加工。比如我說“我很帥”，我老婆可能就會(huì)來一句“是啊，我就是覺得你很帥，所以我找了你”，可能在座很多人覺得這個(gè)人沒有自知之明，每個(gè)人會(huì)根據(jù)自己的知識(shí)背景做出一個(gè)判斷。這是分析。
決策，比如說我老婆決定找了我，在座聽了這句話就決定把我拉黑。
這就是人整個(gè)對(duì)信息處理的全過程。認(rèn)知和分析是目前人工智能最難的，我們現(xiàn)在大多數(shù)的信息技術(shù)比如說語(yǔ)音識(shí)別、圖像識(shí)別都是在這一塊，但是這個(gè)認(rèn)知是怎么回事呢？就是我剛才說的。
舉個(gè)例子，我的專業(yè)背景是做人工智能里面的認(rèn)知智能。什么是認(rèn)知智能？可能在座是一個(gè)模糊的概念，如果我說I am a scientist rich in collective intelligence 可能英語(yǔ)好的你聽得懂我說的每一個(gè)詞，但是合起來你聽不懂我在說什么，因?yàn)?collective intelligence 是一個(gè)非常專門的領(lǐng)域，你的大腦會(huì)告訴你懂還是不懂。
比如我說華為手機(jī)，我女兒5歲，她太小聽不懂華為，但是她聽得懂什么？她聽得懂小馬寶麗和小仙女的故事，但是她聽不懂華為這個(gè)詞，我們聽得懂，因?yàn)槲覀兊拇竽X認(rèn)知庫(kù)里反射給你“華為”這個(gè)詞你是知道的，但是你并沒有做出下一步的分析，直到真正分析的時(shí)候你才會(huì)把相關(guān)一些信息提取出來做決策。
這就是我們目前人去做決策信息處理的全過程?，F(xiàn)在要用機(jī)器來加速這個(gè)過程，就要做到機(jī)器的認(rèn)知處理。難在哪里呢？
這是三大巨頭。Yan LeCun今年年初在清華說的，現(xiàn)在整個(gè)人工智能的認(rèn)知智能天花板就在于“讓機(jī)器掌握人類的常識(shí)”。就像我剛才說的，比如說華為這是一個(gè)常識(shí)，清華大學(xué)、北京大學(xué)是一個(gè)常識(shí)，常識(shí)是什么？就是大家都知道，語(yǔ)言其實(shí)本身就有很多是常識(shí)，我們才能交流，如果我說的每一個(gè)詞你們都不懂，那就沒法交流了。比如說我爸爸去了美國(guó)，他沒法獨(dú)立去生活和工作，就是因?yàn)闆]法跟人溝通。所以大家基于的常識(shí)都不一樣。
包括一些服裝的品牌，在美國(guó)非常知名的品牌。比如說有一個(gè)品牌叫 Anthropologie，中國(guó)的女生有幾個(gè)知道這個(gè)牌子的嗎？所以這就是認(rèn)知基于環(huán)境和場(chǎng)景的。
所以，如何能夠讓機(jī)器去掌握人類的常識(shí)，這是目前整個(gè)認(rèn)知智能所需要突破的一個(gè)天花板。
認(rèn)知智能是一個(gè)非常復(fù)雜和交叉的學(xué)科，可以說是有非常多的領(lǐng)域都去做了這個(gè)，包括生物學(xué)、物理學(xué)、哲學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、市場(chǎng)心理學(xué)、神經(jīng)科學(xué)，很不幸，做認(rèn)知智能都必須要涉獵每個(gè)學(xué)科，從不同的角度去看認(rèn)知。
舉個(gè)例子，我們來做一個(gè)小實(shí)驗(yàn)，我給大家兩個(gè)選擇，A 是我現(xiàn)在立刻給你300塊錢，B是我一年之后給你1000塊錢。請(qǐng)選擇 A 的立刻拿300塊錢的舉手，這個(gè)實(shí)驗(yàn)總是人越多越成功，就是50%。
那就說明什么呢？它顛覆了經(jīng)濟(jì)學(xué)，傳統(tǒng)經(jīng)濟(jì)學(xué)認(rèn)為人是理性的，其實(shí)人是非理性的。如果從理性來講，1000 塊錢是更多的，但是人的非理性行為導(dǎo)致我們決策上其實(shí)是有很多主觀的偏差。
機(jī)器認(rèn)知最大的難點(diǎn)就在于在認(rèn)知偏差的情況下，機(jī)器還要給出一個(gè)相對(duì)讓人覺得靠譜的答案。
比如我剛才說“我很帥”，機(jī)器要能給出一個(gè)靠譜的東西，它不能跟你說這個(gè)人帥或者是不帥，它也必須要給出一個(gè)社會(huì)學(xué)里后現(xiàn)代學(xué)那樣，就是一切都是相對(duì)的，沒有絕對(duì)的。
市場(chǎng)心理學(xué)、神經(jīng)科學(xué)的人發(fā)現(xiàn)人是一個(gè)非常大的矛盾體，愛和不愛，愛和恨，信與不信都是同時(shí)存在于人的大腦，因?yàn)樵谌说拇竽X里面，愛和恨，信與不信是根本截然不同的大腦反射區(qū)，所以人就是一個(gè)思維矛盾體。這種情況下如何做機(jī)器認(rèn)知？這就是一個(gè)巨大的挑戰(zhàn)。
整個(gè)做個(gè)的邏輯，一定要做三個(gè)大的矢量：真相矢量、場(chǎng)景矢量、投影矢量。然后再去通過無限接近于真相，再找到具體的場(chǎng)景，再做投影。這是整個(gè)目前做認(rèn)知分析所需要突破的三個(gè)點(diǎn)。
為了做好這一點(diǎn)，我在哈爾濱工業(yè)大學(xué)做副教授的時(shí)候承擔(dān)了一個(gè)國(guó)家項(xiàng)目，史上首個(gè)社會(huì)經(jīng)濟(jì)圖譜，通過這個(gè)圖譜去對(duì)整個(gè)中國(guó)經(jīng)濟(jì)社會(huì)建模，學(xué)習(xí)整個(gè)社會(huì)是怎么樣的。
這是中國(guó)，其實(shí)我們現(xiàn)在也在借鑒美國(guó)的數(shù)據(jù)，希望在未來兩年也開始建美國(guó)的社會(huì)性圖譜。因?yàn)閯偛耪f了，認(rèn)知是基于環(huán)境的，脫離環(huán)境的認(rèn)知是沒效的，同樣的一個(gè)詞在不同的場(chǎng)景下理解是不一樣的。
要做好這一點(diǎn)，還要有其它一些基礎(chǔ)條件：
主動(dòng)學(xué)習(xí)
這是要突破這個(gè)認(rèn)知很重要的事情，機(jī)器人在它不懂的時(shí)候我們要教它方法，它能夠主動(dòng)學(xué)習(xí)，而不是等著我來教它，我只能教它學(xué)習(xí)的方法，而不是教它怎么做。
教材可靠
一個(gè)小孩如果說他的父母是他最好的老師，他的父母把他教壞了就教壞了，所以說對(duì)教材的選擇我們認(rèn)為是非常非常重要的。
語(yǔ)境認(rèn)知
比如說喝酒，這個(gè)詞在不同的語(yǔ)境下理解是完全不一樣的，如果你在找工作的場(chǎng)景下你說很會(huì)喝酒，這說明什么呢？也許你適合做公關(guān)，也許你適合做銷售，但是如果說現(xiàn)在在法院大官司，很可能你就撞人了，酒駕。
清晰建模
如果說要幫助人輔助、決策，定性是絕對(duì)不夠的，所以普通的知識(shí)圖譜是沒用的，這兒我們要求非常高度、精細(xì)的全量化建模，這種新的方式，這樣才能真的深入我們的工作，幫助人準(zhǔn)確地做出判斷和決策。
我們?cè)谶@個(gè)基礎(chǔ)上做了三方面的應(yīng)用：1.生涯規(guī)劃；2.企業(yè)招聘；3.供應(yīng)鏈匹配
我在哈爾濱工業(yè)大學(xué)的時(shí)候，做一個(gè)公益項(xiàng)目，當(dāng)時(shí)就是為了能夠幫助人做決策，看看能不能解決這樣的問題，后來發(fā)現(xiàn)一做就不可收拾了。
在這個(gè)領(lǐng)域里面我們做了一個(gè)小的產(chǎn)品叫“完美志愿”，我們當(dāng)時(shí)做這個(gè)產(chǎn)品，就是幫助人填報(bào)告和志愿的。遇到了最大的挑戰(zhàn)是什么呢？
第一，規(guī)則不清楚。
那要做人生規(guī)劃遇到的挑戰(zhàn)跟 AlphaGo 比的話，其實(shí)比 AlphaGo 下圍棋要困難得多，AlphaGo 里面所有圍棋的規(guī)則是非常清楚的，也非常簡(jiǎn)單。但是在我們這個(gè)大社會(huì)里，絕大多數(shù)規(guī)則我們是不清楚的，甚至都是潛規(guī)則。所以，我們首先得用機(jī)器歸納各種社會(huì)的規(guī)則，而且這種規(guī)則是變化的，不停在變動(dòng)，今年這個(gè)火，明年那個(gè)火。所以還是一個(gè)動(dòng)態(tài)的。
第二，對(duì)手不明確。
在下圍棋的時(shí)候你的對(duì)手是非常明確的，而在人生競(jìng)爭(zhēng)里面，我們的競(jìng)爭(zhēng)對(duì)手是非常不明確的，你根本就不知道是誰(shuí)，是環(huán)境嗎？有人說生活就像是強(qiáng)奸，如果不能反抗就順從。所以你很多時(shí)候一定要找準(zhǔn)自己的對(duì)手是誰(shuí)，才知道采取怎樣的策略。
第三，價(jià)值觀問題
更加難辦的事情就是價(jià)值觀的問題情。在下圍棋的時(shí)候價(jià)值觀是贏就可以了，給 AlphaGo 加了一個(gè)更多的價(jià)值觀——贏，而且是最低風(fēng)險(xiǎn)的贏，不要追求勝幾子，而且以最低風(fēng)險(xiǎn)的方式贏就可以了。所以你看到 AlphaGo 并不急于勝多子，只要?jiǎng)?子就可以了。
但是我們?cè)谌松?guī)劃的時(shí)候，價(jià)值觀卻有很多樣，很多人想要錢，男生就想要盡快地迎娶白富美，登上人生巔峰。有人的價(jià)值觀是平平淡淡才是真，多少錢無所謂，只要過得開心就好。還有人是追求很巨大的社會(huì)影響力，所以就有人把美國(guó)總統(tǒng)給殺了。
所以人生觀是非常不一樣的，價(jià)值觀會(huì)導(dǎo)致各種計(jì)算跟下圍棋這種虛擬要復(fù)雜得多。
為了解決這些問題，我們花了非常長(zhǎng)的時(shí)間做這些事情。很慶幸地是，經(jīng)過四年的努力，我們?cè)谶@個(gè)領(lǐng)域得到了廣大用戶的認(rèn)可，用戶量絕對(duì)第一，而且被《中國(guó)教育報(bào)》評(píng)為全國(guó)老師最認(rèn)可的一個(gè)產(chǎn)品。
可能這個(gè)跟大家來講關(guān)系不太大，但是說到下一步，我們現(xiàn)在正在做下一步的導(dǎo)航，就是真的人生導(dǎo)航儀，這是一個(gè)陪伴產(chǎn)品，從15歲到30歲，我們已經(jīng)機(jī)器學(xué)習(xí)了上億人的成長(zhǎng)軌跡，包括各種成功的、不成功的。如果說你沒有理想，就幫助你確定一個(gè)理想的方向。如果你已經(jīng)有理想了，那就幫助你從你的現(xiàn)狀和理想之間找到一個(gè)最優(yōu)的路徑，在人生每個(gè)關(guān)鍵的路口為你指引方向。
這是我們的產(chǎn)品，我們現(xiàn)在正在做高中和大學(xué)階段，也希望未來能夠逐步滲透到職場(chǎng)階段。
我們還做了一個(gè)嘗試領(lǐng)域是招聘。
說到做招聘，這是一個(gè)血淚史，我是2005年第二次創(chuàng)業(yè)的時(shí)候做了一個(gè)項(xiàng)目，那個(gè)項(xiàng)目專門做人和項(xiàng)目的匹配，結(jié)果發(fā)現(xiàn)效率非常低，我當(dāng)時(shí)天真地以為這是一個(gè)關(guān)鍵詞搜索的問題。所以我2007年進(jìn)了美國(guó)國(guó)家旅游與電子商務(wù)實(shí)驗(yàn)室，專門做搜索。結(jié)果做了一年的搜索，發(fā)現(xiàn)根本不是一個(gè)搜索的問題，搜索的關(guān)鍵詞根本解決不了這個(gè)問題。
舉個(gè)例子，在座有很多美女，左邊有很多美女，那邊有很多漂亮妹子。其實(shí)這是說的一句話，一個(gè)意思，但是關(guān)鍵詞不一樣，所以不是關(guān)鍵詞匹配的問題，是認(rèn)知搜索、認(rèn)知匹配的問題，所以就這樣，我就進(jìn)入到了一個(gè)認(rèn)知智能領(lǐng)域。
招聘領(lǐng)域也是一樣的，這是一個(gè)可以說是全世界所有企業(yè)、所有人都會(huì)被涉及的一個(gè)領(lǐng)域，但是很可惜，這一塊完全是靠HR用人工做的，平均每個(gè)HR每天要花40%的時(shí)間檢索簡(jiǎn)歷，然后要輸入一個(gè)簡(jiǎn)歷，你要想用什么關(guān)鍵詞，無論是51、智聯(lián)、獵聘也好，你要想你用一個(gè)什么樣的關(guān)鍵詞，然后用了這個(gè)關(guān)鍵詞之后，所有的簡(jiǎn)歷這些人怎么樣？符不符合？都是用人工一個(gè)一個(gè)點(diǎn)開看去判斷，由于用的是關(guān)鍵詞匹配，所以排名第一和排名第一百的根本就沒有什么區(qū)別，并沒有說他們有質(zhì)量的區(qū)別。
比如說我回國(guó)以后找工作，我太太說強(qiáng)生有一個(gè)崗位特別適合她，她就投了簡(jiǎn)歷，結(jié)果不停地被淘汰，連面試的機(jī)會(huì)都沒給。我后來我通過關(guān)系就找到強(qiáng)生的那個(gè)負(fù)責(zé)人，我就把我老婆的簡(jiǎn)歷給他，他說特別適合，但是問HR為什么不給面試機(jī)會(huì)？HR說關(guān)鍵詞不匹配。
所以，這就是整個(gè)影響我們?nèi)鐣?huì)人才去到該被需要的地方去最大阻力，如何通過認(rèn)知智能解決這個(gè)高效匹配的問題可以說是我過去12年就一直在做這樣一個(gè)事，做了整整12年，遇到的挑戰(zhàn)其實(shí)就是屬于各種企業(yè)的理解。我們公司就做兩件事：用機(jī)器分析人、分析企業(yè)。
如何讓機(jī)器對(duì)企業(yè)的分析能夠達(dá)到HR的水平？甚至勝過HR，達(dá)到專家的水平？
社會(huì)是變動(dòng)的，各種崗位，那天來了一個(gè)華大基因的一個(gè)朋友，他就輸了一個(gè)崗位，那個(gè)崗位是一個(gè)很罕見的崗位，新出來的崗位機(jī)器如何能夠快速學(xué)習(xí)去認(rèn)知，這也是我們一個(gè)很大的挑戰(zhàn)。
當(dāng)然更大的一個(gè)挑戰(zhàn)是高速計(jì)算，對(duì)于幾千萬人的簡(jiǎn)歷在簡(jiǎn)歷庫(kù)里逐字、逐詞、逐句做認(rèn)知分析，這個(gè)計(jì)算量是天量的，可以說我們花了很長(zhǎng)的時(shí)間，花了兩年多的時(shí)間才突破了這個(gè)計(jì)算，達(dá)到了毫秒級(jí)，就是現(xiàn)在4000萬人的簡(jiǎn)歷全量地語(yǔ)義認(rèn)知計(jì)算算一遍下來，只需要花大概200毫秒。
綁定渠道之后就會(huì)把你所有的這種崗位給拉下來，自動(dòng)幫助你生成自動(dòng)招聘的策略，然后上網(wǎng)幫助你找所有可能潛在的人，把這些人以及投簡(jiǎn)歷的候選人拉回來之后，對(duì)他做認(rèn)知分析，對(duì)每個(gè)人進(jìn)行多達(dá)300多個(gè)維度的分析，然后這些分析之后給出一個(gè)咨詢學(xué)習(xí)得到的一個(gè)加權(quán)分，然后根據(jù)不同的崗位做出不同排序。所以，排在最上面的相比排到后面的人，崗位是更加適合你的需要的。
整個(gè)這個(gè)過程，它最核心的地方就是我們能夠?qū)θ诉M(jìn)行多維度的，經(jīng)過表面的語(yǔ)言，然后做到背后深度的像人一樣的認(rèn)知分析。比如說，這里要找一個(gè)，這是獵聘網(wǎng)上的一個(gè)職位，直接拉過來，他是要找一個(gè)房地產(chǎn)行業(yè)的銷售。找出這樣一個(gè)人來，這里有很多大家看到好多機(jī)器輔助標(biāo)藍(lán)的部分，標(biāo)藍(lán)的這些部分就是機(jī)器認(rèn)為從認(rèn)知層面來講是符合你左邊所列的這些條件的，右邊還列出了各種各樣的緯度，這些緯度都是從量化的角度的計(jì)算?？梢哉f，我們這方面的維度計(jì)算由于是用的全量化，而人的大腦匹配是用的模糊計(jì)算，這塊可以說是更精準(zhǔn)的。
尤其是當(dāng)招聘行業(yè)的大佬來我們公司線上體驗(yàn)的時(shí)候說，誒！你們是不是請(qǐng)了房地產(chǎn)專家？原因是，這里說要找房地產(chǎn)行業(yè)的銷售，結(jié)果那邊就把一些萬科這種詞都自動(dòng)的篩選出來。但其實(shí)沒有，我們公司沒有任何房地產(chǎn)專家，甚至我們公司連買了房子的人都很少，因?yàn)槲覀児驹谏钲冢钲诜績(jī)r(jià)實(shí)在是太逆天了對(duì)吧？沒有。這一切都是我們把方法教給機(jī)器，機(jī)器自動(dòng)去學(xué)習(xí)、自動(dòng)去標(biāo)注出來的，這樣就可以大大節(jié)省人對(duì)簡(jiǎn)歷的分析以及排序的時(shí)間。
可以說，從輸入的時(shí)間到做判斷的時(shí)間，到匹配的準(zhǔn)確率和人才庫(kù)使用，都有一個(gè)極大的提升。這樣的話，就可以對(duì)我們有20倍的提升?？梢哉f，這樣就可以對(duì)未來做一個(gè)不是很大膽的語(yǔ)言：這個(gè)行為目前來看，我們目前基本上把我們所知道的HR行業(yè)跟人比較的分析，絕大部分都已經(jīng)解決了，而且絕大部分都已經(jīng)做的比HR更好。當(dāng)然，可能跟專家比還是有一定距離，但比HR做的更好，就是因?yàn)镠R他不是專家嘛，這方面還是屬于有很大的，可以說是在五年之內(nèi)有大量的招聘專業(yè)一定會(huì)被大量的解放出來，去解放做更多的。比如說騰訊的HR說，這樣的話他們就可以做更多人工的關(guān)懷事情，比如說程序員、安慰師之類的。
這個(gè)產(chǎn)品可以說是整整做了12年，這個(gè)項(xiàng)目已經(jīng)做了三年，二維碼大家可以掃，可以身臨體驗(yàn)一下，如果說你對(duì)這方面有興趣。我這個(gè)人因?yàn)橛挟a(chǎn)品潔癖，一個(gè)東西如果不能做到特別讓人驚艷，我是不會(huì)放出來的。這個(gè)項(xiàng)目?jī)?nèi)測(cè)了已經(jīng)有一年了，不停地在改進(jìn)，應(yīng)該就在最近兩個(gè)月就在全國(guó)大范圍地免費(fèi)推出，能夠讓所有企業(yè)的HR得到這樣的解放。
再一個(gè)領(lǐng)域就是供應(yīng)鏈匹配。
供應(yīng)鏈匹配這個(gè)是我們當(dāng)時(shí)跟兩個(gè)上市公司交流，比如說在商業(yè)地產(chǎn)里如何拿地，從拿到地到開始建設(shè)，這中間整個(gè)供應(yīng)鏈的流程目前有兩年，他們積累了大量的歷史數(shù)據(jù)，如何通過歷史數(shù)據(jù)學(xué)習(xí)加速這個(gè)供應(yīng)鏈匹配的問題，應(yīng)該是所有的傳統(tǒng)企業(yè)都會(huì)面臨一個(gè)很重的問題。這兒其實(shí)也是面臨同樣的，對(duì)企業(yè)業(yè)務(wù)的認(rèn)知、多維度的深度認(rèn)知和各種企業(yè)關(guān)系的認(rèn)知，這兒在未來對(duì)傳統(tǒng)行業(yè)有非常大的幫助，能夠加速企業(yè)的發(fā)展。一塊地在那兒放兩年，收租得收多少？所以這是一個(gè)巨大的資源浪費(fèi)。
正是由于我們做了這些業(yè)務(wù)之后，我們其實(shí)做這個(gè)東西可以通用到很多領(lǐng)域。比如說我們現(xiàn)在正在做一個(gè)大的司法項(xiàng)目，有些法律公司用我們這套（做招聘的這套）遷移到做法律，只花了三個(gè)月就可以拿去做法律，所以說它擁有很好的在商業(yè)領(lǐng)域的知識(shí)分析的開放性和通用性。
所以我們也經(jīng)常被另外一家很有名的公司叫 IBM，和 IBM Watson 做對(duì)比，因?yàn)?Watson 的定位也是做商業(yè)認(rèn)知分析，和我們的定位是一樣的。
今年2月份的時(shí)候在美國(guó)一個(gè)大會(huì)上，《華爾街日?qǐng)?bào)》用整個(gè)版面報(bào)道我們公司，把我們公司跟 IBM Watson去對(duì)比，我們會(huì)被問起跟 Watson 的區(qū)別在哪里，包括 Watson 海外的用戶，進(jìn)入中國(guó)的時(shí)候也會(huì)想要用我們這個(gè)東西做嘗試。
這里面的區(qū)別我覺得主要有幾個(gè)：
首先是我們切入的領(lǐng)域非常不一樣。這個(gè)導(dǎo)致我們整個(gè)知識(shí)陳列的方式非常不一樣。Watson 是從醫(yī)療領(lǐng)域切入，尤其是從醫(yī)療的腫瘤切入，實(shí)際上很多人以為 Watson 是一個(gè)問答系統(tǒng)，實(shí)際上問答系統(tǒng)只是它的一個(gè)模塊而已，它只要是做認(rèn)知分析。它是從醫(yī)療切入，而我們是從生涯規(guī)劃和招聘切入，所以我們更關(guān)心的是人和企業(yè)這方面的分析，和他們關(guān)注的是醫(yī)療方案分析。
Watson 早期是完全基于專家系統(tǒng)和 NLP 的方向，是2015年才開始組建這種深度學(xué)習(xí)，才往這方面走的，但是由于它他大量前期都是依賴于專家系統(tǒng)，所以即便是它從它的腫瘤診斷遷移到糖尿病診斷，遷移的成本都非常高，因?yàn)樗菍＜蚁到y(tǒng)。
而我們所有的分析全部是基于深度學(xué)習(xí)，所以我們的遷移成本在我們所做的商業(yè)領(lǐng)域分析領(lǐng)域里，我們的成本相對(duì)來說比較低。
可以說在這方面，未來認(rèn)知智能想要往商業(yè)領(lǐng)域滲透是大勢(shì)所趨，它將決定了整個(gè)商業(yè)有多大程度會(huì)被技術(shù)提升。現(xiàn)在 AI 可以說是正在進(jìn)入到人工智能的下一個(gè)時(shí)代，從感知過渡到認(rèn)知智能。希望在未來不久的將來，我們新的產(chǎn)品能夠幫助大家在工作中讓決策更智能，能夠更有效率。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
