人工智能的商业化元年，一个问题摆在从业者面前：AI如何进入企业？在业务执行层面能给企业们带来哪些改变？

不论是百度在整个2017年对无人驾驶系统与语音分析入口的全力押注，还是腾讯在成立 AI Lab 后与多款硬件结合“秀肌肉”的表现，自身具备技术能力的 BAT 无一不在结合自身业务和应用场景“ All in AI”。

除了内容推荐之外，今日头条也将其强大的算法能力向商业领域——诸如广告分发业务上拓展，AI能够使消费者触达环节变得更加精准。今日头条创始人兼CEO 张一鸣就曾直言：“只要把 AI 更新一个模型，就可能会带来几个点的利润。”

AI 对产业效率的提升、未来 AI 将成为如水电煤这样的基础设施，已经是业界共识。而相较于云服务、大数据，AI 与业务、与产品、与消费者的关联将更加多元。

这也提出了另一个行业议题：如果说 AI 真的能像水电煤一样让消费者触手可得，如何降低 AI 的门槛，让更多人了解 AI 甚至能够自行使用 AI ，同样成为行业需要关注的问题。

“AI技术一定会快速普及，以后高中生就可以做AI。所以大家现在都在谈 All in AI，本质上就是门槛低了。”在钛媒体编辑在乌镇对猎豹移动 CEO 傅盛进行的采访中，傅盛曾这样表示。

第四范式创始人及CEO戴文渊

同样是在乌镇大会上，定位于帮企业搭建商用人工智能平台的“第四范式”发布了其人工智能产品“先知”的最新版本——3.0系统。

用第四范式创始人及CEO戴文渊的话来说，“先知 3.0 ”可以让公司里完全没有技术背景的行政、前台等员工，也能在一周之内经过培训后，掌握基本的 AI 技术，甚至可以自行搭建一个根据喜好分发内容的推荐系统。

在戴文渊看来，AI 的应用推广不能只依赖数据科学家这一小部分人群。“这就好比汽车的普及，现在考驾照也不难了，未来 AI 的应用也一定会朝大众化的方向发展。”戴文渊告诉钛媒体编辑。

打造 AI 入门者可以构建今日头条

两年前的“第四范式”，还很孤独。

2014年，戴文渊任职于百度营销系统“凤巢”。彼时他是百度最年轻的高级科学家，身背ACM世界冠军等光环。在百度任期之内，戴文渊通过优化广告投放规则，帮助百度将广告收入提升了40%，而在这一过程中，戴文渊也更深地感触到机器学习对于公司业务的有效提升。

因为不甘于只将 AI 应用在广告业务，戴文渊在2015年创建“第四范式”。在戴文渊看来，百度曾经搭建一个 AI 系统动辄需要200-300人的科学家团队，这对于大多数企业是无法承受的成本，当中还不算百度已经积累的计算资源与技术投入。因此，戴文渊希望能将当时稀缺的 AI 技术封装到一个产品中，以商业套件的形式提供给企业。

不过，尽管这一定位从未改变，但诞生于2015年、身处眼下最为热门的 AI 领域的创业公司，在彼时并没有因为所谓的“人工智能”而受到关注——那一年创投风口还被 O2O 所占据；直到如今，随着 BAT 对 AI 的空前重视，以及AI 落地场景的不断涌现，“第四范式”提出的“AI For Everyone”才逐渐被外界了解。

那么，让“小白用户”借助第四范式的系统入门 AI ，是如何实现的？

在第四范式的总结中，企业 AI 系统需要具备三种核心能力：数据、算法、以及生产能力。因此，在第四范式最新发布的“先知3.0”中，就打通了从数据到业务的闭环，将机器学习产生智能的能力，与业务环节连接，形成了一个“机器学习圈”。

以今日头条等个性化内容推荐应用为例，使用“先知3.0”构建这样一个“千人千面”的智能系统大致需要四步：

1、行动。先让系统推荐给用户一些文章，或者根据用户初始登陆时自行选择的兴趣标签推荐一部分内容。

2、反馈。系统推荐得文章用户是否浏览？浏览时间多长？是否连续浏览相同主题文章？这类用户行为会演变为数据反馈给系统。

3、反思。通过以上的用户行为数据，机器开始学习并总结用户的阅读喜好。

4、理论。针对用户行为的反思结果生成一套通用理论，使应用的推荐更加精准，最终回归到行动，并以此周而复始，不断迭代。

以推荐系统为例，“先知3.0”通过构建机器学习圈的闭环，能够让普通员工掌握 AI 能力。

对于戴文渊来说，先知产品从1.0到3.0，同样经历了一个进化的过程。“2.0的时候，我们只能通过企业自行收集数据生成 AI 模型，这就让’先知’高度依赖企业收集数据的准确性。”戴文渊说到。

由于大多企业收集数据会存在误差——比如很多传统企业只关注结果数据，不采集结果数据，这就好比机器只能了解员工一年工作的年末评定，却不清楚员工每天做了什么，这就导致机器学习无法对未来的行为提供建设性建议。

因此，在先知3.0中，戴文渊带领团队设置了标准反馈数据的采集工具，同时对金融、医疗等行业设置了精细化的数据采集标准，确保企业能够采集到 AI 所需要的数据。

数据科学家的两条路径

对于大众来说，降低 AI 的认知门槛自然有一定意义，但是否有必要让入门者——或者说公司的每个员工——都成为 AI 专家？

戴文渊向钛媒体描绘了一个办公室前台都能使用的场景，“拿最近流行的人脸识别签到系统来说，公司前台只要收集全公司的人员照片，输入到’先知’系统中，就可以生成一个人脸识别模型，再结合硬件设备，即可让员工通过人脸签到打卡。”

类似的案例还有很多。在第四范式目前合作最多的银行客户中，不少银行内部员工就可以利用“先知”系统在超过20个日常业务中提升运营效率，为此，第三范式还特别成立了“范式大学”，针对企业内部普通员工，教会他们利用“先知”平台，在四天内成长为一个初级的数据科学家。

那么，这是否能意味着数据科学家会就此失业？

在戴文渊看来，数据科学家的角色未来应朝两个方向去发展。“一个更关注解决业务问题，比如解决一个反电信诈骗的问题，或者成为一个信息审核的专家。另一个就是往非常精深的底层技术发展，成为平台背后关键技术的支撑点。”

这样的角色差别事实上也反映出第四范式对 AI 产品及应用的定位。在人工智能科学领域，有一个问题也曾引发不少争论：

好的 AI 模型，是应该给技术专家配一个业务顾问，还是给业务高手配一个技术工具？

对此，第四范式选择了后者。“我们的数据科学家不仅要理解算法，更重要的是要求他们有对业务的理解能力和沟通能力，对业务有敏感度。”第四范式联合创始人、首席架构师胡时伟说到。

在胡时伟看来，传统意义上的数据科学家，需要编程/算法的经验、数学理论的支持以及业务知识，但随着市面上 Tensorflow（谷歌发布的深度学习开源框架）等算法开源以及“先知”这类产品的普及，编程、算法、理论都可以被封装进产品中提供给大众，掌握实际业务的重要性不言而喻。

目前，第四范式团队已在消费金融、个性化推荐等领域拥有包括招商银行、光大银行、今日头条等大量客户，另外，第四范式还强调通过“迁移学习”的方式，将通用模型迁移到小数据上，使其个性化，从而在新的领域也能产生效果，以此在金融、电信、互联网等更多行业打造百余个人工智能应用。

而对于 AI 应用的未来，戴文渊认为，AI 在应用场景上还有大量需求被压抑着，企业不是不想做，而是限于技术门槛与人力成本，无法投入更多地资源去做，因此，戴文渊也着重强调在第四范式的公司定位中，除了人工智能领域公司以外，企业服务厂商的角色同样重要。

“为企业提供系统的核心出发点是：必须时刻去想怎么帮助企业解决问题，而不是一味去考虑推一个什么形态的平台。”戴文渊对钛媒体编辑说到。因此，第四范式对于 AI 系统的追求并不在于提供多么艰深的算法——那是学界研究的方向，第四范式对于算法的研究标准是“在同等水平的技术维度中，考虑能被更多人接受的产品模式”。（本文首发钛媒体，作者/苏建勋）