海外人才的创新黑科技（上）

天道有常，這個“常”指的是“規律、邏輯”，是歷史車輪的前路，是世態發展的前行腳步，她“不為堯存，不為桀亡”。

我們來看近年次第興起的“熱詞”，其中便暗含了這“常”：

首先是“信息大爆炸”，使得世界變成“平”的，地球上任何地方，尤其是技術發展領先的區域出現了一個新的成果，很快就能傳遍業界，繼而形成轉化落地。這加速了人類社會文明的進步與科技的發展。

信息多到令人窒息，吾生有崖而學海無涯，我們沒有閒暇去看雜亂的虛假信息、陳南往事……我們對資訊質量的要求越來越高，一個有價值的訊息被美譽為“乾貨”，因此接下來我們的時代出現了一句口號：“內容為王”。

人越來越務實，“乾貨”一詞越來越多以“模型”、“調研結果”、“數據分析報告”等數字化形態來被表現，陳述客觀事實而非抒發胸臆與闡述願景。這時，核心詞彙變成了“數據”，繼而是“大數據”，仿佛調查的樣本越多，結果越有參考價值。

“大數據”給人一種假象，即因為樣本的龐大，調研似乎已經從抽樣調查變成了全樣本調查，從而得出一個“事實”而非“估計”。這樣龐大的數據量人無法處理，於是人想到了“機器換人”。

新時代的AI提法由此誕生了。我們稱之為“深度學習”，而我們要教會她啥呢？她得學習如何幫助人類處理海量的數據。

12月末在廣州召開的中國海外人才交流大會（第20屆中國留學人員廣州科技交流會）留海海歸黑科技產品推介的舞臺上，“大數據”的使用再度成為創新關注的焦點問題。

BADiS智能機器學習平臺

如上所言，BADiS也認為，進入大數據時代後，工作的重心已從數據的獲取轉移到數據的篩選，而目前存在一個痛點，縱然是運用計算機，研究人員仍需花費90%時間用於預處理、提特征、調參上。根據業界現狀，數據處理一般遵循以下流程：

導入數據

↓

缺失值處理、類型轉換、特征規劃化、採樣過濾

↓

構造特征、特征選擇

↓

GBDT隨機森林、SVM lr建模

↓

參數搜索、驗證評估

↓

結果呈現

BADiS的創新在於將AI引入數據分析環節，將流程調整為：

選擇場景，導入數據

↓

自動預處理

↓

建模評估

↓

分佈式訓練

↓

自動調參

↓

結果呈現

分行業場景，利用常模訓練AI，由AI來代替人作信息篩選，而人從一個“運動員”身份轉為“教練”，職責從“檢查”變為“監督”，對結果不是校準而是從分析方法上作調整，由AI基於方法而自行得出結果。

這其實是一個思維模式的極大轉變：如果計算機只是幫我們加速，那她永遠只是個計算機而已，惟有當計算機能獨立把事情做完，這才是AI。我們是“授AI以漁”而非“魚”。

熵商鏈

熵商鏈關注房地產，這是一個湧現眾多大企業的行業，但同時出現馬太效應：富者愈富，窮者愈窮。熵商鏈希望通過這個平臺整合針對房地產行業的金融環節，從而幫助房地產供應鏈上游中小企業融資。

目前，房地產供應鏈上游中小企業融資難、成本高的問題，匯票使用場景受限，轉讓難度較大，金融機構需要投入人力物力去驗證交易信息的真偽是行業痛點。對此，熵商鏈利用了區塊鏈技術，做出了以下創新：

簡化信息交互方式，解決傳統不擅長數據共享的問題：

多節點維護同一個賬本，依靠智能合約生成賬本內數據，減少過往企業之間大量的、複雜的數據接口對接工作

提供去中心化平臺，解決傳統不能夠讓各參與方互信的問題：

區塊鏈技術具有去中心化、時序數據、集體維護、可編程的智能合約和安全可信五大特點，解決傳統平臺信息不對稱而影響供應鏈的效率問題

海量數據支撐，解決傳統數據維度單一不作為的問題：

整合廣聯達等第三方數據與通過物聯網設備監控現場施工狀況，建立由“人工智能+大數據+物聯網”支撐的供應商信用體系

歸根結底，熵商鏈平臺的本質依舊是解答“大數據如何處理與篩選”的問題，這個平臺注重數據的真實性，區塊鏈等技術看似減慢了效率，但是“磨刀不誤砍柴工”，從整體來看成本遠低於對海量數據進行事後審查的工作。