人工智能AI（ArtificialIntelligence）

人工智能（英語(yǔ)：ArtificialIntelligence，縮寫為AI）亦稱機(jī)器智能，指由人制造出來(lái)的機(jī)器所表現(xiàn)出來(lái)的智能。通常人工智能是指通過(guò)普通計(jì)算機(jī)程序來(lái)呈現(xiàn)人類智能的技術(shù)。

在2012年之后，得益于信息化積累的數(shù)據(jù)量上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法（深度學(xué)習(xí)）的出現(xiàn)，人工智能AI開始進(jìn)入不斷發(fā)展和商業(yè)落地的時(shí)期。

2016年到2017年間，谷歌 （Google）旗下 DeepMind 公司開發(fā)的阿爾法圍棋（AlphaGo）連續(xù)取得了第一個(gè)擊敗人類職業(yè) 圍棋 選手、第一個(gè)戰(zhàn)勝 圍棋世界冠軍 的 人工智能機(jī)器人等成績(jī)，AI概念一時(shí)名聲大振，走入大眾的視野。

在人工智能60年的研究發(fā)展中，一句話概括人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的關(guān)系，就是“機(jī)器學(xué)習(xí)是是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。”

圖來(lái)源：Nvidia

供應(yīng)鏈與供應(yīng)鏈管理

供應(yīng)鏈就是通過(guò)計(jì)劃(Plan)、獲得(Obtain)、存儲(chǔ)(Store)、 分銷 (Distribute)、服務(wù)(Serve)等這樣一些活動(dòng)而在顧客和供應(yīng)商之間形成的一種銜接(Interface)，從而使企業(yè)能將顧客所需的正確產(chǎn)品（RightProduct）能夠在正確的時(shí)間（Righttime），按照正確的數(shù)量（RightQuantity）、正確的質(zhì)量（RightQuality）和正確的狀態(tài)（RightStatus）送到正確的地點(diǎn)（RightPlace）。

供應(yīng)鏈管理通過(guò)ERP、MRP、CRM等系統(tǒng)的建設(shè)，已經(jīng)基本完成了在生產(chǎn)流程不同環(huán)節(jié)、組織、人、設(shè)備之間的信息化，使得企業(yè)資源生產(chǎn)與消耗的數(shù)據(jù)逐漸可視，為合理地配置和利用企業(yè)資源,提高企業(yè)經(jīng)營(yíng)效率奠定了基礎(chǔ)。

當(dāng)人工智能AI（ArtificialIntelligence）典型的分類、預(yù)測(cè)與可視化算法，結(jié)合海量的運(yùn)輸、倉(cāng)儲(chǔ)、配送數(shù)據(jù)，把供應(yīng)鏈上不同環(huán)節(jié)、組織、人、設(shè)備之間的流程連接起來(lái)，可以有效的分析和解決生產(chǎn)需求多變，生產(chǎn)周期參差，計(jì)劃性差，柔性差，倉(cāng)儲(chǔ)周轉(zhuǎn)率低，應(yīng)收賬款高等等典型供應(yīng)鏈的問(wèn)題。

英諾森在專注解決能源領(lǐng)域的供應(yīng)鏈優(yōu)化問(wèn)題中，意識(shí)到行業(yè)供應(yīng)鏈體系正處于從“封閉式”向“開放式”，從“單一企業(yè)”向“產(chǎn)業(yè)平臺(tái)”轉(zhuǎn)變的過(guò)程中。為了解決能源供應(yīng)鏈中數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一造成的管理難題，英諾森在主數(shù)據(jù)產(chǎn)品InData中，應(yīng)用了實(shí)體識(shí)別、知識(shí)圖譜和神經(jīng)網(wǎng)絡(luò)翻譯三大AI技術(shù)。

命名實(shí)體識(shí)別（Named Entity Recognition，NER）是自然語(yǔ)言處理里的一項(xiàng)基礎(chǔ)任務(wù)，就是指從文本中識(shí)別出命名性指稱項(xiàng)，為關(guān)系抽取等任務(wù)做鋪墊。狹義上，是使用非規(guī)則的方式識(shí)別出文本中的構(gòu)成規(guī)律不明顯的命名實(shí)體，如人名、地名、組織機(jī)構(gòu)名等。

主數(shù)據(jù)中的企業(yè)物料編碼數(shù)據(jù)，由于在歷史管理系統(tǒng)中特征量實(shí)體無(wú)序、多義和嵌套等問(wèn)題，一方面需要結(jié)合行業(yè)知識(shí)，解決編碼重復(fù)和實(shí)體多義問(wèn)題；另一方面需要結(jié)合主數(shù)據(jù)分類體系，輸出最優(yōu)實(shí)體識(shí)別結(jié)果。

知識(shí)圖譜（KnowledgeGraph）又稱為科學(xué)知識(shí)圖譜，是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。

利用企業(yè)的物料編碼主數(shù)據(jù)構(gòu)建的知識(shí)圖譜，能體現(xiàn)出完整的編碼特征值知識(shí)體系，服務(wù)于InData產(chǎn)品中的清洗、搜索和推薦場(chǎng)景。在數(shù)據(jù)清洗的過(guò)程中，主數(shù)據(jù)管理人員可借助知識(shí)圖譜，了解到某個(gè)新的特征量或新的聯(lián)系，促使其結(jié)合專業(yè)知識(shí)，進(jìn)行更深入的數(shù)據(jù)標(biāo)準(zhǔn)化管理。

神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯(NeuralMachineTranslation,NMT)是最近幾年提出來(lái)的一種機(jī)器翻譯方法，能夠訓(xùn)練一張能夠從一個(gè)序列映射到另一個(gè)序列的神經(jīng)網(wǎng)絡(luò)，輸出的可以是一個(gè)變長(zhǎng)的序列，這在翻譯、對(duì)話和文字概括方面獲得較傳統(tǒng)的統(tǒng)計(jì)機(jī)器翻譯（SMT）更好的表現(xiàn)。

引入機(jī)器學(xué)習(xí)到企業(yè)物料編碼的翻譯中，算法可以通過(guò)學(xué)習(xí)多家個(gè)企業(yè)的主數(shù)據(jù)編碼，自動(dòng)捕捉行業(yè)通用翻譯規(guī)則，智能映射到行業(yè)通用主數(shù)據(jù)庫(kù)，減輕一物多碼的清理工作量。

供應(yīng)鏈智能化增長(zhǎng)飛輪

英諾森在供應(yīng)鏈行業(yè)對(duì)AI落地的摸索與學(xué)習(xí)中，主要有以下2點(diǎn)心得體會(huì)：

首先，供應(yīng)鏈信息化是智能化的基石。供應(yīng)鏈行業(yè)由于涉及到企業(yè)生產(chǎn)物資的計(jì)劃、生產(chǎn)、包裝、倉(cāng)儲(chǔ)、物流以及成品銷售等十幾個(gè)業(yè)務(wù)環(huán)節(jié)。因此，供應(yīng)鏈信息化的過(guò)程，不僅是提升倉(cāng)儲(chǔ)系統(tǒng)的數(shù)字化程度，同時(shí)也需要提升信息系統(tǒng)的流程自動(dòng)化和數(shù)據(jù)標(biāo)準(zhǔn)化，使得更多維度的生產(chǎn)數(shù)據(jù)受益于信息化水平的不斷提升。

其次，智能化的最終目標(biāo)是提高客戶體驗(yàn)，降本增效。供應(yīng)鏈管理智能化的目標(biāo)，始終是減少企業(yè)人工依賴程度，綜合內(nèi)外資源尋求最優(yōu)行動(dòng)方案，并帶來(lái)明顯的效率提升和成本節(jié)約。需要避免為智能而智能，不解決企業(yè)供應(yīng)鏈真實(shí)痛點(diǎn)情況。

審核編輯 黃昊宇