任正非談人工智慧應用：不要遍地智能化，否則滿盤皆輸
雷鋒網按：近日華為心聲社區公眾號發佈了任正非在人工智慧應用GTS研討會上的講話，雷鋒網獲悉GTS是“華為全球技術服部”（Global Technical Service）的縮寫。任正非表示，華為要開發統一的人工智慧軟體平臺，把演算法、知識、方法、經驗等都固化在平臺上。但是不要遍地都是智慧化，這會形成全面開花沒有結果的盲動，就有可能滿盤皆輸。以下是講稿原文。
公司巨大的存量網路是人工智慧最好的舞臺，GTS要利用人工智慧實現高品質和高效率的交付與服務，支撐“一萬億”美元存量網路的服務以及故障處理、預防的自動化……，以及支援每年數百億美元的網路增量的科學、合理、有效地交付。持續為客戶創造價值並提升客戶滿意，構築活的“萬里長城”，成為公司重要的可移動的“馬奇諾防線”。誰能最低成本地提供高品質的服務，誰就是這個世界最後的贏家。
公司的人工智慧研究是一個使能器，促使公司各項管理進步，不要隨議論的忽悠而迷失方向
。
|
高品質的資料是人工智慧的前提和基礎，高品質資料輸出要作為作業完成的標準
為什麼我們不可以統一作業的工具，和工作的標準。配個資料獲取聚集器，員工在現場作業完後，回到駐地處理一下，一按鍵就群發出去了，不必經過辦事處、地區部，就一步到位了。資料對各級各段透明，沒有層層級級的匯總處理，就快多了。
我們有430萬個網站，每年增加96萬個，1萬1千個合同，每個基站報上來的報表這麼厚，是因為沒有模組化分類。不抽象不總結就要上報，我們處理管道就那麼粗，所以堵得一塌糊塗。實際上歸納出來可能就一百種，大不到一千種模組。我們分類按範本傳資訊給供應鏈，供應鏈解碼打開、作清單發貨，我們管理會簡化很多。現在報表層層上報，每層增加好多人，一大堆報表甚至沒人讀過。要基於目的標準模型建設簡單自動報表體系，這樣中間的人工就減掉了，主戰場的員工就增加了。人人都基於作業給你提供準確資料，集中起來你的科學性就好了，有了這些準確資料，通過監督學習和統計手段就能使我們的效率提高。
填寫的表中有清晰的也有模糊的，確定性的工作填寫的資料要準確，如果沒有審核就傳上來不正確的資料，就是一團亂麻。清晰的資料不斷更新積累，新的有效資料不斷更替。總有一個模糊區，模糊資料的模糊性會持續不斷降低，但又產生新的模糊。在不該模糊的地方應該有指引，能夠指引基層工程師來清晰操作。人工智慧就要靠幾萬員工在做事的時候把資料有效採集回來，在歸納總結中找出規律來。清晰、準確的現場資料是重要的事情。
我們是設備供應商不是流量運營商，要根據業務場景來看多快資料算即時，不要形而上學，要根據必要的需求來獲取這些所謂即時資料。對於網路設備資料的輸出，可以採用類似“七遠八按”的方式建設資料輸出標準，以基於人工智慧的交付服務視角重新制定可服務性標準，並作為產品上市必要條件。
因此，你們說資料缺乏、雜亂無章，我不批評，我覺得沒有資料才是我要批評的。每一個人能不能搞個工裝穿在身上帶個儀器，資料先收集存儲起來，然後一按按鈕就傳送到資訊庫，對貢獻資料者還可以獎勵。
|
要聚焦投入，敢於投資，成功只是時間遲早的問題
在GTS選定的網站作業、網路集成、網路維護、網規網優等關鍵場景，在業務模型、演算法、平臺和資料上要加大投資，具體的人力與費用在戰略規劃未來的時間鏈中落實。
要開發公司統一的人工智慧軟體平臺，把演算法、知識、方法、經驗等都固化在平臺上
，首先在GTS實踐和應用，未來也可以為公司其他業務提供支撐。資料底座的投資更需要加大，作為長期的基礎工程來建設，有了高品質的資料基礎，人工智慧才能發揮作用。
2012實驗室的科學家要緊密與服務工程師合作，由熟悉理論和演算法的科學家選擇最成熟的方案應用到服務場景中，並共同完成業務提升，這就是技術和場景的結合。一部分人熟悉技術理論，一部分人熟悉場景，兩者合作起來天下無敵，你們先把我們內部的改進搞好，到那時候我們是不是走向外部我們再考慮。
新事物失敗也是成功，自己取得一點進展就記下來，這是過程記錄，自己用蘿蔔刻獎章，積累多了就去換金牌。不要怕出錯，別人說華為是落後的，因為我們只給成功的人發獎，從來不給失敗的人發獎。今天比昨天好就要發獎，喜馬拉雅爬一半也是成功，因為我們過去連山腳都沒去過。
|
人工智慧要聚焦投入不要全面開花，先縱向打好殲滅戰，旗開得勝後再橫向擴張
我們業務擴張中，人員不按線性擴張就成功了。服務工程師要聚焦服務業務，在完成服務業務同時完成人工智慧所需要的正確資料輸出，在此基礎上產生場景分析師、資料分析師和模型設計師。這些專家要長期投入在服務戰場上，通過服務客戶不斷提升能力。對於場景分析師、資料分析師、模型設計師，我的態度是要看在三年之內，有多長時間在一線服務戰場上取得成功的實踐經驗。沒有成功的實踐經驗就不要快速晉升，這樣也保證水是流動不是腐敗的。
人工智慧在投資充分的情況下不要太衝動，要急用先行小步快跑，要聚焦在確定性業務、人工消耗大的專案，寧可做得少一點，先在一兩個點突破殺開口子，集中力量打殲滅戰，不要鋪開一個很廣泛的戰線。
不要遍地都是智慧化，這會形成全面開花沒有結果的盲動，就有可能滿盤皆輸。
如人工智慧的應用首先要瞄準實現簡工勘，在此基礎上進而實現自動化設計。海量重複動作要運用人工智慧技術來替代，實現文檔自動生成、品質自動審核、遠端驗收及自動開票。然後再把人工智慧應用的成功經驗擴展至網路維護、網規網優等業務場景，把被動問題處理變為主動預警預防，不僅提升了效率還提升了為客戶服務的品質。
要踏踏實實聚焦場景一個個解決，選擇與場景匹配的相對成熟的演算法，不要等平臺和資料底座的成熟
，半成品也可以先投入到內部改進的使用，在不斷的實踐和問題解決中打造成熟的平臺和資料底座。我們在這些集中突破的項目上取得經驗培養出新生力量，這些新生力量要到基層去貫徹推廣落實，使它能夠應用起來變成習慣。在縱向發展的基礎上，把握好橫向擴張的合理節奏。一隻餅如果糊了再翻過來掉過去烙就是夾生餅，我們不要“出師未捷身先死，長使英雄淚滿襟”，我們要的是旗開得勝和最終成功。人工智慧是個新生事物，在實現過程中因為雙軌運行，要接受階段性的成本上升，實現清晰的長期目標。
人工智慧應用中一定會遇到很多困難，在前進的過程中要多鼓勵、少批評，可表揚可不表揚的要表揚。上戰場槍聲一響，誰是英雄，誰不是英雄？你說他不是英雄，在山腳你一拍他肩膀，他扛著兩個炸藥包，沖上了上甘嶺，可能就真成了英雄。
更多雷鋒網文章：
專訪 | 阿裡iDST初敏博士和陳一甯博士：如何打破語音技術的落地怪圈
百度IDL最新成果：從自然語言入手，教AI智慧體像人類一樣學習