在企業(yè)中，通常有三類人：高層,，戰(zhàn)略的制定者,；中層，策略的制定者,；基層,，策略的執(zhí)行者,。過去十多年，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)改變的正是企業(yè)的基層,。過去,銀行與客戶接觸的主要方式是門店,，通過門店內(nèi)大量的柜員來和客戶打交道。而互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)出現(xiàn)之后,，柜員的作用被降低了,，越來越多的機(jī)器替代了柜員去和客戶進(jìn)行交流。但互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)沒有改變的是中后臺人員的工作,，仍然有很多各行各業(yè)的專家在企業(yè)的中后臺從事研究工作,。在當(dāng)前的人工智能熱潮下，我們希望機(jī)器能夠幫助中后臺工作人員,，提升企業(yè)效率,。這就是第四范式想要解決的問題，即我們存在的意義,。

       第四范式名字的來源與1998年圖靈獎的獲得者科學(xué)家Jim Gray（吉姆·格雷）有著緊密聯(lián)系,。Jim Gray認(rèn)為，過去的發(fā)展經(jīng)過了三個范式,，其中第二范式——理論范式非常重要,，就像牛頓、愛因斯坦提出的理論,；第三范式——科學(xué)范式的出現(xiàn),，使我們可以用計算機(jī)對理論進(jìn)行大量推演；在未來將進(jìn)入第四范式階段,，更多的理論將由計算機(jī)的數(shù)據(jù)而非科學(xué)家去產(chǎn)生,。目前我們可能認(rèn)為數(shù)學(xué)、物理是一門科學(xué),，各個行業(yè)的業(yè)務(wù)場景則被看作經(jīng)驗主義,。我們希望在未來的各行各業(yè)中能出現(xiàn)更多機(jī)器科學(xué)家，通過這些機(jī)器發(fā)現(xiàn)的規(guī)律可能帶來人類科學(xué)的大爆炸,。那時,，科學(xué)將不僅局限于物理、化學(xué),、生物,，每個行業(yè)都會成為科學(xué)。

       其實計算機(jī)在做科學(xué)研究的時候與人類相比還是有一些不一樣的,，有它自身的優(yōu)勢,，也有劣勢。人類在宏觀層面更強(qiáng),，而計算機(jī)則更擅于微觀層面,。比如同樣一件事情,，牛頓在提煉三大定律的時候必然會看到很多物理現(xiàn)象，最終總結(jié)出三條定律來對這些物理現(xiàn)象進(jìn)行概括,。如果交給計算機(jī)來做,，方法上則會有所不同，因為計算機(jī)擁有無窮的精力,，可以做非常細(xì)致的事情,，可能會將所有物理現(xiàn)象數(shù)據(jù)化并分割，按照不同數(shù)據(jù)區(qū)間進(jìn)行規(guī)律總結(jié),，每個數(shù)據(jù)區(qū)間總結(jié)出三條規(guī)律,，最后可能總結(jié)出三千條定律。

       基于這樣的方法論,，我們可以把它應(yīng)用到各行各業(yè),，比如人工智能如何做醫(yī)療。其實醫(yī)生也是科學(xué)家,，會基于他的經(jīng)驗去總結(jié)行業(yè)規(guī)律,，而計算機(jī)可以抓住很多醫(yī)生沒有發(fā)現(xiàn)的規(guī)律。我們?nèi)ツ旰腿鸾疳t(yī)院合作,，判斷一名患者是否會在三年內(nèi)患糖尿病,。在此之前，醫(yī)生總結(jié)出的規(guī)律大概在幾十條左右,，而通過計算機(jī)總結(jié)出了50萬條規(guī)律,，這是一個很明顯的對比。最終結(jié)果是機(jī)器判斷的準(zhǔn)確率比最好的人類專家提升了2~3倍,。

       在金融反欺詐領(lǐng)域,，我們與一家業(yè)內(nèi)領(lǐng)先的銀行進(jìn)行合作。過去,，基于業(yè)務(wù)數(shù)量及案件,，由幾十名專家共同合作總結(jié)的欺詐規(guī)律為一千條左右；在使用計算機(jī)之后,，根據(jù)他們的數(shù)據(jù)總結(jié)出了25億條規(guī)律。現(xiàn)在較火的互聯(lián)網(wǎng)個性化內(nèi)容的分發(fā)也是同樣的道理,，讓計算機(jī)總結(jié)出更多規(guī)律,。由于人的精力有限，不可能總結(jié)出二十幾億條規(guī)律,。人類需要做的是抓大,，而不是在這些小的層面投入無盡的精力。

       今天我們似乎感覺AI能在很多方面改變一家企業(yè),，但落地的時候仍會遇到很多困難?，F(xiàn)在大家經(jīng)常討論人工智能是否有泡沫,，其實我們把它在各行各業(yè)的價值發(fā)揮出來，就絕對不可能有泡沫出現(xiàn),。原因是什么,？很重要的一點是人才的分布。

       AI人才主要集中在大城市和大公司,，薪酬分布在1~5萬元之間,，說明了人才稀缺、價格高,。人工智能領(lǐng)軍人物的薪水可能是普通從業(yè)者的50倍,，但這50倍的投入往往都請不到一個領(lǐng)軍人物，這是很糟糕的情況,。我們需要的不是讓那些我們所崇拜的科學(xué)家去做AI,，而是讓更多的科學(xué)家們都去做AI，讓這個世界上有幾十萬,，甚至上百萬的人工智能從業(yè)者,。我們并不需要幾十萬個領(lǐng)軍人物，而需要讓所有人都能夠擁有產(chǎn)生人工智能的能力——這是可以實現(xiàn)的,。

       再設(shè)想一下,，很多人都養(yǎng)過寵物，比如狗或者貓,。我們會教狗做一些事情,，但為什么我們不能教機(jī)器做一些事情？因為交互方式不一樣,。我們教狗的方式就是巴甫洛夫的條件反射方式,，不斷讓狗看見雞腿和鈴鐺，從而產(chǎn)生聯(lián)系,，最后它聽到鈴鐺就知道要吃東西,。但現(xiàn)實中機(jī)器并不是這樣，機(jī)器是通過矩陣運(yùn)算,、牛頓法的方式來進(jìn)行學(xué)習(xí)的,，因此我們應(yīng)該去改變機(jī)器的學(xué)習(xí)方式，讓機(jī)器也通過巴甫洛夫?qū)嶒灥姆绞饺W(xué)習(xí),，讓更多的人接觸到人工智能,。

       在這樣的情況下，我們開始做一些不一樣的事情,。由于機(jī)器是基于過去的知識與經(jīng)驗,，經(jīng)過無數(shù)次思考與進(jìn)步，最終輸出一個最優(yōu)策略,。因此,，需要構(gòu)建以機(jī)器“學(xué)習(xí)—思考—行為”的外部環(huán)境,，總結(jié)為“BRAIN”：在機(jī)器的“學(xué)習(xí)”過程中，需要為它創(chuàng)造學(xué)習(xí)環(huán)境,，業(yè)內(nèi)稱之為過程數(shù)據(jù)（Big-data）,、反饋數(shù)據(jù)（Response）；其次,，機(jī)器的“思考”過程需要匹配合適的算法（Algorithm）以及能夠滿足數(shù)據(jù)量的計算資源（Infrastructure）,；最后，要將AI的決策應(yīng)用到具體的生產(chǎn)環(huán)境中（Needs）,，在最終的“行為”空間里去創(chuàng)造價值,。

       但當(dāng)前行業(yè)內(nèi)全鏈路的建設(shè)還非常不完善，有礙AI價值的最大化,。這也是為什么第四范式專注于為企業(yè)建設(shè)AI核心系統(tǒng),，打通企業(yè)產(chǎn)生AI能力的最重要的原因。只有把AI全鏈路的基礎(chǔ)夯實,，將良好的學(xué)習(xí)環(huán)境,、優(yōu)秀的大腦和廣泛的落地實踐相結(jié)合，企業(yè)的數(shù)據(jù)資源和算法能力才能真正轉(zhuǎn)化為商業(yè)環(huán)境中決勝的產(chǎn)業(yè)革命動能,。

       從數(shù)據(jù),、人才到場景應(yīng)用，AI跨越工業(yè)化的紅線門檻過高,，導(dǎo)致了目前只有少部分能夠合縱連橫的大企業(yè)受益于此,。更多企業(yè)想?yún)⑴c進(jìn)來，往往是選用AI公司提供特定場景的技術(shù),，來解決單一的業(yè)務(wù)問題,，這不僅局限了各行業(yè)對于AI應(yīng)用場景的想象空間，也使企業(yè)自身不具備AI能力,，在AI推動的技術(shù)革命中處于被動局面,。

       為此，在過去三年業(yè)界都在追捧效果更好的算法時,，我們在扎扎實實地研發(fā)低門檻的領(lǐng)先算法,，找到技術(shù)要進(jìn)入人類生活必須達(dá)到的最優(yōu)解。發(fā)展至今,，第四范式已經(jīng)將AI落地的條件“BRAIN”,，封裝到了機(jī)器學(xué)習(xí)平臺“第四范式先知”企業(yè)AI核心系統(tǒng)中?！暗谒姆妒较戎逼髽I(yè)AI核心系統(tǒng)集合了數(shù)據(jù)核心、算法核心和生產(chǎn)核心三大模塊,，囊括了AI“學(xué)習(xí)—思考—行為”過程的基礎(chǔ)要素,，并以容易使用的AI系統(tǒng)的形式,，讓所有普通人成為AI的建立者與使用者，在各自行業(yè)快速,、低成本,、大規(guī)模地落地AI。

       人工智能行業(yè)已經(jīng)打響技術(shù)落地的最關(guān)鍵戰(zhàn)役,，廝殺場地也從實驗室轉(zhuǎn)戰(zhàn)到金融,、醫(yī)療、教育,、制造業(yè)等各個工業(yè)領(lǐng)域,。對于人工智能從業(yè)者來說，不要一味地追逐算法與炫技,，一切阻礙AI落地的困難才是要征服的目標(biāo),。對于企業(yè)家而言，要更加警惕沒有場景落地和平臺支持的AI“空中樓閣”,。