人工智能正在迎來新一輪的熱潮。自ChatGPT上線以來，自然語言處理的發(fā)展?jié)摿χ饾u被認可，人們開始相信人工智能具有像人類一樣智能的可能性，通往通用人工智能（AGI）的路程又近了一步。然而，深度學(xué)習(xí)泰斗、圖靈獎得主Yan LeCun認為，ChatGPT并不能做規(guī)劃決策，因此還沒有“真正的智能”，并認為通往“真正智能”的關(guān)鍵環(huán)節(jié)是“世界建?！薄Ｓ辛耸澜缒Ｐ?，就可以在其中求解最優(yōu)決策。因此，在ChatGPT實現(xiàn)通用語言智能之后，進一步值得關(guān)注的人工智能領(lǐng)域是通用智能決策。

南棲仙策是一家專注研究通用智能決策的公司，由南京大學(xué)人工智能創(chuàng)新研究院技術(shù)孵化，自2019年起，基于自主探索的強化學(xué)習(xí)、環(huán)境模擬、策略遷移、深度學(xué)習(xí)等技術(shù)，推動智能決策在現(xiàn)實場景落地。

(資料圖片)

在人工智能領(lǐng)域，視覺技術(shù)和自然語言處理技術(shù)都有了較大進展，但自AlphaGo在圍棋上戰(zhàn)勝人類后，決策領(lǐng)域人工智能的發(fā)展一直相對緩慢。在決策領(lǐng)域，落地的關(guān)鍵并不是決策本身，而是對任務(wù)的建模，即LeCun提到的“世界模型”，如圍棋世界就有著一套游戲規(guī)則，然而，現(xiàn)實世界很難找到直接的規(guī)則和模型。

這背后還有困擾工業(yè)場景的一個大問題——場景復(fù)雜、數(shù)據(jù)少、數(shù)據(jù)不全。工廠數(shù)字化是近幾年的產(chǎn)物，工業(yè)環(huán)境大多非常復(fù)雜，通過專家經(jīng)驗很難準確還原出真實環(huán)境模型，因此無法通過AI來真正實現(xiàn)決策控制，并且工業(yè)里的大量生產(chǎn)數(shù)據(jù)、歷史數(shù)據(jù)都是缺失的，這會影響人工智能算法訓(xùn)練所需的數(shù)據(jù)效果——有限的數(shù)據(jù)類型和范圍會影響信息處理能力，而數(shù)據(jù)量少則會限制人工智能算法的可演化空間。

南棲仙策研究了一種“數(shù)據(jù)克隆”的科技，可以實現(xiàn)從歷史數(shù)據(jù)完成環(huán)境建模的過程，它可以從有限的數(shù)據(jù)尋找出其底層的技術(shù)原理，再克隆出更多的數(shù)據(jù)，幫助對決策引擎的訓(xùn)練，通過在虛擬世界中推演億萬種結(jié)果，找到通向未來的最優(yōu)決策，突破人類“有限理性”的局限，即只能基于有限信息推演出有限的決策方案。

當(dāng)行業(yè)內(nèi)公司大都選擇做無模型訓(xùn)練的時候，南棲仙策選擇了一種基于“世界模型”的強化學(xué)習(xí)路線。南棲仙策創(chuàng)始人兼CEO俞揚告訴36氪，ChatGPT通過增加人工反饋的環(huán)節(jié)，幫助模型學(xué)會對人價值觀的總結(jié)，形成打分函數(shù)，再通過最大化得分自動調(diào)整模型，使其符合人類的價值觀；與此相通的是，南棲仙策基于歷史數(shù)據(jù)抽象出系統(tǒng)背后的原理，形成打分函數(shù)，再通過最大化得分自動生成大量符合原理的數(shù)據(jù)，從而完成精確的建模。

當(dāng)被問到?jīng)Q策引擎精準性時，俞揚表示，基于“數(shù)據(jù)克隆”的技術(shù)，我們通過已收集數(shù)據(jù)生成更長時間維度的數(shù)據(jù)，以此保證結(jié)果的相對精準性。而對于尚未收集到的數(shù)據(jù)，如工廠高溫爆炸等極端情況下的數(shù)據(jù)，則可以通過設(shè)置安全操作邊界等方式保障模型的安全性。

而這套技術(shù)也經(jīng)過了產(chǎn)業(yè)持續(xù)迭代過程中的工程積累。早在2017年，俞揚就通過該技術(shù)服務(wù)了淘寶搜索團隊，幫助其實現(xiàn)了數(shù)據(jù)驅(qū)動環(huán)境虛擬化和零試錯強化學(xué)習(xí)算法；2018年，該技術(shù)和滴滴出行合作，驗證了算法的通用性；在多年的產(chǎn)業(yè)迭代中，逐漸發(fā)現(xiàn)了融合因果反事實推斷等原理、提出環(huán)境模型因果建模等方法，核心技術(shù)完成了數(shù)十次的迭代升級。

這套通用AI決策能基于少量數(shù)據(jù)和主動學(xué)習(xí)，滿足不同復(fù)雜度業(yè)務(wù)的需求；可以對億萬種結(jié)果自主推演，獲取最大效用策略， 進而提供現(xiàn)實世界自主決策；此外，落地時以低代碼設(shè)計形式存在，上手容易。

目前，南棲仙策提供的是一個軟硬件一體化的解決方案，「仙啟REVIVE」是南棲仙策基于數(shù)據(jù)驅(qū)動強化學(xué)習(xí)開發(fā)的智能決策軟件，通過導(dǎo)入歷史數(shù)據(jù)，轉(zhuǎn)化為強大的決策引擎，能夠?qū)?fù)雜的決策過程梳理成可操作的業(yè)務(wù)流程，通過頂尖算法構(gòu)建“世界模型”，幫助實現(xiàn)通用性場景環(huán)境模型構(gòu)建及智能決策；硬件層面，南棲仙策的智能控制器已實現(xiàn)了和市面上常見裝備接口的連接，可以直接采集工廠已有數(shù)據(jù)，也可通過安裝傳感器的方式，在不改變企業(yè)現(xiàn)有控制系統(tǒng)或單元基礎(chǔ)上實現(xiàn)不停產(chǎn)智能化改造升級。

基于環(huán)境虛擬的強化學(xué)習(xí)

在產(chǎn)品研發(fā)過程中，南棲仙策可以構(gòu)建動態(tài)虛擬環(huán)境，減少企業(yè)試驗設(shè)計中的迭代次數(shù)，加快研發(fā)過程；在水務(wù)場景，南棲仙策通過強化學(xué)習(xí)的方式優(yōu)化了泵組壓力控制，能實現(xiàn)水廠泵房泵組的整體效用最大化，降低資源損耗超過10%；在資源配置場景，南棲仙策通過「仙啟」系統(tǒng)學(xué)習(xí)得到的配置策略，是候選技術(shù)中唯一超越人工配置的方案。

公司產(chǎn)品已進入成熟階段，且對焦了發(fā)力的主要場景——智慧城市的基礎(chǔ)設(shè)施，如水務(wù)、電網(wǎng)等場景，并在汽車底盤控制、藥物動力學(xué)等場景孕育新的應(yīng)用。其場景選擇的邏輯，一是尋找可復(fù)制、具有商業(yè)價值的場景；二是公司技術(shù)在該領(lǐng)域有著更好的解決效果。

由于驗證周期短，智慧水務(wù)是南棲仙策當(dāng)下的主力場景，2023年，公司會朝著智慧電網(wǎng)、智慧工廠等場景拓展。以電網(wǎng)場景為例，隨著新能源加入，電網(wǎng)和電廠會有較大的波動，南棲仙策的產(chǎn)品可以幫助電網(wǎng)調(diào)度做更多智能決策。

在創(chuàng)始團隊上，公司創(chuàng)始人兼CEO俞揚是南京大學(xué)人工智能學(xué)院的教授，目前，南棲仙策共有七十多名員工，研發(fā)占比70%。在自主研發(fā)能力方面，南棲仙策的研究成果已發(fā)表在NeurIPS、ICLR等人工智能國際頂級會議，公司擁有40余項知識產(chǎn)權(quán)。公司在2023年會加大銷售團隊和業(yè)務(wù)團隊的拓展。

關(guān)鍵詞：