【猎云网（微信：ilieyun
）北京】11月16日报道
目前，企业在部署AI时主要面临四大挑战。一方面，处在爆发期的AI技术快速迭代演进，让传统企业无所适从；其次，AI全周期应用链涉及多个环节，使用门槛极高，对人员技能有很高的要求；此外，大规模技术研发投入也成为企业应用AI技术的一大障碍;此外，企业级AI平台还需要满足企业级IT系统的苛刻要求。
联想推出的企业级人工智能平台LeapAI则以自动化和图形化为特征的开发模式，部署AI的业务应用；全面支持AI各种技术，具备创新的自动化模型开发过程，支撑闭环业务价值实现，同时满足一般用户与高阶用户的不同开发需求，大大缩短了企业开发AI的进程，降低了企业AI应用门槛和技术投入。
目前，LeapAI已经在不同领域发挥了重要价值。
在联想内部，人工智能技术已应用于生产、供应链、市场营销等多个业务领域中。例如联想呼叫中心语音质检，通过平台提供的自然语言处理及语音转文本等能力支持，对呼叫中心的通话进行质量检测，极大提高了呼叫中心的运营管理水平。
近日，联想数据智能业务集团机器智能中心主任罗军在第五届联想创新科技大会（Lenovo Tech World 2019）会后，接受了包括猎云网在内的媒体采访。
以下为采访实录，猎云网整理：
问：我认为今年人工智能的趋势是各大企业自身开始实现落地的场景，不是像原来只负责粗略、笼统的方案给其他企业。所以，联想对于生产智能设备会有怎样的预期？未来在硬件方面会有怎样的打算？
罗军：在联想集团中，硬件层面我们结合了3S战略（Smart loT，Smart Infrastructure，Smart Vertical）。从DIBG（数据智能业务集团）方面，联想也有相应的产品，比如LeapAI紧密结合边缘计算，收集并分析相关数据。联想会软硬结合，为企业提供端到端的服务。
问：其实阿里也开发了类似LeapAI平台帮助AI智能开发的平台，那么联想LeapAI的独特性或者是优势在什么地方？
罗军：我认为联想跟这些企业的区别在于，我们是基于各种各样的案例，从下向上设计平台产品，所以我们会更接近于业务场景。
而其他大物联网厂商虽然会提供所有的算法，但是我觉得这有利有弊——虽然所有的用户都可以试用，但是我认为如果需要真正要落地的话，关键在于要把行业的技术结合到模型中，才能达到用户的要求和想要的结果。
否则（这样的平台）就像是一个玩具，达不到用户的最终目的。与其他企业相比，我们的特色在于，我们有一个行业模板库，把以前做过的场景、案例结合起来，利用我们所知道最佳的模型参数和行业经验集成在模型中，固化起来提供给客户。
比如说，如果客户要产线优化的话，就可以到我们的模板库中找，如果有相应的模板，客户可以直接使用，不需要训练模拟，这是我们一个非常大的特点。此外，我们提供了四种使用模式，供不同程度、不同水平的用户使用。
平台开发初衷是想供不懂AI的人使用，但后来发现我们的用户层级非常参差不齐，有“小白”用户，也有高阶用户。所以针对不同的用户群，我们开发了四种使用模型。从最低级的“小白”用户到最高级的可以自编程的用户等各种群体，满足他们不同的需求。
所以这是我觉得LeapAI与现在市面上那些平台最大的不同。
问：您刚才提到了行业模板库，目前这个行业模板库当中涵盖了多少行业？
罗军：其实我们联想内部自己就有一套（行业模板库），因为联想本身就包括众多的制造业务。所以我们从产品设计到产品生产，再到最后的售后、营销、分析产生的各种各样的数据都会收集起来。
联想内部人员使用我们的AI平台，把各种各样的业务场景在平台上实现。目前来说，联想内部的AI平台，已经累计了1000多个用户和50多个业务场景。外部平台已经有数十个业务场景，并固化成行业模板了。
问：联想数据智能事业部是今年6月份成立的，对于联想完成转型，数据智能事业部的角色定位是什么？
罗军：联想集团目前战略定位在3S方面，也就是我刚才提到的Smart Infrastructure、SmartIoT，Smart Vertical。我们数据智能事业部属于Smart Vertical，是非常重要的一部分。
但是，我们跟其他的两个S也有交集。我们数据智能事业部更靠近软件层面；而在硬件层面，其他团队会跟我们配合。联想集团会软硬一体化地提供端到端的AI服务。
问：LeapAI主要是面向企业级的私有云平台用户，客户使用了联想的产品后觉得投资的效率如何？
罗军：从两个方面来说，第一是降低成本，第二是增加效益。比如说，我们给钢铁企业做预测钢铁需求量项目。我们可以优化用户的库存，从而节省它的成本。我们为某大型石化企业做的装置工艺优化项目，为装置生产操作提供在线的优化指导方案，使催化裂化装置的生产始终保持在一个较高的操作运行水平，推动汽油收率提升约0.83个百分点，这个数字听起来很小，但是对于大的制造企业，每年能够增加千万人民币的效益。
问：刚才我们谈到了LeapAI，它更偏向于AI的产业化，或者说帮助AI更多地实现应用。从学术的角度来看，您觉得现在整个AI领域面临的比较大的困难是什么？
罗军：目前深度学习非常热门。深度学习，或者说机器学习需要大量标注数据，把它喂给机器，让机器总结出数据中的规律和经验。但问题是很多的数据是没有标注。我们怎么解决少量标注数据？现在学术界应用了牵引学习这一概念。
人工智能的定义是机器达到人理解事物的水平。所以我认为目前所谓的人工智能是弱人工智能。因为人工智能领域存在两派对立，现在很火的深度学习叫做连接主义。连接主义认为，人工智能的实现需要模拟引导神经源的连接，然后通过信号传递来实现。
另外一派，也就是上世纪七八十年代流行的符号主义，即诞生于AI概念的时候。符号主义认为，人工智能的实现，需要通过逻辑推理。这两派此消彼长，目前来看连接主义战胜了符号主义。
但因为现在的深度学习、机器学习需要大量的数据，而真正的人工智能或者说强人工智能，未来还是要通过逻辑推理这一块（来计算）。我不知道会不会产生单独的理论地或者说在这两个理论结合起来，产生一个更新的理论。我认为应该有一个颠覆性的理论出来。
问：您刚才提到了向一些企业提供模板，从低阶用户到高阶用户。比如一个企业不具备AI开发的能力，联想能不能让他们迅速上手，然后提高他们的生产力。是否有这样的例子？
罗军：有，比如说钢材需求量预测的案例。我们最后给出的模型已经训练好了，他们只要每个月把新的数据导入到我们的平台，点击运行，我们就可以给出预测未来1到12个月的钢铁需求量的数据。对他们（客户）来说，没有门槛，也就是说非常容易使用，没有需要新学习的东西。
问：您提供解决方案，是提供用户一个平台去解决？还是说客户的方案直接给你，然后打包发给他们？
罗军：刚开始我们是按照项目进行打包，然后提供解决方案给用户。但是后来我们做了很多案例后，认为应该打造一个平台，让不同等级的用户可以在这个平台上实现业务落地。
问：您刚才说LeapAI在联想内部已经应用了，在外部有案例可以介绍吗？
罗军：刚才说的钢材需求量预测就是一个案例，还有对石油炼油的预测。石油炼油存在传感器，我们把石油炼油的数据收集起来进行建模，预测炼油的产量。
问：不管是国家还是企业都在谈了一些自主可控的问题，各个企业也在自己做人工智能平台和框架。联想内部在自主算法方面有什么样的研究？
罗军：我的团队关注AI方面的，所以我们现在关注的是自动化机器学习、知识图谱、communication、NLP这几块，我们会自己去开发一些产品。
问：这些研究的算法，多久的时间可以应用到企业当中？
罗军：这取决于企业问题的类型，有些可以很快实现，有些是需要研究很长时间才可以实现的。
问：咱们的LeapAI平台，未来的升级和研发的路线是什么？
罗军：因为现在的LeapAI有自动化机器学习和知识图谱技术，自动化机器学习这一方面是比较成熟的，而知识图谱方面是刚刚开发的。我们想做一个企业级的知识大脑。
即做一些企业级的问答，还有，我们在communication方面有一个AUTO（自动化）产品，我们会结合到LeapAI的平台上。NLP方面人员较少，但是未来我们计划将NLP的产品集成到这个平台当中。
