在2018年底，德國(guó)知名的物流集團(tuán)DHL和IBM公司合作，出品了研究報(bào)告《物流中的人工智能》(Artificial Intelligence in Logistics)，以詳實(shí)的案例和資料闡述了人工智能技術(shù)的發(fā)展現(xiàn)狀，及其對(duì)于物流領(lǐng)域的實(shí)際意義。報(bào)告包括三部分：

　　1.人工智能(AI)意味著什么?

　　2.物流之外領(lǐng)域有哪些案例可以借鑒?

　　3.AI對(duì)于物流的意義和實(shí)用案例。

　　人工智能意味著什么?

　　圖1：人工智能的發(fā)展歷程。來(lái)源：NVIDIA

　　人工智能(AI)早在1956年就首次被提出，隨后在60多年的發(fā)展歷程中多次起伏。在其發(fā)展歷程中，機(jī)器學(xué)習(xí)(Machine Learning)和深度學(xué)習(xí)(Deep Learning)是兩個(gè)關(guān)鍵的概念。后者因助力ALPHAGO戰(zhàn)勝圍棋世界冠軍而聲名大噪。

　　機(jī)器學(xué)習(xí)算法通常是應(yīng)用在某個(gè)特定的領(lǐng)域，通過(guò)分析輸入和輸出的關(guān)系來(lái)發(fā)現(xiàn)其中的規(guī)律。其典型應(yīng)用包括：輸入人像照片，輸出其身份;輸入一個(gè)人的收入狀況/信貸歷史，輸出其貸款違約的概率等。深度學(xué)習(xí)則在機(jī)器學(xué)習(xí)的基礎(chǔ)上更進(jìn)一步：它會(huì)基于現(xiàn)實(shí)世界的數(shù)據(jù)反饋，不斷調(diào)整和升級(jí)自己的學(xué)習(xí)模型，以提供更有價(jià)值的洞見(jiàn)(insight)。

　　圖2：機(jī)器學(xué)習(xí)的基本原理。來(lái)源：IBM / DHL

　　機(jī)器學(xué)習(xí)的三大要素是“感知”(sensing)、“處理”(processing)和“進(jìn)步”(learning)。其基本工作原理如圖2所示，呈現(xiàn)出循環(huán)往復(fù)的工作過(guò)程。

　　“感知”主要是對(duì)基礎(chǔ)數(shù)據(jù)的收集，提供盡可能豐富的輸入;“處理”把輸入轉(zhuǎn)變?yōu)橛幸饬x的輸出(洞見(jiàn));而“進(jìn)步”(自我提升)則意味著人工智能本身不是一成不變的。對(duì)于同樣的輸入，其輸出結(jié)果會(huì)變得越來(lái)越好。

　　圖3：人工智能和物聯(lián)網(wǎng)的結(jié)合。來(lái)源：DHL

　　在“感知”環(huán)節(jié)，人工智能越來(lái)越多地和物聯(lián)網(wǎng)(IoT，Internet of Things)技術(shù)相結(jié)合，如圖3所示。在物聯(lián)網(wǎng)時(shí)代，越來(lái)越多的物體(比如工廠中的機(jī)器設(shè)備、家用的電器)都通過(guò)傳感器等方式和網(wǎng)絡(luò)相連接，藉由先進(jìn)通信技術(shù)將其實(shí)際狀態(tài)數(shù)據(jù)傳到網(wǎng)上。這就給人工智能算法提供了大量“飼料”，讓AI可以基于充足的數(shù)據(jù)提升性能，提供有價(jià)值的信息(例如：預(yù)測(cè)機(jī)器發(fā)生故障的時(shí)間)，從而對(duì)實(shí)體資產(chǎn)進(jìn)行更有效的管理。

　　為什么說(shuō)AI對(duì)于物流領(lǐng)域很有價(jià)值?

　　首先，由于信息技術(shù)(高性能計(jì)算、RFID等)的成本降低，使得物流數(shù)據(jù)的感知/處理/學(xué)習(xí)成本已經(jīng)來(lái)到了普及的臨界點(diǎn)，技術(shù)不再遙不可及。

　　其次，物流運(yùn)作往往環(huán)節(jié)眾多，各方關(guān)系復(fù)雜，并且有大量的實(shí)物/資金/信息數(shù)據(jù)產(chǎn)生。復(fù)雜網(wǎng)狀結(jié)構(gòu)和大數(shù)據(jù)量的特性使得物流天生就適合作為AI應(yīng)用的場(chǎng)景。

　　再次，目前AI在實(shí)際物流企業(yè)中的落地應(yīng)用比例還不高(不到10%)，提供了一片廣闊的藍(lán)海。

　　非物流領(lǐng)域的AI案例

　　圖4：非物流領(lǐng)域的AI落地案例。來(lái)源：IBM/DHL

　　他山之石，可以攻玉。在非物流領(lǐng)域，有至少五個(gè)方面的人工智能落地案例，可供借鑒(如圖4所示)。

　　在家庭環(huán)境中，智能音箱等設(shè)備為個(gè)人用戶提供了便利的服務(wù)。一大趨勢(shì)是：消費(fèi)者通過(guò)語(yǔ)音即可與智能產(chǎn)品交互，而不需要再撥動(dòng)手指來(lái)操作屏幕。自然語(yǔ)言處理(NLP)技術(shù)也越來(lái)越強(qiáng)大，使得谷歌的無(wú)線耳機(jī)可以支持40多種不同語(yǔ)言。類似的技術(shù)也幫助企業(yè)大大提升工作效率。例如：Autodesk公司提供智能語(yǔ)音服務(wù)平臺(tái)，將客戶服務(wù)的平均響應(yīng)時(shí)間從1.5天壓縮到了5分鐘之內(nèi)。

　　在零售場(chǎng)景，AI也得到了普遍的應(yīng)用。在零售營(yíng)銷過(guò)程中，有廣告重定位(Ad retargeting)的概念：據(jù)統(tǒng)計(jì)，只有2%的顧客會(huì)在首次訪問(wèn)電商網(wǎng)站的時(shí)候直接下單。如何觸發(fā)其后續(xù)購(gòu)買行為，成為商家高度關(guān)注的話題。

　　人工智能算法可以結(jié)合消費(fèi)者的個(gè)人資料、歷史購(gòu)買行為等，推薦最佳的選擇，以提升用戶實(shí)際下單的比率。此外，在現(xiàn)場(chǎng)導(dǎo)購(gòu)/庫(kù)存管理/貨架優(yōu)化等場(chǎng)景中，都有AI算法的用武之地。

圖5：自動(dòng)駕駛中的智能感知技術(shù)。來(lái)源：AGA

　　自動(dòng)駕駛近年來(lái)備受關(guān)注，也是人工智能/機(jī)器學(xué)習(xí)的代表性應(yīng)用領(lǐng)域之一。“感知”、“處理”和“進(jìn)步”對(duì)自動(dòng)駕駛都非常重要。以“感知”(Sensing)為例，需要綜合多種雷達(dá)/探測(cè)器/攝像機(jī)等技術(shù)，才能給人工智能算法提供足夠的決策依據(jù)，從而作出變速/變向等關(guān)鍵決策。

　　在這個(gè)領(lǐng)域，傳統(tǒng)車企(寶馬、奔馳等)和高科技新銳(NVIDIA、Mobileye等)既是競(jìng)爭(zhēng)關(guān)系，又有合作潛力。由于城區(qū)道路的環(huán)境過(guò)于復(fù)雜，自動(dòng)駕駛更傾向于在工廠/物流園區(qū)等特定的封閉環(huán)境首先落地。

　　圖6：在IBM Watson的支持下開(kāi)展生產(chǎn)制造。來(lái)源：John Deere

　　“Last but not least”，人工智能可以對(duì)工廠的生產(chǎn)制造環(huán)節(jié)提供支持。美國(guó)著名的農(nóng)機(jī)巨頭約翰迪爾(John Deere)在多個(gè)場(chǎng)景應(yīng)用了IBM Watson的認(rèn)知科技：基于車間實(shí)景照片，算法可以識(shí)別出成品/半成品中的質(zhì)量問(wèn)題，并診斷可能的原因，為工廠改進(jìn)產(chǎn)品質(zhì)量提供實(shí)用建議。

　　Watson系統(tǒng)的整個(gè)質(zhì)量診斷過(guò)程可以做到“hands-free”：車間人員只需要通過(guò)語(yǔ)音通話就可以調(diào)動(dòng)AI程序，不影響手頭的裝配操作。另外，人工智能系統(tǒng)還可以和修理技師的信息系統(tǒng)對(duì)接，自動(dòng)查詢哪位技師有空到現(xiàn)場(chǎng)維修設(shè)備。

　　AI對(duì)物流的意義和案例

　　圖7：物流領(lǐng)域中的AI應(yīng)用案例。來(lái)源：IBM/DHL

　　在物流領(lǐng)域，除了可以借鑒其它行業(yè)經(jīng)驗(yàn)之外，其實(shí)也已經(jīng)有自己的實(shí)際應(yīng)用案例，來(lái)發(fā)揮人工智能的分析判斷能力(如圖7所示)。

　　“后臺(tái)支持”，指的主要是人力資源(HR)、財(cái)務(wù)、法務(wù)等部門(mén)。分析報(bào)告認(rèn)為，目前的這類工作中存在很多簡(jiǎn)單重復(fù)的環(huán)節(jié)，如撰寫(xiě)郵件收集數(shù)據(jù)、數(shù)據(jù)錄入、抄寫(xiě)等。

　　隨著人工智能的普及，許多類似的工作可以交給機(jī)器/算法來(lái)完成，從而減少相關(guān)的人力需求。與此同時(shí)，人類可以從事更具創(chuàng)造力的工作(例如決策分析)，如圖8所示。

　　圖8：AI將全面替代簡(jiǎn)單重復(fù)的工作(以HR為例)。

　　來(lái)源：Ernst & Young

　　用人工智能來(lái)從事重復(fù)性的“后臺(tái)支持”工作，目前在物流領(lǐng)域已經(jīng)有了不少應(yīng)用。比如：在財(cái)務(wù)審核領(lǐng)域，可以用人工智能算法來(lái)自動(dòng)識(shí)別財(cái)務(wù)資料的內(nèi)容，發(fā)現(xiàn)潛在的腐敗問(wèn)題/不合規(guī)現(xiàn)象等。

　　安永公司(Ernst & Young)已經(jīng)將這種財(cái)務(wù)審核算法應(yīng)用于50個(gè)國(guó)家，其識(shí)別準(zhǔn)確率達(dá)97%。海關(guān)的通關(guān)流程也可以受益于AI：通過(guò)自動(dòng)識(shí)別通關(guān)文件內(nèi)容，能夠大大縮短進(jìn)出口通關(guān)的時(shí)間，讓物流運(yùn)作更順暢。

　　“預(yù)測(cè)性物流”(Predictive Logistics)在AI的幫助下也日漸普及。其代表性應(yīng)用之一是物流網(wǎng)絡(luò)的管理：例如，在航空業(yè)中用機(jī)器學(xué)習(xí)算法分析50-60個(gè)參數(shù)，可以準(zhǔn)確預(yù)測(cè)航班的延誤時(shí)間，從而更合理地安排貨物/人員/耗材等要素，降低航空運(yùn)輸?shù)某杀尽?/p>

　　類似的思想也可以用在供應(yīng)鏈的其它環(huán)節(jié)：機(jī)器學(xué)習(xí)可以更準(zhǔn)確地預(yù)測(cè)客戶需求(demand)以及供應(yīng)商的供貨風(fēng)險(xiǎn)(supply risk)，把損失降到最低限度。

　　人工智能在物流領(lǐng)域中的另一重要應(yīng)用，是優(yōu)化資產(chǎn)管理，打造更加智慧的資產(chǎn)(Seeing, speaking and thinking assets)。一大基本的應(yīng)用是庫(kù)存盤(pán)點(diǎn)：如圖9所示，通過(guò)用圖像識(shí)別技術(shù)來(lái)分辨貨架上的實(shí)際庫(kù)存，可以實(shí)現(xiàn)盤(pán)點(diǎn)的全自動(dòng)化，大大減少相關(guān)的人力投入;并且盤(pán)點(diǎn)的頻率也可以提高(如有必要，可以每晚盤(pán)點(diǎn)一次)，從而更準(zhǔn)確地掌握現(xiàn)有資產(chǎn)情況。

　　圖9：AI用于庫(kù)存盤(pán)點(diǎn)。來(lái)源：QoPius

　　AI技術(shù)也可以用于對(duì)資產(chǎn)實(shí)體進(jìn)行移動(dòng)，例如：在電商和制造業(yè)領(lǐng)域日益普及的Kiva類機(jī)器人，其運(yùn)行過(guò)程中往往要對(duì)大量機(jī)器人的運(yùn)行路線進(jìn)行彼此協(xié)調(diào)，追求最優(yōu)的路徑并且保證安全。分揀機(jī)器人(Sorting robot)的應(yīng)用也日益廣泛：對(duì)一堆形狀各異的混雜物品進(jìn)行識(shí)別和分類，必須基于高性能的深度學(xué)習(xí)技術(shù)。

　　如何確定一家企業(yè)是否需要AI?首先，我們需要把AI項(xiàng)目分為兩大類：“成本節(jié)省型”和“價(jià)值發(fā)掘型”。前者主要是為了降低成本，尤其是人力成本;而后者則希望提供更好的洞見(jiàn)(insight)，來(lái)提高日常決策的質(zhì)量。

　　在明確了自己需要哪類項(xiàng)目之后，可以通過(guò)回答一系列問(wèn)題，來(lái)確定自己需要開(kāi)展哪類項(xiàng)目(參見(jiàn)圖10和圖11)。只有當(dāng)獲得若干個(gè)“Yes”之后，才能作出開(kāi)展人工智能/機(jī)器學(xué)習(xí)項(xiàng)目的決定。

　　圖10：成本節(jié)省型項(xiàng)目的決策樹(shù)。來(lái)源：IBM

　　圖11：價(jià)值發(fā)掘型項(xiàng)目的決策樹(shù)。來(lái)源：IBM

　　本文小結(jié)

　　通過(guò)閱讀《物流中的人工智能》報(bào)告，可以了解到：

　　1. 人工智能在物流中的應(yīng)用已經(jīng)到達(dá)了一個(gè)臨界點(diǎn)，有望迎來(lái)快速的(爆發(fā)式)增長(zhǎng)。

　　2. 具體到每一家企業(yè)，仍然需要有足夠的基礎(chǔ)數(shù)據(jù)作支持，才能有效開(kāi)展AI項(xiàng)目。報(bào)告原文中的口號(hào)是“No data, no project”。“感知”(Sensing)是人工智能應(yīng)用的第一道門(mén)檻。

　　3. 明確自己的應(yīng)用目標(biāo)(例如：節(jié)省人工成本、或縮短運(yùn)營(yíng)周期)，會(huì)更有利于人工智能項(xiàng)目的落地。