編輯導(dǎo)語(yǔ)：鋪天蓋地的智能化感覺(jué)離我們?cè)絹?lái)越近，那么要想達(dá)到智能化——讓產(chǎn)品或平臺(tái)變的智能，我們需要的進(jìn)化路徑是怎樣的呢？這篇文章是作為智能化的啟發(fā)篇，主要更多的在于啟發(fā)式的思考智能化，并且延伸至對(duì)智能化平臺(tái)的構(gòu)建，后續(xù)幾篇作者會(huì)以實(shí)際場(chǎng)景詳細(xì)探討智能平臺(tái)的建設(shè)，大家快一起來(lái)看看吧。

不時(shí)在想從事大數(shù)據(jù)工作（數(shù)據(jù)人）的追求是什么？是無(wú)休止的與數(shù)據(jù)作對(duì)？是對(duì)數(shù)據(jù)全面管理？是數(shù)據(jù)能力中臺(tái)化降低業(yè)務(wù)使用成本？是讓數(shù)據(jù)易用來(lái)提升數(shù)據(jù)使用率和覆蓋人群？這些是在數(shù)據(jù)應(yīng)用演化進(jìn)程上的產(chǎn)物，是手段而不是目的。最終的目的是想通過(guò)數(shù)據(jù)造就智能，通往智能化。

如今都在說(shuō)智能化，很多人不由得問(wèn)什么是智能化？又如何達(dá)到智能化呢？

我認(rèn)為智能化包含兩部分：自動(dòng)化和智力，同時(shí)也是智能路徑上的兩個(gè)階段。

自動(dòng)化是基礎(chǔ)，智力是核心。自動(dòng)化階段是可以自動(dòng)的依據(jù)指令或信號(hào)完成某項(xiàng)流程或動(dòng)作，不需要人工介入。但是需要人工觸發(fā)信號(hào)，即沒(méi)有自我辨識(shí)能力。而智力是可以通過(guò)自我學(xué)習(xí)，外界指導(dǎo)學(xué)習(xí)后作出自我判斷，并根據(jù)判斷后的結(jié)果自我沉淀經(jīng)驗(yàn)，持續(xù)完善經(jīng)驗(yàn)并作出最優(yōu)判斷。當(dāng)然這個(gè)智力主要指的是IQ層面，不涉及情感或EQ。如果涵蓋情感因素我認(rèn)為這就不僅是智能，而是類人或超人化存在。

所以通過(guò)智力判斷后作出指令控制，并自動(dòng)化執(zhí)行。這一套流程結(jié)合起來(lái)就是智能化要做到的。類似于大腦和肢體的協(xié)作，大腦發(fā)出指令，肢體自動(dòng)化執(zhí)行，還會(huì)存在簡(jiǎn)單條件反射。可以理解最原始的初始化智力就是由簡(jiǎn)單規(guī)則組成的本能的簡(jiǎn)單條件反射。

那么我們?nèi)绾我徊讲竭_(dá)到智能化？這看似是一個(gè)由高科技堆疊而成的理念，但拋開(kāi)技術(shù)實(shí)現(xiàn)來(lái)說(shuō)智能化的具體路徑抽象來(lái)看應(yīng)該都一致的，所以在這不探討軟技術(shù)和硬件如何配合實(shí)現(xiàn)，而是來(lái)看智能化演進(jìn)的路徑。在我的概念里，現(xiàn)在應(yīng)用最廣泛的機(jī)器學(xué)習(xí)甚至深度強(qiáng)化學(xué)習(xí)也只是技術(shù)選型之一，我認(rèn)為并不一定是最優(yōu)解。下面我會(huì)拋出智能化演進(jìn)路徑的框架，來(lái)進(jìn)一步探討。

這就不得不從思維形成過(guò)程來(lái)說(shuō)，即人之所以可以做出多種判斷來(lái)抽象判斷性思維形成過(guò)程的原因。有言道：世上本無(wú)路，人走皆有之。人走的多了自然而然就形成了路，這其實(shí)暗含了人們經(jīng)過(guò)多次的嘗試或由于習(xí)慣沉淀下了一些規(guī)律，逐步演變?yōu)榱艘?guī)則?！奥贰笨梢岳斫鉃楣残缘囊?guī)則，因?yàn)槁房赡苁莾傻亻g的最短路徑，也可能是大多數(shù)人的走路習(xí)慣。規(guī)則讓人有了判斷標(biāo)準(zhǔn)或能力。

當(dāng)路走多了以后，人們自然就會(huì)依據(jù)規(guī)律去規(guī)劃道路。也就是說(shuō)，由于大量規(guī)則的衍生，根據(jù)規(guī)律出現(xiàn)了思考、規(guī)劃甚至預(yù)測(cè)能力。像呱呱墜地的嬰兒，剛出生就被社會(huì)的條條框框所約束。通過(guò)學(xué)習(xí)規(guī)則，逐步形成了判斷力，甚至成長(zhǎng)后思考如何改變規(guī)則。

只有判斷能力在如今不能稱為智力或者高等智力，因?yàn)閮H僅熟知做事原則并遵守就可以擁有判斷標(biāo)準(zhǔn)。當(dāng)具備思考能力，可以創(chuàng)造或改變規(guī)則那么就具備了初步的智力。

那么智力如何衍生出來(lái)的呢？我們抽象一下就是規(guī)則、規(guī)律、強(qiáng)化、刻意、重復(fù)和反饋。我們思考的過(guò)程或結(jié)果需要有反饋才能進(jìn)行思維進(jìn)化，這就是為什么你做一件事從來(lái)沒(méi)有拿到過(guò)結(jié)果，你并不知道你的做法是不是對(duì)的，是不是成功可行的，很難再去進(jìn)一步?jīng)Q策。

對(duì)于思維進(jìn)化來(lái)說(shuō)反饋是極其重要的一步，也是整個(gè)思維進(jìn)化閉環(huán)中的最后一環(huán)。思考過(guò)程需要有結(jié)果的指導(dǎo)，這個(gè)結(jié)果往往會(huì)奠定繼續(xù)下去的方向。比如發(fā)散思維是空想，但最終還是要?dú)w于一個(gè)點(diǎn)，否則思考是沒(méi)有意義的。也沒(méi)有辨別你思考正確與否的機(jī)制，這樣就不能保證智力是正向提升的。

一、“智力”或“思考”是依托場(chǎng)景化的區(qū)分

對(duì)于“思考”，拿我們自身舉例，“思考”和“思維”也是分場(chǎng)景的。這個(gè)場(chǎng)景可能是某項(xiàng)專業(yè)技能，可能是生活中的某個(gè)片段，你所作出的結(jié)果都是依據(jù)特定場(chǎng)景下的思維判斷。這不是局限，而是模塊化思考的能力。所以我們逐步學(xué)習(xí)和成長(zhǎng)的過(guò)程實(shí)質(zhì)是在不同場(chǎng)景中逐步學(xué)習(xí)、碰壁和反饋中漸進(jìn)發(fā)展的，并不是一概而論的。所以大腦只是承載了不同場(chǎng)景中的智力學(xué)習(xí)、存儲(chǔ)和運(yùn)行，并不會(huì)有一個(gè)通用的思考能力覆蓋所有場(chǎng)景。

現(xiàn)階段（現(xiàn)在的科學(xué)不一定就是真理）在對(duì)大腦的科學(xué)研究發(fā)現(xiàn)，無(wú)論是記憶還是正在發(fā)生的事情大腦都是以小的片段化記憶并處理的，所以我認(rèn)為“片段”就是大腦對(duì)小場(chǎng)景的劃分。

智能化的過(guò)程也是模擬以上場(chǎng)景化下的學(xué)習(xí)、判斷、反饋及經(jīng)驗(yàn)沉淀來(lái)形成思考和思維并不斷重復(fù)和強(qiáng)化。而在模塊化、場(chǎng)景化思考能力之上需要一個(gè)全局的思維管控，根據(jù)模塊場(chǎng)景優(yōu)先級(jí)進(jìn)行精力分配及協(xié)調(diào)。

智能化其實(shí)也是對(duì)大腦認(rèn)知的抽象，大腦認(rèn)知根據(jù)成長(zhǎng)我分為了兩個(gè)階段：

1. 第一階段

第一階段是大腦運(yùn)作的基礎(chǔ)閉環(huán)：學(xué)習(xí)、感知（已發(fā)生場(chǎng)景識(shí)別）、判斷決策、觸發(fā)動(dòng)作執(zhí)行、反饋、知識(shí)經(jīng)驗(yàn)沉淀（順序?yàn)樾畔鬟f方向）。

我們通過(guò)知識(shí)的學(xué)習(xí)記憶來(lái)感知事物或環(huán)境并作出相應(yīng)判斷，基于判斷會(huì)出信號(hào)來(lái)觸發(fā)自身的行為動(dòng)作，并通過(guò)事后的神經(jīng)反饋來(lái)知曉結(jié)果，并把整個(gè)過(guò)程作為記憶儲(chǔ)存為經(jīng)驗(yàn)和學(xué)習(xí)的拓展為以后同類事情的發(fā)生提供輔助。這是我們?nèi)粘Ｒ彩亲罨A(chǔ)的大腦行為過(guò)程。

第一階段是可自動(dòng)化所具備的條件，而形成自動(dòng)化的過(guò)程也就是規(guī)則經(jīng)驗(yàn)沉淀的過(guò)程，即判斷和反饋。自動(dòng)化形成后的持續(xù)運(yùn)行是對(duì)外界環(huán)境多樣性的沉淀及相似場(chǎng)景的刻意練習(xí)。即使對(duì)于人的大腦來(lái)說(shuō)，智力成長(zhǎng)的過(guò)程也需要不斷的刻意練習(xí)去刺激大腦皮層來(lái)增加更多神經(jīng)元的生成。而刻意練習(xí)的過(guò)程同樣適用于機(jī)器，刻意或重復(fù)練習(xí)是從自動(dòng)化通往智能化的必經(jīng)之路。

2. 第二階段

隨著知識(shí)經(jīng)驗(yàn)長(zhǎng)期的積累沉淀，第二階段便衍生出了：預(yù)感預(yù)測(cè)（第六感，未發(fā)生場(chǎng)景預(yù)知）、反哺學(xué)習(xí)、預(yù)知決策（預(yù)測(cè)場(chǎng)景判斷決策和已發(fā)生場(chǎng)景判斷決策）、靈感（隨機(jī)行為和思想）（順序?yàn)樾畔鬟f方向）。

你會(huì)發(fā)現(xiàn)有時(shí)我們會(huì)提前去思考某一件事可能即將或未來(lái)會(huì)發(fā)生，或者是提前去思考事情發(fā)生的多種可能性，并根據(jù)你預(yù)想發(fā)生的情況去作出提前應(yīng)對(duì)方式。甚至有時(shí)也會(huì)出現(xiàn)類似第六感或Deja Vu。而且有時(shí)你會(huì)發(fā)散思維或想象去做一些與常規(guī)格格不入的事情，例如很多我們難以理解的藝術(shù)品。這些其實(shí)就是與第一階段常規(guī)不同的進(jìn)化部分，這個(gè)進(jìn)化的緣由很大一部分就是經(jīng)驗(yàn)的積累帶來(lái)視野邊界的擴(kuò)大。

很多人說(shuō)“教育”限制了孩子的想象力，這是個(gè)偽概念不詳細(xì)探討。但是想象力是來(lái)自于已有基礎(chǔ)的邊界擴(kuò)充，簡(jiǎn)單來(lái)說(shuō)就是，你都沒(méi)有交通的概念，怎么會(huì)能憑空的創(chuàng)造出一個(gè)交通工具？類似于你都不知道基礎(chǔ)科學(xué)怎么可以在此之上進(jìn)行科學(xué)突破或研究？

所以當(dāng)知識(shí)、經(jīng)驗(yàn)豐富到一定程度后，大腦會(huì)更容易的作出預(yù)測(cè)甚至形成潛意識(shí)的預(yù)感和靈感。并且可以根據(jù)經(jīng)驗(yàn)對(duì)預(yù)測(cè)和預(yù)感作出判斷及應(yīng)對(duì)策略，這是你心智模型的構(gòu)建過(guò)程。

心智模型的逐步成熟意味著智力的產(chǎn)生，也就意味著具備了智能化的核心。

圖1 大腦認(rèn)知抽象（做圖不易，且看且珍惜）

以上是通過(guò)大腦認(rèn)知抽象來(lái)看智能化的路徑，可能過(guò)于抽象但理念卻是相通的。那么如果把智能路徑具象通過(guò)平臺(tái)化、產(chǎn)品化如何實(shí)現(xiàn)？我們帶著此疑問(wèn)逐步進(jìn)行拆解。

首先為了引出智能化與知識(shí)圖譜的關(guān)系，并讓大家更好理解。我們先來(lái)認(rèn)清一下數(shù)據(jù)和知識(shí)的關(guān)系。

二、“數(shù)據(jù)”和“知識(shí)”的關(guān)系

上文中我一直都在強(qiáng)調(diào)知識(shí)，那么知識(shí)是什么？數(shù)據(jù)就是知識(shí)嗎？為了更好的理解后面知識(shí)圖譜的重要性。這里先初步解釋一下，避免混淆數(shù)據(jù)和知識(shí)的概念。

簡(jiǎn)單來(lái)說(shuō)知識(shí)和數(shù)據(jù)是逐級(jí)包含關(guān)系，也就是說(shuō)知識(shí)是由數(shù)據(jù)構(gòu)成的。這個(gè)大家可能理解，但并不是所有的數(shù)據(jù)都是知識(shí)。首先我們來(lái)拆解一下，通過(guò)對(duì)數(shù)據(jù)的分析加工變成了信息進(jìn)行傳遞，而信息只是有效傳遞的一種形式并非知識(shí)，只有提煉出信息與信息之間的聯(lián)系并進(jìn)行應(yīng)用便轉(zhuǎn)化為了知識(shí)。知識(shí)是有特定關(guān)聯(lián)的信息的集合和應(yīng)用。

可能一時(shí)揭露本質(zhì)難以理解，可以細(xì)細(xì)體會(huì)。

三、“智能化”與“知識(shí)圖譜”的關(guān)系

信息與信息之間相互聯(lián)系才構(gòu)建形成了知識(shí)。

知識(shí)圖譜是對(duì)經(jīng)驗(yàn)的構(gòu)建，也是知識(shí)沉淀的一種方法。

知識(shí)圖譜簡(jiǎn)而言之是對(duì)現(xiàn)實(shí)世界實(shí)體與實(shí)體之間關(guān)系的構(gòu)建和對(duì)實(shí)體屬性的定義去來(lái)構(gòu)建知識(shí)體系的。而通過(guò)關(guān)系的推理可以知道在某些場(chǎng)景下所能聯(lián)系出的方式方法和策略，相當(dāng)于基于經(jīng)驗(yàn)知識(shí)的智能。

舉一個(gè)實(shí)際數(shù)據(jù)應(yīng)用場(chǎng)景的例子：比如最常見(jiàn)的數(shù)據(jù)分析場(chǎng)景。進(jìn)行數(shù)據(jù)分析的時(shí)候，當(dāng)前業(yè)務(wù)的分析維度或指標(biāo)是需要你依據(jù)業(yè)務(wù)場(chǎng)景來(lái)設(shè)想。如果基于已有的知識(shí)體系和經(jīng)驗(yàn)會(huì)推薦出跟你相關(guān)的數(shù)據(jù)指標(biāo)或數(shù)據(jù)維度，這取代或節(jié)省的是你設(shè)想和構(gòu)思分析模型的時(shí)間和效率。

你會(huì)發(fā)現(xiàn)這種應(yīng)用在不同工作中都會(huì)存在很多類似的場(chǎng)景：像特征工程的特征篩選；運(yùn)營(yíng)、營(yíng)銷和風(fēng)控等策略方法相關(guān)場(chǎng)景?？偠灾\(yùn)用到知識(shí)經(jīng)驗(yàn)的場(chǎng)景都可以進(jìn)行應(yīng)用。

但現(xiàn)階段對(duì)于創(chuàng)新還是有一定難度的，目前主要應(yīng)用還是在于歷史經(jīng)驗(yàn)的篩選。不過(guò)可以通過(guò)后期圖推理能力的增強(qiáng)進(jìn)行關(guān)聯(lián)性創(chuàng)新，即通過(guò)關(guān)聯(lián)到的其他維度進(jìn)行方法的適配。如營(yíng)銷策略從風(fēng)控策略中抽象而來(lái)的方法也不是沒(méi)有可能。

四、反哺和吸取

說(shuō)到創(chuàng)新，從機(jī)器智力的角度，有一點(diǎn)是難以實(shí)現(xiàn)的。就是我以前文章《深入數(shù)據(jù)分析思維》中提到的“無(wú)中生有”。因?yàn)檫@個(gè)東西在機(jī)器的世界里（數(shù)據(jù)）從未出現(xiàn)過(guò)，也無(wú)法通過(guò)組裝的方式衍生出來(lái)。但是有方式可以彌補(bǔ)這個(gè)缺陷，即快速的新知識(shí)獲取，獲取速度盡量等同于新知識(shí)的產(chǎn)生速度。

我們?cè)賮?lái)回顧一下人的思考過(guò)程，你會(huì)發(fā)現(xiàn)人的創(chuàng)新或想象力并不是憑空出現(xiàn)的，也并不僅僅是靠訓(xùn)練而獲得的，其中還有一種思考的原材料，就是知識(shí)和經(jīng)驗(yàn)。人是根據(jù)不斷獲取外界的知識(shí)和經(jīng)驗(yàn)去進(jìn)行思考和實(shí)踐，之后對(duì)已有知識(shí)體系的排列組合。

所以我們可以通過(guò)把自動(dòng)化構(gòu)建知識(shí)作為思考原料的補(bǔ)充，通過(guò)迅速爬取和自動(dòng)構(gòu)建知識(shí)體系，可以近似于無(wú)限接近知識(shí)的邊界而擁有了創(chuàng)新能力。

五、智能化要減少或避免偏見(jiàn)

雖然說(shuō)智能化是一個(gè)人人都期待的未來(lái)，但好事物總是一把雙刃劍。智能化也不例外。而產(chǎn)生偏見(jiàn)或許是需要擔(dān)憂的核心問(wèn)題，這涉及了道德倫理、社會(huì)和人權(quán)等一系列問(wèn)題。因?yàn)橹悄芑艽蟪潭纫匆蕾囉谌嘶蚴拢ㄗ鳛檩斎耄┑奶卣鞑⑶医Y(jié)果（作為輸出）作用于人，對(duì)于真實(shí)生活中的人來(lái)說(shuō)有偏見(jiàn)很正常，每個(gè)人會(huì)有自己善惡丑美的判斷標(biāo)準(zhǔn)，大自然會(huì)中和人們偏見(jiàn)帶來(lái)的影響。而對(duì)于平臺(tái)來(lái)說(shuō)，一個(gè)中立的系統(tǒng)，從另一種意義上說(shuō)就代表著大自然的地位。帶有偏見(jiàn)的決策可能就會(huì)是毀滅性的。

六、智能化的特點(diǎn)：用戶的感知一定是簡(jiǎn)單

智能并不代表著復(fù)雜。相反，智能給人的感覺(jué)一定是易用易懂。智能化的邏輯過(guò)程雖然復(fù)雜，但是產(chǎn)品平臺(tái)的意義就是把智能化的邏輯封裝作為知識(shí)體系傳遞給用戶，面向用戶的僅僅需要簡(jiǎn)單的操作指令去應(yīng)用知識(shí)。如果把過(guò)程暴露給用戶，智能化并不能提升效率反而會(huì)造成極大的使用成本，這也失去了智能的意義。

你會(huì)發(fā)現(xiàn)自動(dòng)化的前提可能會(huì)很復(fù)雜，比如預(yù)先定義一些固化的標(biāo)準(zhǔn)，然后基于標(biāo)準(zhǔn)進(jìn)行自動(dòng)化的處理。而定義標(biāo)準(zhǔn)或是SOP的過(guò)程是繁雜的。用戶定義的過(guò)程相當(dāng)于一次沉沒(méi)成本的投入，換取后續(xù)固化下來(lái)的自動(dòng)化。而且作為用戶要考慮到各種情況的應(yīng)對(duì)策略，否則自動(dòng)化就會(huì)陷入死胡同。

因此自動(dòng)化是把知識(shí)邏輯開(kāi)放給用戶的；而智能化是封裝了自我衍生的知識(shí)邏輯，用戶要做的是告知應(yīng)對(duì)的場(chǎng)景是什么。

七、智能化的產(chǎn)品平臺(tái)

通過(guò)啟發(fā)式思考，抽象來(lái)看對(duì)于智能平臺(tái)應(yīng)該具備的核心能力或者模塊應(yīng)該有哪些？依于此，智能化的平臺(tái)如何構(gòu)建？

1. 平臺(tái)產(chǎn)品智能化路徑

我們根據(jù)抽象出來(lái)的每個(gè)環(huán)節(jié)來(lái)對(duì)應(yīng)平臺(tái)核心能力（這里所說(shuō)的平臺(tái)沒(méi)有屬性的傾向性，因此沒(méi)有對(duì)應(yīng)場(chǎng)景去說(shuō)明，完全高度抽象）。

那么核心能力鏈路就要涵蓋：數(shù)據(jù)感知中心（數(shù)據(jù)采集、收集和計(jì)算引擎）、知識(shí)中心（知識(shí)沉淀、知識(shí)圖譜）、事件感知識(shí)別（依據(jù)知識(shí)做出的判斷）、學(xué)習(xí)中心（算法及圖推理引擎）、中央控制樞紐（資源協(xié)調(diào)、任務(wù)分配及熔斷）、人工干預(yù)（強(qiáng)制人工介入）、全局可視化。

下面詳細(xì)闡述一下各個(gè)能力的組成邏輯。

1）知識(shí)中心（知識(shí)沉淀、知識(shí)圖譜）

對(duì)于“學(xué)習(xí)”來(lái)講，首先需要具備“知識(shí)”，而知識(shí)的積累過(guò)程是來(lái)源于用戶的“灌輸”和對(duì)外界的“感知”。從知識(shí)維度來(lái)講，我們需要區(qū)分知識(shí)的類型。我分為了四大類：①事物特征；②識(shí)別規(guī)則；③操作行為；④平臺(tái)經(jīng)驗(yàn)。這四類知識(shí)分別代表著對(duì)外界真實(shí)的感知，感知后的認(rèn)知及判斷和決策后的處置動(dòng)作。因此這個(gè)知識(shí)體系可以覆蓋整個(gè)平臺(tái)的自動(dòng)有效運(yùn)行。而平臺(tái)自身依據(jù)知識(shí)學(xué)習(xí)后的實(shí)踐反饋可作為平臺(tái)自身經(jīng)驗(yàn)沉淀后作為后續(xù)迭代進(jìn)化的基礎(chǔ)。

感知“事物特征”需要根據(jù)接觸到的事物的事實(shí)進(jìn)行數(shù)據(jù)化后收集并提煉，例如看到一只動(dòng)物對(duì)它自身的毛發(fā)顏色、奔跑速度等一系列事實(shí)存在的特征數(shù)據(jù)化提煉。當(dāng)然是需要對(duì)事物處置前、后的特征都進(jìn)行沉淀，這需要作為對(duì)執(zhí)行過(guò)程的反饋和結(jié)果認(rèn)定的標(biāo)準(zhǔn)。

對(duì)于第一步真正知識(shí)的“灌輸”是根據(jù)用戶已有對(duì)事物特征的判斷經(jīng)驗(yàn)而抽象的規(guī)則，這也是最簡(jiǎn)單也最常見(jiàn)的經(jīng)驗(yàn)運(yùn)作方式，隨之沉淀為平臺(tái)的識(shí)別規(guī)則。

基于面對(duì)的事物及其特征進(jìn)行規(guī)則判斷后，下一步是用戶的處置動(dòng)作。而處置的操作行為是作為后續(xù)提煉決策的一個(gè)重要知識(shí)。我們可以依據(jù)事物特征、特征與判斷規(guī)則及處置方式的聯(lián)系進(jìn)行后續(xù)的學(xué)習(xí)并形成平臺(tái)自己的決策知識(shí)。

2）數(shù)據(jù)感知中心

數(shù)據(jù)感知本質(zhì)是一個(gè)傳感器的存在，主要是對(duì)外界環(huán)境事物和內(nèi)部數(shù)據(jù)的采集和收集，感知的核心是數(shù)據(jù)變化需要精準(zhǔn)和精確。知識(shí)中心沉淀的事物特征、操作行為是需要通過(guò)數(shù)據(jù)采集加工后進(jìn)行標(biāo)準(zhǔn)的知識(shí)沉淀。當(dāng)然數(shù)據(jù)是一條很復(fù)雜的鏈路，這里我就不再細(xì)說(shuō)，感興趣的同學(xué)可以去研究或私下問(wèn)我數(shù)據(jù)采集和加工鏈路。

3）中央控制樞紐（監(jiān)控、協(xié)調(diào)、分配、熔斷）

中央控制樞紐主要是對(duì)平臺(tái)應(yīng)對(duì)場(chǎng)景的感知和內(nèi)部多模塊中心的協(xié)調(diào)運(yùn)作進(jìn)行監(jiān)控、協(xié)調(diào)處理與任務(wù)分配，如對(duì)場(chǎng)景數(shù)據(jù)的感知從而觸發(fā)相應(yīng)的執(zhí)行操作、不同環(huán)境下執(zhí)行操作的計(jì)算資源彈性調(diào)配、模塊性能的優(yōu)先級(jí)保障、運(yùn)行狀態(tài)監(jiān)控和分配任務(wù)執(zhí)行鏈路等。并通過(guò)定義核心關(guān)鍵指標(biāo)來(lái)限制平臺(tái)智能不得突破應(yīng)對(duì)場(chǎng)景的操作底線，否則直接觸發(fā)熔斷的保障機(jī)制讓智能失效，降級(jí)回歸至硬規(guī)則自動(dòng)化或人工介入。

整個(gè)模塊相當(dāng)于平臺(tái)自身智能化操作的觸發(fā)監(jiān)控和觸發(fā)后平臺(tái)的協(xié)調(diào)調(diào)度中心，保障各種環(huán)境狀態(tài)下的運(yùn)行正常和機(jī)制健全。

4）學(xué)習(xí)引擎

學(xué)習(xí)對(duì)于平臺(tái)來(lái)講是需要圖算法構(gòu)建和圖推理的一個(gè)過(guò)程，前提是需要大量的數(shù)據(jù)積累。包括用戶所要應(yīng)對(duì)事件的特征、用戶對(duì)于此類事件在平臺(tái)上的操作處理行為、操作觸發(fā)后事件所表現(xiàn)出的結(jié)果特征、用戶對(duì)此事件的評(píng)定和處理方式，以及處理方式結(jié)論的評(píng)價(jià)。這些都需要作為知識(shí)和經(jīng)驗(yàn)保存下來(lái)，因此知識(shí)圖譜的應(yīng)用是助力學(xué)習(xí)與智能運(yùn)用的一劑良藥。

5）事件感知及策略

事件感知分為兩方面：預(yù)測(cè)和識(shí)別。

預(yù)測(cè)是基于歷史的知識(shí)經(jīng)驗(yàn)，并結(jié)合推理出的更多可能性，可以對(duì)現(xiàn)在環(huán)境的特征預(yù)測(cè)未來(lái)各場(chǎng)景下事件發(fā)生的可能性；識(shí)別是對(duì)當(dāng)前正在發(fā)生事件的特征進(jìn)行辨別判斷從而識(shí)別。通過(guò)預(yù)測(cè)和識(shí)別的場(chǎng)景進(jìn)行針對(duì)性的策略應(yīng)對(duì)。這一模塊是智能化下的執(zhí)行環(huán)節(jié)，有效的進(jìn)行策略輸出與執(zhí)行。

6）人工干預(yù)

顧名思義，人類從來(lái)都是把最終掌控權(quán)掌握在自己手中，也往往是安全機(jī)制中的最后一環(huán)。簡(jiǎn)單來(lái)說(shuō)就是自動(dòng)切手動(dòng)，人工作為智能的保障。

7）全局可視化

全局可視化不必多說(shuō)，需要盡可能的把環(huán)節(jié)中有用和事件處理的結(jié)果效果有效的展現(xiàn)出來(lái)，讓人更直觀、更透明且有預(yù)期的對(duì)全局的把控。

八、結(jié)語(yǔ)

以上是我認(rèn)為智能所要具備的基本核心，而如何把抽象出的核心理念具象在一款產(chǎn)品平臺(tái)上實(shí)現(xiàn)呢？敬請(qǐng)期待……

智能似乎遙不可及，但逐步滲入我們生活。隨著數(shù)據(jù)的積累，或許未來(lái)的2-3年內(nèi)，智能化的戰(zhàn)役一觸即發(fā)。

作者：趙偉森，微信公眾號(hào)：樹(shù)蔭下的貓貓狗狗

本文由 @趙偉森 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Unsplash ，基于 CC0 協(xié)議