欢迎访问 中国智慧物流网
  • 主管单位:住建部中国城市科学研究会
  • 组长单位:中物协(北京)物流工程设计院
智慧技术 Products
相关推荐 RECOMMENDATION
发布时间: 2019 - 12 - 24
近日,电商巨头亚马逊宣布了一项重要举措:要求所有三方卖家从8月31日开始,将其包裹的投递速度提高40%。那么,亚马逊究竟是如何在保证销量的同时,提高整个平台物流效率的?其实,亚马逊不仅仅是电商平台,还是一家科技公司,其在业内率先使用了大数据,利用人工智能和云技术进行仓储物流的管理,创新推出了预测性调拨、跨区域配送、跨国境配送等服务,并由此建立了全球跨境云仓。可以说,大数据应用技术是亚马逊提升物流效率、应对供应链挑战的关键。所谓物流大数据,即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等。大数据应用技术在物流行业可以提升物流效率、应对供应链挑战。同时,数据赋能物流行业,能够给行业带来新的机遇和挑战。数据是赋能的魔法,尤其是物流大数据应用,使物流企业能够提高效率,降低成本,并寻求新的商机,可以说,大数据正在成为物流行业最大的福利。联想到这几年物流行业的快速发展,处处可见的大物流、大流通、新物流、新渠道、新零售、无界零售等等,成立的前提都是数据应用,是数据的变现与数据沉淀的结果。现如今,大数据已经渗透到物流的各个环节,并已成为物流行业创新的基石。未来,物流行业对大数据的需求前景将会更加广阔,大数据对包括供应链在内的行业变革以及跨界融合已在进行之中。PetaBase-i助力提升码头业务运行效率 在全球化的今天,集装箱运输业约占世界海运贸易总值的一半以上,集装箱运输已成为海运供应链非常重要的一环。堆场是集装箱码头的基础资源,堆场集箱堆位的分配管理直接影响码头的运作效率。国内一家知名度较高的上市公司(以下简称z 客户),拥有几十个面积多达上百万平方米的码头和集装箱场站资源,每年为全球客户提供价值数十亿的仓储码头服务。在接触PetaBase-i 之前,z 客户一直使用集装箱信息管理系统来监控吉箱场位情况并进行相关统计分析。信息管理系统使用的是传统关系型数据库...
发布时间: 2018 - 11 - 12
近年来互联网的高速发展引领人类进入了一个信息量爆炸性增长的时代。每个人的生活中都充满了结构化和非结构化的数据。随着人类生活全面向互联网转移,大数据时代将会不可避免的到来!作为全球互联网的前沿概念,大数据主要包括两方面特征:一方面整个社会的信息量急剧增长,另一方面个人可获取的信息也呈指数增长。从科技发展的角度来看,“大数据”是“数据化”趋势下的必然产物!并且随着这一趋势的不断深入,在不远的将来我们将身处于一个“一切都被记录,一切都被数字化”的时代。 在这种背景下,对大数据的有效存储以及良好地分析利用变的越来越急迫。而数据分析能力的高低决定了大数据中价值发现过程的好坏与成败。本文以大数据时代的数据分析为主题,简明的阐述了国内大数据分析的发展现状、大数据的分析模式以及主要的分析技术、大数据时代数据分析的几个核心概念等相关问题。1.国内大数据分析的发展现状数据分析是数据处理流程的核心,因为数据中所蕴藏的价值就产生于分析的过程。所谓“大数据分析”,其和以往数据分析的最重要的差别在于数据量急剧增长。由于数据量的增长,使得对于数据的存储、查询以及分析的要求迅速提高。从实际操作的角度看,“大数据分析”需要通过对原始数据进行分析来探究一种模式,寻找导致现实情况的根源因素,通过建立模型与预测来进行优化,以实现社会运行中各个领域的持续改善与创新。虽然近两年来“大数据”的概念越来越多的被媒体以及行业提及,但“大数据分析”在国内的发展却仍处于初期阶段。从行业实践的角度看,只有少数几个行业的部分企业,能够对大数据进行基本分析和运用,并在业务决策中以数据分析结果为依据。这些行业主要集中在银行与保险,电信与电商等领域。以银行业为例,目前大型国有银行在其主营业务中均引入了数据分析,但深度尚可,广度不够,尚未扩充到运营管理的所有领域;而中小银行在数据分析方面的人员与能力建设尚处于起步阶段。对于支撑起...
发布时间: 2018 - 11 - 06
作者:Jens Riedl, Andreas Jentzsch, Nils Christian Melcher, Jan Gildemeister, Daniel Schellong, Christopher Höfer, and Peter Wiedenhoff翻译:任晓萌“ 公路货运传统企业可能不愿意进行数字化,但数字化转型的趋势迫在眉睫。在改变了零售、娱乐和旅游等以消费者为导向的行业之后,数字初创企业开始进军商业导向型行业。公路货运是由人工流程主导的高度分散的行业,被数字初创企业视为早该改变的对象。与此同时,新的数字货运商受益于投入资金的显著增长。从2012年1月到2017年9月,风险投资基金对数字化的航运和物流初创企业的投资超过33亿美元。而这些资金的很大一部分被用于公路货运初创企业,其中包括Convoy(美国在线货运平台)、Freightex(最近被UPS收购的英国虚拟物流提供商)和EasyPost(谷歌支持的在线物流提供商)等企业。对于传统企业来说,公路货运一直是一个竞争激烈,利润率低的行业。传统企业现在必须采取行动,抓住数字机遇,否则就会面临利润下滑和销量下滑的风险。数字初创企业可以通过引入新的商业模式和解决长期低效率的问题来稳固企业。”1传统公路货运存在的四大问题数字初创企业正瞄准公路货运行业。传统公路货运存在着问题,尤其在西欧市场上的问题表现得最为明显,这为数字初创企业提供了转变市场的机会(参见图1)。图 1 传统公路货运存在的问题(1)市场高度分化,信息透明度低。在西欧,公路货运行业拥有超过30万家规模从数十亿欧元到小型自驾车运营的公路货运企业。而规模最大的公路货运企业DBSchenker(德铁信可,别名“全球国际货运”)的市场价值份额仅为2.1%(参见图2)。这种严重的市场分化常常促使竞争对手携手合作,以获得规模经济并为客户提供...
发布时间: 2018 - 10 - 17
大数据平台,是关于所有想要创造一个大数据战略,并与他们所掌握的数据相匹配的企业的。企业必须了解如何在一个企业内部使用大数据。为此,我们将在本文中为大家介绍企业大数据使用的八大典型案例。当然,如果您的企业有更多、更好的案例,也欢迎通过文章的评论与我们交流与沟通。真正实时的了解您的客户在过去,我们总是倾向于通过采用小组和调查问卷的方式找出我们的客户在哪里。而当调查结果总结出来时,结果往往已经是过时的了。而利用大数据,这种状况将不再发生。大数据能够帮助企业完全勾勒出其客户的DNA。充分了解客户是有效的与客户达成生意合作的关键。当然,在这一过程中,如果不能很好的保护好客户的隐私,也是很容易走向极端的。但如果企业能够确保客户的隐私不受威胁,大数据可以为企业提供针对个体客户的十分个性化的见解。使用互连的社交媒体数据、移动数据、网络分析和其他数据分析,企业可以充分了解每一位客户,实时的知道他们想要什么,以及何时想要。真正了解您的客户,意味着您可以结合客户的个性化特点,给出有针对性的建议或显示广告。亚马逊已然将这一点做到了极致,他们为客户推荐的产品绝不是一个巧合。亚马逊的推荐引擎完全是基于客户在过去一段时间的购买行为所做的:客户的购物车中所收藏的商品、客户喜欢的商品、其它用户浏览或购买的商品。亚马逊使用的该算法,为每位客户定制了专属的个人主页。利用该策略是:该公司在其第三财政季度期间销售增长27%,达到了131.8亿美元,而去年同期的销售额则为96亿美元。企业共同创建、实时改进和创新产品在过去,我们要与客户会面,与他们一起讨论他们想要什么,向他们展示我们的最终完成的产品。如果客户不喜欢它,您便会有麻烦了。而利用大数据,这一切变成为过去的历史了。大数据分析可以帮助企业更好地了解客户所想要的产品。通过从社会媒体和博客上收集人们如何评价某款产品,能够为企业提供比传统的问卷调查更多的信息。特别是当...
发布时间: 2018 - 09 - 19
编 者 按:近年来,在制造业智能化和全球化发展及电子商务迅速崛起的多重推动下,中国物流行业正在从传统物流向现代物流迅速转型,智慧物流产业迎来发展机遇期。中国仓储与配送协会副会长、国家邮政局发展研究中心学术委员会委员、智慧物流首席特邀专家王继祥是智慧物流概念的提出者和倡导者,本文中他认为物联网、云计算、大数据、人工智能等技术的不断发展,为智慧物流创新发展创造了条件。但我国物流行业发展多层次、多样化的发展现状,要求智慧物流的发展不能搞“一刀切”,要根据经济和社会需求,从信息化和标准化做起,因地制宜、实事求是地推动智慧物流的发展。物联网技术,智慧物流发展的重要基础物流是物质资料从供应者到需求者的物理运动,是运输、保管、包装、装卸、流通加工、配送以及信息等多项基本活动的统一整体。对于物流的概念,王继祥表示:“把物质连接起来的系统是物流,物流的核心是物质资料流动过程中的计划、运筹、控制,因此物流是系统思维的产物,由于物流的连接特点,使得‘信息的连接’成为了推动物流发展变革的核心动力。正是基于此,物联网的发展实现了物流过程中的作业对象、设备等信息的连接,奠定了智慧物流的发展基础。”自2009年,在国家大力倡导下,中国物联网技术呈现发展热潮,在物流领域,物联网技术逐步得到普及应用。基于物联网技术在物流业应用,王继祥在2009年首次提出了“智慧物流”概念,开始大力倡导“智慧物流”。对于智慧物流概念,王继祥认为:智慧物流,指的是基于物联网技术应用,实现互联网向物理世界延伸,互联网与物流实体网络融合创新,实现物流系统的状态感知、实时分析、精准执行,进一步达到自主决策和学习提升,拥有一定智慧能力的现代物流体系。根据智慧物流定义与技术架构,王继祥提出了智慧物流的三大组成体系:智慧思维系统、信息传输系统和智慧执行系统。智慧思维系统是物流大脑,是智慧物流最核心的系统。大数据是智慧思考的资源,云计算是智...
发布时间: 2018 - 09 - 05
1998年,“大数据”概念首次出现在美国《科学》杂志中。近20年来,大数据浪潮一波波向世人扑面而来。有人形容,大数据就像一片无边无际的大海,海面一浪高过一浪,而浪潮之下深不见底。大数据的核心口号是量化世界,量化世界为创构世界奠定了基础。在大数据的基础上,物数据化和数据物化构成循环。这是因为,物数据化事实上就是物信息化,数据物化实质上就是信息物化。随着现代信息技术的发展,创构活动及其产物与人的存在方式越来越密切地联系在一起。这里涉及一个新的重要概念:信息。在控制论创始人维纳看来,“信息就是信息,既不是物质也不是能量”。这个定义看上去像是同义反复,却富有深意。比如,物能复制成本呈正比增加,而信息复制的边际成本递减;物能越分享越少,而信息越共享越多。信息的这些重要性质,在作为样本数据的小数据时,显示不出重要性;而在大数据基础上,则变得非同寻常。在大数据的基础上,信息会对人类的文明发展产生极为重要的影响。面对大数据打开的这扇大门,我们不能不深入思考:这将是怎样的一扇门,又会把我们带进一个怎样的新世界 ■面对一张拍好的平面照片,再要换个角度去观察已不太可能。大数据则几乎保留了全纬度。面对大数据,我们可以从不同的角度进行考察。作为样本数据,小数据是“残缺”的。就像尼采说抽象的概念是“干枯的标本”,样本数据和抽象概念的共同特点都是已经“失活”了。而大数据意味着活数据(动态数据)、全数据。■对于大数据来说,信息是活的,是随着时间而流动的。高速的数据流更能在时间上与现实过程同步,因而跟人类的生存密切联系在一起。不仅如此,只有高速流动的数据,才能提供无限的可能性。以往受速率限制,人们获得的数据和所要反映的内容往往脱节,而数据流的高速率使我们把握对象的手段越来越完善。■有人提出,大数据的价值密度低,数据挖掘相当于“沙里淘金”。其实,对于同一个结构开放的大数据,一些人可能视其为一堆垃圾,...
发布时间: 2018 - 07 - 05
大数据已经渗透到物流领域的各个环节之中,其作为一种新兴技术,它给物流的发展带来了更多的机遇。对物流企业而言,合理地运用大数据技术,对企业的管理、客户关系维护、资源配置等方面都将起到积极的作用,使物流决决策更加高效与准确。随着信息时代数据量的剧增,深化物流管理最为有效的方法是引入数据分析技术,对物流数据进行分析和预测,取代经验论,帮助决策者做出快速、准确的决策。1、物流领域常用数据分析场景梳理我们整个物流环节,数据分析的应用可以分为两个方向,规划和预测。其中规划方向的应用往往是以成本和时间为优化目标,或者是两者综合的多目标优化,在分析过程中我们往往是通过成本构成或者时间构成的角度去寻找他的影响因素,在分析这些影响因素的基础之上,找到合理的变量取值,使得成本最优,时间最少。常用的应用场景包括仓储选址规划、运输路径规划、仓储布局规划。预测方向的应用场景主要包括市场销售预测、采购需求预测、供货周期预测,预测不会直接产生经济效益,它的意义主要体现在在了解未来发展方向和发展量的基础上采取合理的预防措施,比如说市场销售预测是为了合理安排生产和库存,进而获得供应链总体成本的最优。在大数据时代,我们获得数据越来越多,不管是数量上还是维度上,常用数据分析方法也都有可以进一步的拓展,使结果更加的合理准确。2、仓储选址规划常用数据分析方法仓库选址是指在一个具有若干供应点及若干需求点的经济区域内,选一个地址建立仓库的规划过程。合理的选址方案应该使商品通过仓库的汇集、中转、分发,达到需求点的全过程的效益最好。仓储选址步骤如下图所示。常用的仓储选址数据分析方法包括精确重心法、加权评分法、P-中值法、鲍摩-瓦尔夫模型、多级多设施选址模型等等。(1)精确重心法(2)加权评分法(3)P-中值法(4)鲍摩-瓦尔夫模型(5)多级—多设施选址模型3、仓储选址常用方法对比分析由于不同的企业在建设物流配送中心时,对配送...
发布时间: 2018 - 06 - 21
大数据从区域分布、创建年度、投资规模、占地规模、功能分析五个方面入手。近年来,我国物流行业增长迅速,在国民经济中起着举足轻重的作用,从某种意义上讲,物流业的发展已成为衡量一个国家综合国力的重要标志。物流园区是物流业集聚发展的重要载体,经过10多年发展,我国物流园区得到快速发展,产业地位日益突出,对于转变物流发展方式,加快行业转型升级具有重要作用。物流产业大数据平台从区域分布、创建年度、投资规模、占地规模、功能分析五个方面入手,主要针对园区类型、园区地址、创建年度、投资金额、占地面积、服务功能等相关数据进行了具体的分析。区域分布根据平台数据,按照全国31个省市区域进行划分,筛除重复项后共计28个省市,各省市分布的物流园区数量排名情况见图1:图1 28个省份物流园区数量分布图物流园区在28个省市的排名情况如图1所示,从图中可以清晰的看出,东南沿海省市的物流园区数量较多,西部地区分布较少。由此看出物流园区的规划建设与区域经济息息相关,同时高度发展的经济也是物流设施、物流技术不断进步的基础;物流园区的建设要求广泛的市场需求及充足的建设条件,因此大部分物流园区集中在沿海省市。图2 七大经济区域园区数量占比图如图2所示,按照我国划分的七大经济区域,华北地区、华南地区、华中地区、华东地区、东北地区、西南地区、西北地区的物流园区数量占比情况分别为19%、7%、10%、49%、5%、7%、3%。创建年度 对物流园区信息中创建年度进行筛重处理,统计结果如图3所示:图3 1992—2014年物流园区数量分布图根据物流园区成立年份的统计数据可知,1992年至2001年期间,我国正处于物流园区的建设时期,物流园区的企业数量相对较少;从2002年到2014年,经过十多年的发展,初具规模的物流园区越来越多,其园区的基础设施和现代化建设水平也在不断改善。投资规模 按照投资金额的具体分类标准对其进行统计分析...
发布时间: 2018 - 05 - 15
随着大数据的应用范围不断扩大,越来越多的企业开始部署大数据战略。通过大数据技术构建数据中心,挖掘出隐藏在数据背后的信息价值,为企业提供有益的帮助,从中获取利益。企业应该把大数据看做是一项战略资源,在战略规划、商业模式和人力资本等方面做出全方位的部署。什么是物流大数据?所谓物流的大数据,即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等。通过大数据分析可以提高运输与配送效率、降低物流成本、更有效地满足客户服务要求。将所有货物流通的数据、物流快递公司、供求双方有效结合,形成一个巨大的即时信息平台,从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务,而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后,提出具有中观指导意义的解决方案。许多专业从事物流数据信息平台的企业形成了物流大数据行业。国家出台的政策支持目前,国家出台的与大数据相关的物流行业规划和政策包括:《第三方物流信息服务平台建设案例指引》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划(2014-2020年)》、《关于推进物流信息化工作的指导意见》等一系列政策,将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。  此外,交通运输部正在编制的物流发展“十三五”规划,其中统筹谋划现代物流发展,指出要发展智慧物流,适时研究制定“互联网”货物与物流行动计划,深入推进移动互联网、大数据、云计算等新一代信息技术的应用;强化公共物流信息平台建设,完善平台服务功能。  物流大数据行业的生命周期比较长,一般要在5-8年,前期的数据积累和沉淀耗时耗力耗财。目前,中国物流大数据产业正处于起步阶段,未来2年有望快速发展,率先实现大数据增值。企业如何应用大数据?大数据在物流企业中的应用贯穿了整个物流企业的各个环节。主要表现在物流决策、物流企业行政管理、物流客户...
发布时间: 2018 - 05 - 08
这几年的物流产业......平台中兴之后,百花齐放,但依然前途漫漫快递巨头割据,零担江湖奋战加速,整合并购常态商业蝶变加速,传统物流+新兴物流交替联盟、聚盟,合纵连横,心不齐,区域网络拼接不易科技驱动,细分产业重构,找到物流的增长新G点…..复融供应链联合创始人 副总裁 复融学院执行院长,复旦管院物流与供应链沙龙副秘书长杨斌先生在Logis举办的第三期“经管类师资培训之大数据分析与挖掘”中从产业变革视角和行业整合视角对新商业时代的物流行业应用问题进行了深入解读:物流产业趋势及未来五年后的物流:生态圈的跑马圈地5年后的物流是围绕数据+、快递+、快运+、平台+、商业供应链+这几个生态圈在做的。核心是数据,谁掌握了数据,谁就会在未来的物流商业中掌握更大的话语权,这也正是现在企业对数据守口如瓶的原因。以数据为核心会延展到其他的几个生态圈,比如快递+供应链、快递+快运等等,这些融合会带来新一轮生态圈的跑马圈地,未来物流行业的转型升级也将会出现在这几个生态圈里面。物流的终局:寡头基础设施寡头,百花齐放的新应用我们可以做一个大胆的预测:在未来的某一天,整个物流行业会衍生成几大模块,首先在外部是万物互联的数据包络,以此为基础会出现巨头垄断的基础设施市场,这个基础设施包括:云、网络(实体网络和虚拟网络)、端等全渠道的泛物流基础设施。在此基础之上会衍生出许多面向B/C端的物流应用网络、供应链服务网络等围绕物流用户的个性化服务。物流大数据正在来临更强数据能力:驱动物流转型升级,数据价值有待挖掘为什么越来越重视数据?需要从两个维度来看:第一,从现在看未来,我们要讲究科技管理,要有标准化、结构化、流程化的数据来驱动数据化的持续改善。第二,从未来看现在,要看到未来商业的发展用未来的黑科技驱动物流颠覆,也就是管理科技。更强快的物流响应:数据为网,微数据+大数据双轮驱动在物流领域里面一定是微数据和大数据的...
热点新闻 HOT NEWS
产品名称

杨善林院士:基于互联网和大数据资源的社会物流和现场物流管理

发布时间: 2017-12-18
来源:
作者:
点击次数: 75
分享到:

一、互联网与大数据的资源观


互联网与大数据发展到今天,已经成为一种非常重要的战略性引导资源。互联网它不仅仅是一个通信平台和交流平台,而是一个资源融入到经济社会当中,像石油、天然气一样。这种资源全面融入到经济社会系统运行的全过程,广泛渗透到生产生活的各个方面,促进线上线下资源的融合与重构,从而推动生产和生活方式变革。


二、信息服务系统与人工智能


互联网和大数据资源融入到社会经济发展过程中需要信息服务系统来支撑。信息服务系统不管是哪一类应用,首先要有一个很大数据存储功能和非常好的数据存储结构。另外还有数据处理方法,这个方法要作用到数据存储结构上,才能把每个社会资源用活、用好;然后在这样的基础上,它需要拥有数据处理系统,主要是对数据进行处理和服务,然后是访问平台和人机交互界面,这是信息系统的通用结构。但大数据的特性给传统数据库系统带来了多种挑战。


在数据方面,以前数据是单模态的,即结构化数据,对于不同领域的上层应用,传统数据库系统具有通用的、完整的数据管理功能。而现在大数据是多模态,是非结构化的数据,有各种各样的数据。第二个是静态型和动态性,传统的是事先确定数据模式,并需要满足事务操作所有要求。而现在是动态性,多种类型的数据是快速增长,导致数据模式无法预先定义,难以支持事务特性。所以传统的那些系统如果是SQL,很难适应大存储数据系统。所以我们新型数据库NewSql、Nosql等在快速发展。那么这个Nosql是非关系型数据库,目前市场上也已经有很多在销售和应用。Newsql也是一类,是高性能的数据库,是一类新型关系型数据库管理系统。这是数据存储结构发生变化了,提出了新要求。


在数据分析方面,从数据分析对象来说,以前我们处理的是经过预处理后的数据,而大数据是希望处理那些原始数据,是多源多模态数据。另外一方面数据分析的需求也发生改变了,从相对简单的一般分析向精准的个性化分析发展。比如说早期物流系统只要能够支持物流资源的整体配置,这个系统就已经很好用了。而当前希望动态实时的精准物流资源配置优化,要求就比以前高很多。在数据分析方面,从分析较为直观的一般特征向分析复杂关联的深层特征推进。比如我们早期需求主要是发现物流资源与需求之间的关系,这就可以进行匹配,而现在是希望将资源平台、货源平台以及解决方案平台等整合,构建智慧物流生态。从数据分析技术来说,从表达力受限的低维数据分析技术向高信息量的高维数据分析技术转变。从分析能力来说,从小范围有效的弱泛化能力向广泛有效的强泛化能力提升。泛化能力是指什么意思呢?以前讲人工智能,我有一部分数据拿来学习建立模型,然后这个模型新的数据可以适用,形成了以后通过这个模型就可以达到想到结果,我们就说模型的泛化能力很强。目前,通过对现有的可视化的展现、统计分析、积极学习等技术在的扩展,大数据分析应用有了不错的进展,但大数据分析能力的提升仍然需要创新性、颠覆性的方法。


以上的这些数据存储和数据处理方法,都要依据一个数据平台。而这个平台有两大关键技术,一是云平台,也就是集中存放。云平台是一类重要的大数据处理平台,涉及以数据存储为主的存储型云平台、以数据处理为主的计算型云平台以及计算和数据存储处理兼顾的综合云平台。云平台能够以低成本、按需满足用户对数据处理的需求。那么一个大的云平台如何满足各种不同用户的需求呢?那就是通过软件定义,软件定义通过硬件资源虚拟化和管理功能可编程,将统一的平台“定义”为满足不同需求的领域平台。另外就是现有的以通用性考虑为主的IT体系很难满足大数据的需求,整个IT架构将迎来革命性的重构。


那么新一代信息技术重构了生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,使得人工智能在城市、制造、医疗、机器人、物流等各个领域成为关键技术,从而进一步促进了当前人工智能的快速发展。近十年来,随着互联网、移动互联网、传感器网和感知设备等的发展,形成了快速便捷的人网交互以及普适泛在的人机共融的信息环境,呈现出网络化、数字化和智能化的特征,从而成为当前数据驱动的人工智能发展的主要动力之一。当前,以深度学习和强化学习为代表的人工智能实现方法,侧重于数据驱动的智能模拟、延伸和扩展,强化和发展了感知、认知、决策等各阶段的视觉、听觉、语言、推荐、预测等技术能力,促进了人工智能在社会经济各领域的广泛运用。


人工智能是一个新词汇,其发展大体上有三个阶段。第一个阶段建立在知识表示与推理机制基础上的人工智能技术,那时的人工智能主要是模拟人的逻辑思维。例如,如果A则B,如果C则D,变成一个逻辑公式,把这些公式在成熟的基础上应用。如果出现A情况就知道是D,出现B情况就知道是C。早期人工智能用这样一种方式来表达人的知识是极其有限的,所以虽然在一些领域得到了广泛应用,但是这种应用很难推广,所以就冷落下来了。后来,由于人工神经网络这样的出现,机器学习科学技术的出现,人们开始思考能不能通过机器学习让计算机来模拟人的经验思维。这就不是一种逻辑了,而是把人的经验数据收集过来,训练一套网络。这个网络驯化好了以后,当出现新情况的时候,就把新的情况输入到这个网络,得到新的结果。但是很可惜,人们后来发现,建立在这种机器学习基础上的、模拟人的经验思维,和早期人工智能类似,泛化能力很差,新情况出现就推演不出新结果,所以人工智能又走入低谷。当前,人工智能又很热,我们认为主要是建立在大数据和深度学习基础上的人工智能技术,这两者结合之后产生一种新的功能,使得我们人的很多经验能够真正地得以利用。比如阿法狗是最典型案例,把大量的棋局收集在其系统中,然后通过多层人工神经网络学习,判断出现什么棋局的时候什么方案最好,就把什么方案调过来。所以人很难赢它,做得很成功。当然它本身的方法能力不是很强,除下棋外,做其他事情不一定行。人工智能的方法有多,最近又出现了一种叫“强化学习”的方法,通过让机器学习系统基于外界环境的奖励或惩罚等反馈,不断提升机器学习系统的性能。典型案例就是AlphaGo Zero,完全从零开始,不需要任何知识,完全靠自身强化学习,以100:0击败AlphaGo。还有一类迁移学习,把一个环境当中得到的学习方法迁移到另外一个环境中;还有叫生成树对抗网络,也就是针对一个问题,我有一种方法,那么另外一个软件就专门从方法上找问题,去攻击它,一直到最后攻击不动了,攻击不了了,那生成树就不错。


在这些信息服务系统和新的智能算法基础之上,人们对未来的社会发展充满了幻想。未来的交通物流系统,是天地一体化的。飞机、高铁、公路和各种物流运输设备的实时运行数据都感知反馈到我们的信息服务系统中。比如说车辆的情况、路面的坡度,天气情况等等一系列的信息都通过网络采集传送到我们的信息服务系统,构建一个多维覆盖天地一体化的交通物流系统。那么这种交通物流系统要管理,道路交通要形成大量的车联网,车和车相互关联;水路交通要有船联网;航空交通有空联网。而这些车联网、船联网、空联网再通过互联互通的网络形成一个综合的物流系统发展新特征,也就是车联网能实现车路协同,船联网形成船岸协同,空联网形成空地协同。这样一个系统就需要天空地一体化的网络来支撑,大数据就是通过这种无缝覆盖的多维度的感知获取,形成通过数据的汇聚、辨识、关联,形成对物流有价值的物流大数据。而这种物流大数据通过分析就能够进行柔性计划、多元融合形成智能响应。同样,通过大数据能够实现按需匹配、跨界使用实现智能配准,还能进行组合优化、人机交互的智能推荐。


阿里巴巴给杭州规划的未来城市交通方案,中间是他的城市大脑,是海量异构数据机复杂进程的处理中心。而其他高铁、汽车等,都是实现的神经末梢,实现下意识反应,达到局域与中心的协同融合。未来系统要适应人的需要,比如说我们从北京天安门广场要到合肥文旅城开会,你现在考虑的是我怎么来机场,然后在机场怎么安检,然后怎么进飞机,下飞机我又怎么办。将来,你只需要买一张票,从北京家到文旅城,路线全部规划好,系统按照你的要求给你选择了路径,什么时间从家出发,车什么时候到达你家楼下接你,全部都给你办好。未来,我想物流也应该是这样的。当然智能航线规划、智能起降管理、智能空中防撞等问都在研究中。如以后交通路口不需要红绿灯,只有无人驾驶办得到,有人驾驶就办不到。将来,我们的物流也应该是建立在这样一种系统上去思考。


所以总体来说,信息服务系统再加上人工智能,在这个基础上就可以对未来社会的方方面面进行各种各样的畅想,没有做不到的,就只有想不到的。从信息服务系统来看,人工智能来说有这么几点结论,一是大数据资源的感知、开放、共享、安全、更新是大数据研究的重要方向。二是高动态多模态的大数据存储与分析的一般技术短期内很难有重大突破,但是结合一些具体应用领域需求来展开的大数据技术研究很可能取得重大突破。三是面向大量结构化数据的分析方法有较好的研究基础,同时也有很大的发展空间,在分析人的行为和预测经济社会发展趋势方面仍然发挥重要的作用。四是建立在知识表示与推理机制基础之上,以模拟人的逻辑思维为目标的人工智能技术例如专家系统,在大量数据的支持下一定会得到更加广泛的应用。五是在机器学习理论基础上发展起来的、以模拟人的经验思维为目标的、能够处理高动态多模态大数据的人工智能技术在大数据分析中可能有很好的应用前景。六是建立在大数据和机器学习深度融合基础上的、以不依赖于人类先验知识的自学习为目标,以深学习和强化学习技术为支撑的人工智能具有更为广阔的发展空间。


新一轮科技革命正在引领世界经济的发展,新一代信息技术正在深刻地变革着经济社会的发展方式。然而,社会对人的最基本的素质要求却始终不便。例如,千百年来,诚信被中华民族视为自身的行为规范和道德修养,形成了内容极其丰富的诚信文化,空子道“言而无信,不知其可也”,这是两千五百多年前的古代先哲们对诚信的理解,同仁堂有一副有名的楹联“炮制虽繁必不敢省人工,品味虽贵必不敢减物力”,这是近代的企业家们对诚信的理解。在今天,卫星上天、蛟龙入海,这些丰功伟绩无一不是广大科技工作者扎扎实实诚信劳动的结果。这足以说明,尽管两千五百多年来,科技、经济、社会发生了不能简单用翻天覆地来加以形容的巨大涅变,但是社会对诚信的要求却是亘古不变的。(根据速记整理,未经本人审阅。)


来源于:中国物流学会


地址:北京市东城区东长安街6号
电话:010-68519188  010-68519187 
传真:+86 0755-2788 8009
邮编:100834 
Copyright ©2005 - 2013 中国智慧物流网
犀牛云提供企业云服务
X
3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开