阿里巴巴AI智能专场：整理分享

2019年8月17日，在阿里云杭州飞天园区内，参加了AICUG的阿里巴巴AI智能专场的分享，主要的主题包括《PAI机器学习和OCR实践》、《关于FAQ-QA算法中台的思考和实践》、《认识概念图谱构建与应用》、《搜索场景下的智能推荐演变之路》主要是算法方面，

以下就感受与大家进行分享：

一、阿里的动物园：

包括：天猫商城、菜鸟网络、神马搜索、蚂蚁金服、飞猪旅行、盒马鲜生等，每个产品都用一个可爱的动物作为形象，被网友戏称为阿里动物园，而这个动物园的园长就是马云。

二、产品定位：

机器学习PAI：

一站式机器学习平台（数据预处理、特征工程、模型训练、模型服务），机器学习PASS服务，提供的是底层模型训练和服务能力

EasyVision：

数据、建模、服务，简化CV技术研发闭环，降低CV应用门槛

OCR：

自然场景下的文字通常存在倾斜、畸变、玩去、竖直、模糊等失真问题

阿里小蜜：

2015年 推出的to C 智能客服产品，也有针对to B 的赋能产品

概念图谱：

感知到认知，认知概念图谱 

搜索推荐：

基于搜索业务场景下的排序、召回、数据梳理

 

三、产品介绍：

PAI：

可视化建模PAI-STUDIO、PAI-DSW（类似notebook）、PAI-EAS（模型在线服务引擎）

参数调整优化工具：PAI-AutoML

小蜜：

智能客服的解决方案：FAQ智能问答、导购、外呼、助理

FAQ问答模块（易用、可控）：基础模块，必备的

内部协作机制：业务场景+算法能力

中台架构：技术架构、能力地图（模型参数、模型性能）、业务分析方法论、运营平台

能力地图：业务定制BERT——多任务学习——模型蒸馏

认知概念图谱：

Level1、Level2、Level3、instance

细粒度（Level3）：高质量细粒度概念

Level1/2：知识图谱类型、预先定义关联

Level2/3：基于传递关联、基于概率推断

Level3/实例：基于规则、基于聚类、基于模型

短语挖掘：无监督（TopMine）、有监督(SegPhrase)、远监督(AutoPhrase)

应用场景：意图识别、实体推荐、对话、文档问答、短视频、相关性、信息流

搜索推荐：

预置词

召回：用户行为召回、标签召回、知识图谱召回、向量召回

排序：基础相关性、CTR预估、MAB、语义相关性、采样

话题图谱：交互式搜索推荐方法的探索，包含话题（包含实体）、本体词、意图、知识点、话题理解、知识点整理……

 

四、名词释义：

算法中台：

提供算法能力，帮助提供更加个性化的服务，增强用户体验，为战场提供了陆军支援能力，随机应变，所向披靡。

数据中台：

提供数据分析能力，帮助从数据中学习改进，调整方向，为战场提供了海军支援能力。

技术中台：

提供自建系统部分的技术支撑能力，帮助解决基础设施，分布式数据库等底层技术问题，为前台特种兵提供了精良的武器装备。

研发中台：

提供自建系统部分的管理和技术实践支撑能力，帮助快速搭建项目、管理进度、测试、持续集成、持续交付，是前台特种兵的训练基地。

组织中台：

为项目提供投资管理、风险管理、资源调度等，是战场的指挥部，战争的大脑，指挥前线，调度后方。

字典中台：

为项目提供国际、国家、业界等标准规范字典并保持及时更新；