2022年7月，纽交所上市企业Palantir 获得战略融资约4.5亿美元，估值近200亿美元。2022年2月，决策类AI企业第四范式获得腾讯等战略投资，融资金额超十亿美元，估值近30亿美元。2021年1月，智能决策企业Gro intelligence获得Intel Capital等投资，融资金额达8500万美元。
经济新常态下，精细化运营成为企业增长的关键动力，对决策质量提出了更高要求。同时，复杂多变的商业环境使决策约束条件不断增多，并对决策敏捷性提出了更高要求。因此，依靠业务规则和专家经验的传统业务决策愈发难以满足企业的需求，企业需要对决策方式进行升级。
本文介绍了人工智能决策系统的发展背景，分析了传统决策系统的痛点，并重点介绍了基于人工智能和大数据技术的智能决策系统的架构设计和实现。该系统可以为各行业提供智能化、精准化、个性化的决策支持，具有广泛的应用前景。
2018 是人工智能落地之年，在 AI 应用方面，目前中国已呈现出爆发的趋势，主要集中在安防、金融、医疗、教育、零售、机器人以及智能驾驶等领域。
AI 科技评论按：近日，国际人工智能顶级学术会议 NeurIPS 2018 顺利落幕。八千多位来自全世界的人工智能研究人员齐聚加拿大蒙特利尔，讨论分享过去一年全世界在人工智能的各个领域的最新进展，该会议举办了一系列竞赛来鼓励学术界和工业界一起解决最有挑战性的人工智能难题。作为人工智能领域历史最悠久的学术会议之一，会议成果被视作人工智能领域的研究「风向标」。
过去数年，以强化学习为代表性技术的决策智能在游戏领域取得了一系列令人瞩目的成就，战胜人类玩家的新闻屡屡进入人们的视野，比如棋类游戏的 AlphaGo、AlphaZero 和 MuZero，电子竞技类游戏中的 OpenAI Five 和 AlphaStar、赛车游戏中的 GT Sophy 等。游戏领域直观地展示了这种技术赋予 AI 的强大智能。 那么何谓决策智能呢？在人工智能时代，作为一门新的学科，决策智能综合利用社会科学、决策理论和管理科学等多学科的理论来增强数据科学，进而形成智能决策。随着强化学习等 AI
决策支持系统(Decision-making Support System,DSS)是管理信息系统应用概念深化，在管理信息系统基础上发展起来的系统。
强化学习作为通用人工智能的希望，吸引了很多人工智能爱好者学习和研究。Markov决策过程是最知名的强化学习模型，强化学习教程也常以Markov决策过程作为起点。但是，强化学习并不只有Markov决策过程这一种模型。本文全景式地分析强化学习的研究内容，展示Markov决策过程以外的广阔天地。
【商务智能】数据预处理 【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 ) 【商务智能】商务智能 ( 概念 | 组成 | 过程 )
近年来，人工智能(AI)开始起步，并在科技行业取得重大进展。从挑选人们想去的餐厅开始，Siri、谷歌Assistant、微软Cortana、亚马逊Alexa等人工智能助手帮助我们日常生活。我们每天都在不知不觉中习惯了使用人工智能。例如，智能手机键盘上的自动更正功能和Facebook上的自动标签功能都是由人工智能控制的。简而言之，人工智能产业正试图让电脑模仿人类的智能，而通过神经网络，他们已经成功了一半。在神经网络中，他们试图让晶体管表现得像人类大脑的神经元。机器学习是利用人工神经网络(ANNs)来促进多层次的学习。深度学习是另一种学习模型(机器学习的一部分)，它基于数据表示而不是基于任务的算法。虽然人工智能的未来可能会让机器像人类一样做出决策，但现在已经在影响着人类的决策，尤其是商业决策。在本文中，我们将讨论一些关于人工智能如何(以及将如何)改变企业决策的有趣方法。
智能体通过传感器（物理世界的实体）或接收数据（软件中的实体）来感知周围环境的状态或接收到的信息。在软件模拟中，这可能涉及读取文件、数据库、网络数据包或是用户输入；在物理世界中，则可能是通过摄像头、麦克风、温度传感器等设备收集数据。
近年来，人工智能(AI)在科技领域取得了长足的进步。从挑选人们想去的餐厅开始，他们让Siri、谷歌助理、微软Cortana、AmazonAlexa等人工智能来控制局面。我们甚至没有意识到，我们已经习惯于人工智能。例如，智能手机键盘上的自动校正功能和Facebook上的自动标记功能都是由人工智能控制的。
机器之心报道 机器之心编辑部 过去数年，以强化学习为代表的决策智能技术战胜人类玩家的新闻屡屡进入人们的视野，直观地展示了这种技术赋予 AI 的强大智能。同时，业界也开始思考，该技术能否像之前的机器学习、深度学习一样，应用到更加广泛的行业领域？ 在 2022 北京智源大会「强化学习与决策智能专题论坛」上，第四范式联合创始人、首席研究科学家陈雨强发表了主题为「智能决策技术在企业智能化转型中的实践应用」的演讲。他从决策的本质出发，介绍了强化学习通过环境学习发挥产业应用的价值，并介绍这两项技术在产业界的应用实践。
随着数字经济发展，各行业数字化转型的深入和万物互联的发展趋势下，“数据即资产”成为企业共识，数据价值挖掘成为企业关注的重点。与此同时，随着企业对决策与分析时效性要求的日益提升，能够传递实时、可用信息的“热数据”价值逐步凸显。
事件响应是企业网络安全团队的重要工作内容之一。安全设备每天会产生海量告警，安全分析人员需要找出高危告警，并对这些告警进行分析和追踪溯源，做出合适的处置操作。事件响应的复杂性和专业性导致了低时效性。在日益复杂的网络环境中，分析人员决策结果的合理性也往往存疑。因此根据当前网络环境做出快速的、合理的决策是每个安全公司需要思考的问题。本文以自动驾驶领域的决策方法做类比，介绍在网络安全领域做出智能决策的大体路线、条件约束和研究问题。
机器之心报道 作者：蛋酱 过去数年，随着神经网络、基于强化学习的自我博弈、多智能体学习和模仿学习等通用机器学习理论的突破，AI 智能体的决策能力实现了飞跃式发展。 可以看到，不管是谷歌、微软、IBM 等全球科技巨头，还是国内一众 AI 龙头企业，在学术研究和产业落地上，它们的关注焦点都在从智能感知向智能决策过渡。「决策 AI」成了领域内的必争之地。 今年 5 月，谷歌旗下的机构 DeepMind 发布 Gato，这款全新的 AI 智能体能够在「广泛的环境中」完成 604 项不同的任务。Gato 的诞生，再
作者：张乾 【新智元导读】近日，智能决策公司启元世界在ACM挑战赛期间亮相，并举办了基于《星际争霸II》的AI人机协作挑战赛。挑战中，AI能与人相互协作、理解、感知，胜率达到48.8%。启元世界是由前
机器之心报道 编辑：小舟、力元 当提供更多数据时，人们不会做出更好的决定，那么为什么假设 AI 会呢？ 随着人工智能技术的兴起，AI 中存在的问题也被逐步暴露出来。AI 做出的决策与人类最佳决策仍然存在差异，并且往往包含一些偏见。那么问题出在哪里呢？近日在一篇文章中，作者 Marianne Bellotti 阐明了相关原因，并提出了自己对 AI 设计原则的看法。我们来看一下文章的具体内容。 越来越多的数据 据专家指出，数据科学家花费大约 80％的时间来清洗数据，实现由人工智能驱动的集中式决策的关键是打破各
根据Gartner《2022年人工智能技术成熟度曲线》报告，尽早采用复合型人工智能（AI）、决策智能等AI技术将给企业机构带来明显的竞争优势，缓解AI模型脆弱性引发的问题，有助于捕捉业务背景信息，推动价值实现。 已进入生产成熟期的技术，其实际效益已得到证明和认可。随着越来越多的企业机构认为风险已下降至可接受程度，AI技术的采用开始进入快速增长阶段（见图一）。 AI一直是企业、政府和社会讨论的热门话题，企业机构很难分辨哪些AI技术具有真正的业务价值。数据和分析（D&A）领导者需制定具有前瞻性的AI战略，并充分
机器之心报道 机器之心编辑部 论文虽然有些难懂，但或许是一个新的研究方向。 强化学习和决策多学科会议（Multi-Disciplinary Conference on Reinforcement Learning and Decision Making, RLDM）的重要前提是，随着时间的推移，多个学科对目标导向的决策有着共同的兴趣。 近日，阿尔伯塔大学计算机科学系教授、强化学习先驱 Richard S. Sutton 在其最新论文《The Quest for a Common Model of the I
近日，国际人工智能顶级大会NeurIPS2018顺利落幕。8000多位来自全世界的人工智能研究人员齐聚加拿大蒙特利尔，讨论分享过去一年全世界在人工智能的各个领域的最新进展。
来源：机器之心本文约5200字，建议阅读10+分钟论文虽然有些难懂，但或许是一个新的研究方向。 强化学习和决策多学科会议（Multi-Disciplinary Conference on Reinforcement Learning and Decision Making, RLDM）的重要前提是，随着时间的推移，多个学科对目标导向的决策有着共同的兴趣。 近日，阿尔伯塔大学计算机科学系教授、强化学习先驱 Richard S. Sutton 在其最新论文《The Quest for a Common Mode
崔鹏 工信部中国信息通信研究院高级管理咨询师 还是让我们先回到原点，来简要回顾一下人工智能的发展与应用历程。 广义上来说，人工智能指的是通过某种方式让机器拥有人的逻辑判断能力或“思维能力”，以根据特定输入条件做出相应的判断或决策。其实广义的人工智能早已走出了科幻小说，在生产生活中被广泛地应用了。发展至今日，人工智能对人类生产模式的影响可被粗略的划分为两个阶段。 初级阶段：机械自动化 初级阶段起始于第二次工业革命，此时所谓的“人工智能”指的是通过单片机等固件，使机器拥有简单的处理线性逻辑
亲爱的读者，欢迎来到强化学习的世界。初探强化学习，你是否充满了好奇和期待呢？我们想说，首先感谢你的选择，学习本书不仅能够帮助你理解强化学习的算法原理，提高代码实践能力，更能让你了解自己是否喜欢决策智能这个方向，从而更好地决策未来是否从事人工智能方面的研究和实践工作。人生中充满选择，每次选择就是一次决策，我们正是从一次次决策中，把自己带领到人生的下一段旅程中。在回忆往事时，我们会对生命中某些时刻的决策印象深刻：“还好我当时选择了读博，我在那几年找到了自己的兴趣所在，现在我能做自己喜欢的工作！”“唉，当初我要是去那家公司实习就好了，在那里做的技术研究现在带来了巨大的社会价值。”通过这些反思，我们或许能领悟一些道理，变得更加睿智和成熟，以更积极的精神来迎接未来的选择和成长。
这句话大概可以总结两层意思，一方面人工智能让更多的企业面对更广阔的商业前景，另一方面是如果要运用人工智能创造价值，就必须拥抱技术，实现真正的落地。
👆点击“博文视点Broadview”，获取更多书讯 认知的高度决定了创造价值的高度。 企业在从创办、发展、竞争、成功到衰亡的全生命周期中，会面临复杂多样的决策场景。 然而，时代演变产生的海量、分散、实时的信息，仅靠人类个体是难以高效、准确地感知、认知和决策的。 因此，企业需要通过大数据与人工智能技术，提升对业务的智能分析与决策能力，以此提升在快速、复杂的博弈场景中的竞争力。 那么如何运用人工智能技术增强企业的认知智能呢？ 在企业营销服务、设备生产运维的场景中，知识图谱与认知智能技术可以通过数据知识聚合、
2021年11月，全球首届“ AI《球球大作战》：Go-Bigger多智能体决策智能挑战赛”已正式开赛。作为面向全球技术开发者和在校学生的科技类竞赛活动，本次比赛旨在推动决策智能相关领域的技术人才培养，打造全球领先、原创、开放的决策AI开源技术生态。
强化学习能够实现很多的任务，这些任务目标往往可以归纳化为最大化长期奖励、最小化长期惩罚。比如在写论文，写完论文过审了，得到最佳论文凭证的奖学金，获得很高的引用，这些都算正强化。如果论文被拒了或是查重被查出问题了，毕不了业，这些都是负强化。强化学习目标就是要趋利避害。
阅读本文大约需要5分钟 一、强化学习的模型 强化学习能够实现很多的任务，这些任务目标往往可以归纳化为最大化长期奖励、最小化长期惩罚。比如在写论文，写完论文过审了，得到最佳论文凭证的奖学金，获得很高的引用，这些都算正强化。如果论文被拒了或是查重被查出问题了，毕不了业，这些都是负强化。强化学习目标就是要趋利避害。 JackMichael在1975年证明了正强化和负强化的等效性。也就是说，正强化和负强化是等价的。所以我们讨论最大化长期奖励，还是最小化长惩罚并没有本质区别，这是同一个问题。 强化学习最著名的模型就
人工智能（AI）的发展带来了巨大的变革，但也引发了一系列的伦理和社会问题。在人工智能应用的过程中，我们需要思考如何确保其责任、公平性和可解释性，以保障社会的发展和稳定。本文将深入探讨这些问题，并提出解决方案。
Designing explainable artificial intelligence with active inference: A framework for transparent introspection and decision-making https://arxiv.org/abs/2306.04025
强化学习和决策多学科的前提是随着时间的推移，多个学科对目标导向的决策有着共同的兴趣。本文的想法是通过提出一种关于决策者的观点来强化和深化这一前提，这种观点在心理学、人工智能、经济学、控制理论和神经科学中具有实质性和广泛的意义，我称之为智能体的通用模型。通用模型不包括任何特定于任何生物体、世界或应用领域的任何内容。通用模型确实包括决策者与世界互动的各个方面（必须有输入和输出，以及目标）和决策者的内部组成部分（用于感知、决策、内部评估和世界模型）。我确定了这些方面和组成部分，注意到它们在不同的学科中被赋予不同的名称，但基本上指的是相同的想法，并讨论了设计一个可以跨学科使用的中性术语的挑战和好处。现在是时候认识到并建立在多个不同学科在智能主体的实质性通用模型上的融合之上了。
机器之心发布 机器之心编辑部 不久之前，在机器之心举办的「决策智能产业应用」在线圆桌论坛上，伦敦大学学院计算机系教授汪军发表了主题演讲《决策大模型》。 机器之心对汪军教授的演讲内容进行了不改变原意的整理。感兴趣的小伙伴可以点击阅读原文查看回顾视频。 谢谢机器之心的邀请，我今天分享的题目是《决策大模型》。首先我将要介绍我们在决策智能领域做的一些研究，同时我认为大模型很重要，它代表了其在现在技术上的一个思路，不管从技术突破层面，还是实际应用层面，大模型可能给大家带来不一样的东西，同时大模型也有不足之处，学术界
人类之所以能够爬到地球的食物链顶端，甚至还能继续探索外太空，除了个人的头脑外，更离不开群体的协作力量。
视点 发自 凹非寺 量子位 | 公众号 QbitAI 疫情加速全球产业链深度重构，市场供需两侧不确定因素增加；全球经济滞胀导致出口需求衰退，工业生产过热增长不可持续；行业整体产能过剩，产品同质化严重，绿色低碳转型迫切…… 企业的每位高管都面临着一个必答题：如何加速塑造企业韧性来抵御市场风险，实现业务增长和绿色可持续发展？ 随着数据科学和人工智能技术的发展，基于“数据+算法”的决策在实际业务中凸显越来越重要的价值，企业端诉求、技术变革与基础设施完善共同推动智能决策时代到来。 据研究分析公司Gartner预测，
我们面临着前所未有的公共卫生危机，各国领导人正在定量供应关键物资，医生越来越被迫选择谁活谁死。在通风机数量有限的情况下，谁买一个谁不买？这个病人应该住院还是送回家？
机器之心报道 机器之心编辑部 5 月 24 日，在机器之心举办的「决策智能产业应用」在线圆桌论坛上，腾讯交通平台部总经理、腾讯自动驾驶总经理苏奎峰发表了主题演讲《实时孪生与智能决策》。 机器之心对苏奎峰的演讲内容进行了不改变原意的整理。感兴趣的小伙伴可以点击阅读原文查看回顾视频。 今天和大家分享的题目是《实时孪生与智能决策》。本次分享内容主要分三个部分： 第一部分为实时孪生整体架构。什么叫实时孪生，我们如何理解实时孪生和数字孪生，这两者有哪些本质上的区别，在下面的分享中，我都会进行简单解释。 第二部分为数据
本文由高科数聚联合创始人兼CEO董琳投递并参与由数据猿联合上海大数据联盟共同推出的《2024中国数智化转型升级先锋人物》榜单/奖项评选。
大数据文摘授权转载自AI科技评论 作者 | 黄楠 编辑 | 陈彩娴 过去短短不到一年里，ChatGPT、GPT-4 的相继面世，不断刷新人们对 AI 的认知。 新技术带来变革，也引发了外界对 AI 是否会取代人的讨论，OpenAI 首席执行官 Sam Altman 也公开表示，对人工智能技术的强大能力有些担忧。 近日，伦敦大学学院（UCL）计算机系教授汪军在接受 AI 科技评论采访时坦言，虽然 ChatGPT 的语言能力、对话能力很强，但其并无法进行系统性决策，例如机器控制、群体协作、动态调度等，而这些是
人工智能（Artificial Intelligence，AI）技术在过去几年内取得了巨大的进展，对各个领域产生了深远的影响。然而，随着AI的广泛应用，人们开始越来越关注其伦理和社会影响。本论文旨在探讨人工智能技术的伦理问题，以及其在社会中可能带来的影响。我们将着重讨论数据隐私、工作岗位的未来、决策透明性以及AI的道德责任等议题，以期为更好地规划和引导人工智能的发展提供一些建议。
机器之心报道 机器之心编辑部 生物智能的产生，一直以来被定义为「奇迹」和「谜团」。 从宇宙的一片尘埃开始，人类的演化花费了数十亿年的时间。很难想象，你我均起源于出现在地球上的单细胞生物。 时至今日，人类凭借自身的智慧，创造了地球上最繁荣的文明。同时，这一演化仍在继续，远没有走到尽头。 但演化的方向已经悄然改变：下一代文明的方向，将由人类亲手创造的「智能体」来探索。 由此引出一个问题：人类智能与人工智能，谁的上限将会更高？ 过去数十年，研究者夙兴夜寐，将无数人类智慧灌注其中，不断将「人工智能」的能力上限抬高。
导读 近年来大数据业务规模迅速增长，为大数据平台运营治理带来了新的挑战：海量大数据任务的治理，缺乏统一、标准的数据与评估模型和治理工具，难以支持对大数据任务执行效率、稳定性等进行持续优化。腾讯大数据平台摸索出数据+算法驱动的“平台自治”方案，对于万亿级大数据分析逐步实现“自动化运营”，以一站式的自诊断、自优化、自管理能力，大大降低大数据产品使用门槛。
AI 需要多智能体的相互作用来引发意识。 作者 | 黄楠 编辑 | 陈彩娴 过去短短不到一年里，ChatGPT、GPT-4 的相继面世，不断刷新人们对 AI 的认知。 新技术带来变革，也引发了外界对 AI 是否会取代人的讨论，OpenAI 首席执行官 Sam Altman 也公开表示，对人工智能技术的强大能力有些担忧。 近日，伦敦大学学院（UCL）计算机系教授汪军在接受 AI 科技评论采访时坦言，虽然 ChatGPT 的语言能力、对话能力很强，但其并无法进行系统性决策，例如机器控制、群体协作、动态调度等，而
「啤酒和尿布」的故事已流传近 20 年，却依然被奉为大数据分析的经典案例，代表了大数据应用的雏形，挖掘数据之间的相关性来指导商业决策。
【新智元导读】中国外交部门已经在利用AI作为外交活动中的辅助工具，AI可以帮助决策者在特定或紧急情况下快速、准确地分析形势，并给出推荐的决策建议。但一个最基本的原则是，AI只是起到辅助作用，任何最终的决定都必须由人类做出。
大数据技术栈的发展是一个不断演进的过程，从最初的数据仓库、商业智能，到分布式计算和实时计算，再到如今的人工智能，每一阶段的技术栈都有其独特的应用场景。
每年都有现象级网络大剧，今年当属《延禧攻略》，上映三周多网播就已破50亿，爱奇艺神剧平台的地位愈发牢固。
本文转载自：腾讯AI实验室 本文第一部分是中国科学技术大学计算机科学与技术学院副教授吴锋带来的主题演讲，第二部分介绍了腾讯AI Lab在AI研究到应用的布局中，在「AI+游戏」方向的挑战与应对的分析。 3月15日，腾讯AI Lab第二届学术论坛在深圳举行，聚焦人工智能在医疗、游戏、多媒体内容、人机交互等四大领域的跨界研究与应用。全球30位顶级AI专家出席，对多项前沿研究成果进行了深入探讨与交流。腾讯AI Lab还宣布了2018三大核心战略，以及同顶级研究与出版机构自然科研的战略合作（点击 这里 查看详情）。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
