任正非氏、人工知能の応用について語る：すべてをインテリジェントにしてはいけない、さもないとすべてが失敗する

最近、ファーウェイの新生コミュニティ公式アカウントは、任正非のGTS人工知能応用セミナーでの講演を公開しました。記者は、GTSが「Huawei Global Technical Service」の略称であることを知りました。任正非氏は、ファーウェイは統一された人工知能ソフトウェアプラットフォームを開発し、そのプラットフォーム上でアルゴリズム、知識、方法、経験などを統合すると述べた。しかし、あらゆるところに知性を押し付けるべきではありません。そうすると盲目的な行動につながり、無益な結果をもたらし、完全な失敗につながる可能性があります。以下はスピーチの原文です。

[[187470]]

同社の巨大な既存ネットワークは人工知能にとって最適な舞台です。GTSは人工知能を活用して、高品質で効率的な配信とサービスを実現し、「1兆」米ドル規模の既存ネットワークのサービスと障害処理および予防の自動化をサポートし、毎年数百億ドル規模のネットワーク増分の科学的、合理的、効果的な配信をサポートします。顧客のために価値を創造し続け、顧客満足度を高め、生きた「万里の長城」を築き、会社の重要な可動「マジノ線」になります。最も低いコストで高品質のサービスを提供できる者が、この世界で最終的な勝者となるでしょう。同社の人工知能研究は、同社の経営のあらゆる側面の改善を促進する推進力となっている。誤解を招く議論に惑わされないように。

高品質なデータは人工知能の前提と基盤であり、高品質なデータ出力はタスクを完了するための基準として使用する必要があります。

仕事で使用するツールや仕事の基準をなぜ標準化できないのでしょうか?データ収集アグリゲータを使用すると、従業員は現場での作業を終えた後、拠点に戻ってデータを処理して、ワンクリックでグループに送信することができます。オフィスや地域部門を経由する必要はなく、ワンステップで実行できます。データはすべてのレベルとセグメントに対して透過的であり、各レベルでの集計や処理は行われないため、はるかに高速です。

拠点数は430万拠点、毎年96万拠点が追加され、契約数は1万1千件。基地局ごとの報告書はモジュール分類がないため、分厚いも​​のとなっている。抽象化や要約なしでレポートする必要があります。処理パイプラインが非常に狭いため、完全にブロックされています。実際のところ、要約できるモジュールはおそらく 100 個か 1,000 個未満しかありません。情報をテンプレートに従って分類し、サプライチェーンに送信します。サプライチェーンは情報を解読して開き、出荷リストを作成し、管理が大幅に簡素化されます。現在、レポートは階層ごとに提出されており、各レベルに多くの人が追加されており、多くのレポートは誰にも読まれていません。目的標準モデルに基づいたシンプルな自動レポートシステムを構築し、中間の手作業を削減し、主戦場の従業員数を増やす必要があります。宿題に基づいて全員が正確なデータを提供し、科学的であることに集中できます。これらの正確なデータを使用して、教師あり学習と統計的手法を通じて効率を向上させることができます。

記入されたフォームの情報には明確なものもあれば、曖昧なものもあります。確定的な作業を行うには、記入されたデータは正確でなければなりません。確認せずに誤ったデータをアップロードすると、混乱が生じます。クリアなデータは常に更新・蓄積され、新しい有効なデータが常に置き換えられます。グレーゾーンは常に存在し、あいまいなデータの曖昧さは減少し続けますが、新たな曖昧さが生じます。曖昧さがあってはならないところにはガイダンスを設け、草の根エンジニアが明確に操作できるようにする必要があります。人工知能は、何万人もの従業員が仕事をしながらデータを効果的に収集し、要約と結論を通じてパターンを見つけることに依存しています。明確で正確な現場データが重要です。

私たちは交通事業者ではなく、機器サプライヤーです。ビジネスシナリオに基づいて、データがどのくらいの速さでリアルタイムと見なされるかを判断する必要があります。形而上学的に考えず、必要なニーズに基づいていわゆるリアルタイムデータを取得すべきです。ネットワーク機器データの出力については、「七遠八押」に似た方法を使用してデータ出力標準を構築し、AIベースの配信サービスの観点からサービス性標準を再定義して、製品発売の必要条件として使用することができます。

したがって、データが不足していて整理されていないというあなたのコメントを私は批判しません。私が批判すべきなのは、データが不足していることだと思います。誰もが作業服を着て、身体に計測器を携行し、まずデータを収集して保存し、ボタンを押すだけで情報データベースに送信することができるのでしょうか。データを提供した人には報酬も与えられます。

私たちは投資に重点を置き、投資を敢行しなければなりません。成功は時間の問題です。

GTSが選択したサイト運営、ネットワーク統合、ネットワーク保守、ネットワーク計画と最適化などの重要なシナリオでは、ビジネスモデル、アルゴリズム、プラットフォーム、データにさらに投資する必要があります。具体的な人材と費用は、戦略計画の将来のタイムチェーンで実装する必要があります。

会社のために統一された人工知能ソフトウェアプラットフォームを開発し、プラットフォーム上でアルゴリズム、知識、方法、経験などを統合し、まずはGTSで実践・応用し、将来的には会社の他の事業にもサポートを提供する必要があります。データベースへの投資を増やし、長期的なインフラプロジェクトとして構築する必要があります。高品質のデータ基盤があって初めて、人工知能が役割を果たすことができます。

2012 年度の研究所の科学者はサービスエンジニアと緊密に連携する必要があります。理論とアルゴリズムに精通した科学者は、最も成熟したソリューションを選択してサービスシナリオに適用し、共同でビジネスを改善します。これがテクノロジーとシナリオの組み合わせです。技術理論に精通している人もいれば、シナリオに精通している人もいます。この2つが協力すれば、無敵になります。まずは内部の改善を改善し、その後、外部に進出するかどうかを検討します。

新しいことへの失敗も成功です。進歩したことを書き留めてください。これはプロセスの記録です。ニンジンでメダルを自分で彫るようなものです。十分な進歩が蓄積されたら、それを金メダルと交換できます。間違いを恐れないでください。Huawei は成功した人にしか賞を与えず、失敗した人には決して賞を与えないので、後進的だと言う人もいます。今日が昨日よりも良かったら、ご褒美をあげます。これまで山のふもとまで行ったことがなかったのに、ヒマラヤの半分まで登れば成功とみなされます。

人工知能は全面的に拡大するよりも投資に重点を置くべきだ。まず垂直的な殲滅戦争を戦い、成功したら水平に拡大するべきだ。

当社が事業拡大に成功したのは、人員を直線的に増やさなかったからです。サービスエンジニアはサービス業務に集中し、サービス業務を遂行しながら人工知能が要求する正しいデータ出力を遂行する必要があります。これに基づいて、シナリオアナリスト、データアナリスト、モデルデザイナーが育成されます。これらの専門家は、長期にわたってサービス分野に投資し、顧客にサービスを提供することで継続的に能力を向上させる必要があります。シナリオアナリスト、データアナリスト、モデル設計者については、3年以内に最前線のサービス戦場でどれだけの実務経験を積んで成功したかを見るのが私の姿勢です。成功した実務経験がないまま急いで昇進しないでください。そうすれば、水の流れが確保され、腐敗が起こらないようになります。

人工知能への投資が十分である場合、衝動的になりすぎないでください。緊急に必要な場合は、小さなステップで迅速に行動してください。多くの人材を消費する決定論的なビジネスとプロジェクトに焦点を当ててください。より少ないことをし、最初に1つまたは2つの領域で突破口を開き、全滅戦争に力を集中し、あまり広い戦線を広げない方が良いです。あらゆるところにインテリジェンスを実装しようとしないでください。そうすると、盲目的な突進につながり、何の結果も生まず、完全な失敗につながる可能性があります。

例えば、人工知能の応用は、まず簡単な工学調査の達成を目指し、それを基に自動設計を実現することになります。自動文書生成、自動品質レビュー、リモート承認、自動請求を実現するには、大量の反復作業を人工知能テクノロジーに置き換える必要があります。そして、人工知能の応用の成功体験は、ネットワークのメンテナンス、ネットワークの計画と最適化などのビジネスシナリオに拡大され、受動的な問題処理が能動的な早期警告と予防に変わり、効率が向上するだけでなく、顧客サービスの品質も向上します。

シナリオを一つずつ解決することに集中し、シナリオに合った比較的成熟したアルゴリズムを選択する必要があります。プラットフォームとデータベースが成熟するのを待ってはいけません。半製品をまず内部改善に投入し、継続的な実践と問題解決を通じて成熟したプラットフォームとデータベースを構築することもできます。私たちはこれらの画期的なプロジェクトで経験を積み、新しい力を養成してきました。この新しい力は草の根レベルにまで浸透し、この取り組みを実施、推進し、実践して習慣化できるようにしなければなりません。垂直的な発展を基礎として、水平的な拡大の合理的なリズムを把握します。パンケーキを焦がして何度もひっくり返すと、生焼けになってしまいます。私たちが望むのは、「成功する前に死んで、英雄が涙を流す」ことではなく、良いスタートと最終的な成功です。人工知能は新しいものです。その導入過程においては、二重運用のため、定期的なコスト増加を受け入れ、明確な長期目標を達成する必要があります。

人工知能の応用には、間違いなく多くの困難が伴うでしょう。前進する過程で、私たちはより多くの励ましを与え、より少ない批判を与え、賞賛できる人は賞賛し、そうでない人は賞賛するべきです。戦場で銃声が響くとき、誰が英雄で、誰がそうでないのか。あなたは彼が英雄ではないと言うが、山のふもとで彼の肩をたたき、彼が爆薬の入った袋を二つ抱えて上干嶺に駆け上がっていくのを見たら、彼は本当に英雄になるかもしれない。