摘要：
運(yùn)籌學(xué)是一種研究優(yōu)化的學(xué)問，就是怎么能夠在有約束的實(shí)際生活中，把事情做到極致。而所謂“優(yōu)化”，就是量化我們的很多決策。
鈦媒體注：本文整理自葉蔭宇在“AI 大師圓桌會(huì)”上關(guān)于“運(yùn)籌學(xué)與人工智能”的演講。葉蔭宇是斯坦福大學(xué) K.T.Li 講座教授，是杉數(shù)科技（創(chuàng)辦于2016年7月，曾獲真格基金、北極光創(chuàng)投的天使投資）的首席科學(xué)顧問，同時(shí)也是美國運(yùn)籌與辦理學(xué)會(huì)最高獎(jiǎng)——馮·諾依曼理論獎(jiǎng)迄今唯一華人獲得者。
“AI 大師圓桌系列”是鈦媒體聯(lián)合杉數(shù)科技舉辦的深度 AI 系列論壇，也是鈦媒體大師圓桌會(huì)的重要組成部分（點(diǎn)擊報(bào)名圓桌會(huì)系列活動(dòng)）。在大數(shù)據(jù)初創(chuàng)公司杉數(shù)科技的支持下，2017年系列“AI 大師圓桌會(huì)”邀請到了人工智能、運(yùn)籌學(xué)等專業(yè)領(lǐng)域具有極高話語地位的多位國際知名學(xué)者和教授來到中國，巡回北京、上海、深圳三地，旨在共同探討 AI 對產(chǎn)業(yè)的顛覆性影響。
在人工智能的商業(yè)應(yīng)用中，越來越凸顯出運(yùn)籌學(xué)的重要性。
那么運(yùn)籌學(xué)是什么？
運(yùn)籌學(xué)是20世紀(jì)30年代初發(fā)展起來的一門新興學(xué)科，其主要目的是在決策時(shí)為辦理人員提供科學(xué)依據(jù)，是實(shí)現(xiàn)有效辦理、正確決策和現(xiàn)代化辦理的重要方法之一。它誕生的時(shí)間要比 AI 早，但卻與 AI 的關(guān)系密切。
葉蔭宇教授作為“AI 大師圓桌會(huì)”·北京站最受期待的分享嘉賓，在這一學(xué)科深耕三十余載，深知機(jī)器學(xué)習(xí)與運(yùn)籌學(xué)之間密不成分的關(guān)系。無論是物流倉儲，還是風(fēng)險(xiǎn)保障，運(yùn)籌學(xué)都在其中飾演著重要的角色。
事實(shí)上，運(yùn)籌學(xué)中“優(yōu)化”這一概念對于機(jī)器學(xué)習(xí)自己也是適用的——好比說算法方面。隨著計(jì)算能力的提升和大數(shù)據(jù)時(shí)代的來臨，利用算法提高機(jī)器學(xué)習(xí)的能力成為了目前業(yè)界的焦點(diǎn)之一。而運(yùn)籌學(xué)插上機(jī)器學(xué)習(xí)的翅膀，適用范圍和能力也變廣變強(qiáng)了。
那么這兩者相結(jié)合，都有哪些具體的案例可循呢？哪些方面又得到了改進(jìn)呢？葉教授在演講中給出了生動(dòng)的案例，同時(shí)，他也通過大型倉儲智能化、機(jī)器人化的案例，一針見血地指出了目前國內(nèi)在人工智能的商業(yè)應(yīng)用中遇到的問題：過于重視機(jī)器人自己的能力，而在通盤調(diào)配和統(tǒng)籌如何優(yōu)化上依然是弱項(xiàng)。
點(diǎn)擊圖片進(jìn)入上海站、深圳站活動(dòng)報(bào)名地址
以下為葉蔭宇在鈦媒體聯(lián)合杉樹科技舉辦的“AI 大師圓桌會(huì)”上的演講實(shí)錄：
我長期從事運(yùn)籌學(xué)的，我 1982 年剛到美國讀書的時(shí)候 AI 就非常熱，但是阿誰時(shí)候很多年輕人不知道什么是AI，阿誰時(shí)期也沒有很多的數(shù)據(jù)，有些（結(jié)論）就總結(jié)不出來，AI 就慢慢的沒落下去了。我個(gè)人比較喜歡數(shù)學(xué)，就從事了運(yùn)籌學(xué)。
運(yùn)籌學(xué)是如何誕生的？運(yùn)籌學(xué)是一種研究優(yōu)化的學(xué)問，就是怎么能夠在有約束的實(shí)際生活中，把事情做到極致。不簡單是找一個(gè)可行的方案，并且是必然要找到最優(yōu)的方案。
Nothing at all takes place in the Universe in which some rule of maximum or minimum does not appear. ——數(shù)學(xué)家歐拉
那么這種理論呢，也是基于自然形成也是在所謂的一個(gè)平衡，也是能量函數(shù)，到了極值。
運(yùn)籌學(xué)的起源，是一部分?jǐn)?shù)學(xué)統(tǒng)計(jì)阿誰時(shí)候還沒有計(jì)算機(jī)，數(shù)學(xué)怎么能接地氣，怎么落到實(shí)地，怎么真正起到應(yīng)用的對人們生活產(chǎn)生一些影響，這樣的數(shù)學(xué)家們就開始尋求這樣的方案。也有一些緊迫感，在二次大戰(zhàn)的時(shí)候，如何研究盟軍配置，還包孕一些博弈問題。
標(biāo)識表記標(biāo)幟性的結(jié)果就是 1947 年 George Dantzig 提出線性優(yōu)化的單純形法，為優(yōu)化中最經(jīng)典的算法。其實(shí)美國早在 20 世紀(jì)就提出來了，但是阿誰時(shí)候沒有算法，阿誰時(shí)候也不需要算法。因?yàn)榘⒄l時(shí)候沒有計(jì)算機(jī)，把最優(yōu)解選出來很慢，能不能有數(shù)學(xué)的這個(gè)記憶依靠這個(gè)邏輯來算出來，這就是里程碑的意義，雖然他本身因?yàn)楦銛?shù)學(xué)，沒有得諾貝爾獎(jiǎng)。
后來運(yùn)用到經(jīng)濟(jì)發(fā)展中，運(yùn)籌學(xué)得到很大的發(fā)展。特別是之后計(jì)算機(jī)的高速發(fā)展，以前可能需要 1 個(gè)小時(shí)解出來的，現(xiàn)在不到 1 秒鐘就可以解出來，這既有硬件的提升，也有算法的提升。所以我們可以預(yù)見運(yùn)籌學(xué)要比 AI，機(jī)器學(xué)習(xí)更老，但 AI 和機(jī)器學(xué)習(xí)又給予我們更多的機(jī)會(huì)。不過，我認(rèn)為無論是哪一種，很多都需要依靠優(yōu)化。
整體而言，所謂“優(yōu)化”就是——量化我們的很多決策。
滿足必然的約束條件下，使某一個(gè)函數(shù)最大，這就是優(yōu)化問題。量化一件事物，就需要建模。一般優(yōu)化過程就是從建模到求解，然后再到?jīng)Q策，最后我們需要一套算法來求解。
