可解释人工智能(XAI)元年：XAI在金融领域中的应用实践
当今的许多人工智能(AI)算法实际上是“黑箱”,缺乏“解释”其背后的推理逻辑和机理。
在传统规则型专家系统/逻辑回归向全面AI算法升级的过程中,具有可解释性的AI将更好地将“人”纳入整个决策回路(human-in-the-loop,HITL),填补决策解析、提供说明支持、帮助业务人员/客户更好地做出明智的选择。
严格的监管才能保障金融的稳定和体系的安全,具有可解释性的AI应用既能更好地辅助金融机构方的管理工作,又对监管方的审查工作提供便利。
根据上海交通大学-中银金科合作的可解释人工智能(XAI)项目的探索,XAI可以成功应用在金融领域的强监管场景中。
PART01什么是可解释人工智能?
近年来,人工智能已被逐渐应用到各个领域——金融业、医疗行业、建筑业、服务业等等,凭借其在诸多传统复杂问题中的优越表现,AI技术获得了广泛的认可。同时,人们对人工智能有了越来越高的期待,关于AI的讨论在社会舆论、政策研讨中频繁出现并不断延展。在科幻电影《HER》中斯嘉丽.约翰逊扮演的AI甚至能对人的行为做出解释,帮助人做出决策、与人产生深度交流,甚至恋爱冲突,而这一幕迟早会在现实生活中出现。
“学习”是人工智能的核心,即让机器代替人来学习数据,利用其一定程度上超越人类的学习、分析、推理能力,做出复杂的逻辑判断。随着人工智能技术的不断发展,机器学习的模型越来越复杂、模型精度越来越高,但模型的可解释性,即其透明度,却越来越低。换言之,以人类的常识去理解机器学习模型的判断逻辑变得愈发困难。因而,机器学习模型的精度和可解释性,形成了一对此消彼长的矛盾。比如在反洗钱、反欺诈等领域,为了达到较高的预测精度要求,银行里逐步使用复杂的黑盒模型(如XGBoost、DNN等),更替了传统规则型算法,取代原有的评分卡、逻辑回归等白盒模型。黑盒模型虽然实现了精度的提升,却又在另一方面妨碍了业务人员和监管机构对其的理解。不仅如此,复杂模型所依赖的各个组件之间也会相互影响,使得模型的预测结果可能存在着未知的风险,在遭遇攻击时也不易被察觉,更有可能造成算法歧视和不公平等伦理问题……这些因素反而形成了新的决策、治理和监管的难题。
Part02可解释性人工智能出现的原因
在越来越多的日常使用场景中,往往是AI做出了决策,大众就必须接受结果。例如,你去银行申请贷款,如果银行基于复杂算法的风控系统建议将你(借款人)的申请拒绝,那么很可能你就没有办法最终获得贷款。在这种情况下,即使你要求银行的柜台业务人员解释为什么你会被拒绝,对方往往也只能表示无可奈何,无法提供具体的解释。而在更普遍的线上人机互动场景中,你得到的“解释”可能更加单薄,例如银行APP可能只是告诉你,你被拒绝是因为你没有达标,但却没有告诉你银行是否有其他更适合你的信贷产品。
在金融反洗钱的专业领域中,人类的反洗钱专家每天可以审核有限数量的可疑交易。但在相同或更短时间内,人工智能的复杂黑盒模型却可以审核成千上万份可疑交易和潜在的犯罪网络。那么问题来了,如果不构建可解释人工智能,也即是XAI,那么反洗钱专家们如何去处理那些由黑盒模型找出的、但和人类主观判断不一致的可疑交易,这时候究竟应该是依照专家经验还是直接采信AI的判断结果?这些人机判断不一致的问题一般来说会转交给算法技术开发人员来进行详细解释,这无疑是极其耗时的。而且,因为随着银行业务的扩大,反洗钱的筛查范围也随之扩大,可疑交易的数量逐年增加,那么寄希望于让“程序员”来解释每一桩存疑交易毫无疑问将是不可接受的。
与此同时,随着我国金融行业的国际化程度越来越高,金融业务越来越深入老百姓的日常生活,而监管政策也日趋审慎,监管标准日渐提高,因此,各方对常见AI黑盒模型的透明度、模型可解释性的需求变得极其迫切——金融业务不仅需要AI提供准确的预测结果,更要打开“黑盒”,向人类展示出其中的数据要素、神经网络的推理逻辑和决策原因,让人类做出更准确的选择——这需要的正是具有可解释性的、能提供充分信息的有效决策辅助的AI系统。因此,如何实现黑盒模型的可解释、从而使AI同时具备精度和可解释性,成为金融行业能否广泛采用AI技术的重中之重。
上海交通大学与中银金融科技有限公司强强合作,一起启动了‘AI算法与业务模型可解释性研究’创新研发项目。核心研究人员是来自上海交通大学安泰经管学院的李春晓博士(AI-MBA项目学术主任,信息技术与创新系助理教授)及其团队,上海交通大学宁波人工智能学院的王冠博士(智慧金融实验室主任,可之科技learnable.ai创始人)及其团队,以及中银金科创新研究中心郭朝阳总经理带领的数字智能服务团队。研究团队采用以可解释性为中心的分析方法帮助业务人员深入了解各种影响模型输出结果的参数,这些深入的洞察有助于分析“可疑交易”之间的潜在关系,了解“可疑”点出现的原因,从而节省了大量时间并做出最终的可解释的精准决策。
Part03可解释人工智能的解释方法
可解释的人工智能(XAI)的核心能力就是它必须能够向人类解释人工智能算法是如何得出结论的。那么XAI究竟是如何解释各种输入数据对结果产生影响的呢?
一方面,在简单的分类模型中,我们可以解释每个变量如何对预测结果做出的贡献。例如,在预测某个借款人的违约几率时,输入变量可能是年龄、学历、当前的工作和收入水平,以及是否有房产和车辆等等。决策树类的算法能够表示出各种变量之间明确的“如果-那么”的关系,因此容易被人类理解。
另一方面,在深度学习模型中,尤其是计算机视觉领域,研究者使用“注意力层”来突出图像中对分类影响最大的区域。这让人们可以确定如果某AI算法将图像分类为“马”时,是否搜索了“尾巴”这个特征,或者是否搜索了“草地”或“马鞍”等与“马”相关的其他特征。另一类算法如LIME,则通过局部线性拟合,可以在任何模型上给出图像各区域对预测结果的影响。
为了实现更进一步的解释,研究者采用事实扰动的方法,即对输入数据故意的加以扰动,用于改变可以导致不同结果的条件,然后解释需要改变哪些因素才能实现不同的结果。
Part04探索可解释人工智能在银行业的应用实践
“AI算法与业务模型可解释性研究”创新研究项目通过对可解释人工智能(XAI)的探索,论证对银行业各类常见的风险控制场景中(如反欺诈、反洗钱、信贷风控等)使用的不同机器学习模型进行可解释分析的业务价值与技术可行性,给出一套在银行系统中机器学习模型上实现可解释算法的完整方法论及技术方案,达到了以下目标:
1)帮助银行业务人员加深对于日常的业务流程中使用机器学习模型的信任,清晰的解释使用机器学习模型不会在实际业务场景中产生算法歧视,即使偶尔出现偏差也在监管的允许范围内。
2)帮助银行优化使用的机器学习模型的性能,准确识别出模型异常和被攻击的情况并发出警告,从而减少模型使用时不可预知的风险,提高银行在风控场景的攻防能力,从而最终提升银行业务的安全性。
3)帮助银行的法规部快速定位可疑客户的可疑特征,从而提高排查效率、提升排查精确性。
局部可解释性:人工智能算法模型的局部可解释方法,即在单个样本的预测结果中,解释各项影响结果的特征重要性占比,有助于用户了解在预测结果中,到底是哪几项特征影响最为关键。上海交大-中银金科的算法研究团队通过特征构造目标的办法,使用了包括线性构造、非线性构造、特征交互等多种构造方法,可以在实验之前知道局部可解释应该导出哪些特征(即解释真值,GroundTruth)。研究团队使用三种典型局部可解释算法(LIME算法、SHAP算法、EBMBoosting算法)同时进行实验,然后将每个实验结果与解释真值进行比较,以此评价各种局部可解释算法的解释准确性。
全局可解释性:如果说局部可解释性对应的业务场景是贷款申请被拒绝后,银行业务人员可以看出是是哪一项贷款条件没有达标,那么全局可解释性就是在为借款人办理申请之前,为银行的业务部门全体人员提供一个整体的贷款指标定性要求以及重要性占比,帮助业务人员更好地理解哪些特征对于帮助客户成功的申请贷款更为重要,从而更为精准的筛选目标人群,在提高贷款通过率的同时也确保银行风控管理的准确性,进一步促进业务人员理解并信任黑盒模型。
具有全局可解释性的经典算法包括SHAP算法,XGBoost算法等。在实践中研究团队使用了SHAP算法解释模型,并且为了提高解释结果的有效性,研究团队对强相关交互特征做了筛选滤波、PCA分解及特征工程处理。
可解释平台:可解释平台的核心功能是展示不同样本(比如客户和交易信息)的预测结果及评判标准,便于业务人员深入理解黑盒机器学习模型、并据此作出业务判断。
图:可解释平台展示方案
中银金科和上海交大的联合研究团队在构建可解释性人工智能系统的实践过程中发现,“可解释性人工智能”和“建立具有人类感知认同和可信任的解释性结果”是完全不同的目标。一套具有实践价值的可解释人工智能系统其实是机器学习过程与人类用户不停的交互,最终实现高度的互相理解的整体——也就是说,这其实是一个“人机互动共生”的问题,而不仅是一个算法技术问题。
研究团队深信,随着人机共生(Human-in-the-loop)的概念进一步被人们所接受,可解释人工智能将大大增强各个行业业务人员的判断能力,企业的治理能力和相应监管部门的管理工作也将获得极大的收益。
免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。【责任编辑：钟经文】人工智能如何在物流领域应用我们梳理了14个环节的案例
资料图
从行业作业性质看，人工智能在物流行业应用前景可观，首先有丰富的场景，其次有大量重复的劳动，再次物流作业的高效离不开数据规划与决策，而这些因素正是和人工智能应用相匹配的。而今，我们也不断看到领先企业在人工智能方面的研发与应用。随着国家发力推进新基建，人工智能的爆发前景可期。那么，具体到物流领域，人工智能究竟有哪些落地场景？本文从仓（园区管理、仓储管理）-干（无人驾驶、车辆管理）-配（分单、调度、配送），以及其中涉及的装卸、搬运、盘点、客服等环节梳理如下：
01
表单处理
物流行业有许多表单、文档数据，人工智能技术中的计算机视觉和深度学习就可以在这一场景中应用。
比如腾讯云的OCR技术：通过计算机视觉结构化识别表单内容，能够快速便捷地完成纸质报表单据的电子化，大幅避免人工输单；对文档扫描件或者图片中的印章进行位置检测，内容提取，实现自动化一致性比对；独有的手写文字识别技术可以精准识别出手写文字、数字、证件号码、日期等，实现带有手写文字的扫描件或图片数字化处理。
目前，中外运、顺丰等均有与腾讯云合作应用该技术。以中外运的北京奔驰进口报关业务为例。因为零部件的单据非常复杂，一个零部件涉及的单据可能100多页，以往一页一页的录，四个人要花一周时间，如今应用了人工智能技术，一个人40分钟就可以解决，且准确率极高。
02
园区管理
表单处理完，货物进入园区。随着IOT、5G等技术的应用，人工智能在园区管理上同样可以发挥重要作用，比如监测、采集场院内车辆信息，提供车辆装载率、车辆调度、运力监测和场地人员能效等基础数据，优化运力成本；再比如对人员工作情况进行管理，规避员工不规范甚至危险的操作。
2018年，菜鸟网络曾宣布全面启动物流IoT（物联网）战略，并向全行业发布了全球首个基于物流IoT的“未来园区”。这是IoT、边缘计算和人工智能等前沿技术第一次在物流领域的大规模应用，“未来园区”可以识别每一个烟头、监控每一个井盖，实时保障园区安全、高效运转。
2019年，京东物流披露，其已建成的5G智能园区，通过5G+高清摄像头，不仅可以实现人员的定位管理，还可以实时感知仓内生产区拥挤程度，及时进行资源优化调度；5G与IIoT的结合，帮助对园区内的人员、资源、设备进行管理与协同；5G还帮助园区智能识别车辆，并智能导引货车前往系统推荐的月台进行作业，让园区内的车辆更加高效有序。这中间同样是以人工智能技术为底层依托。
03
搬运
从园区进入仓内，其中必然要发生的一个动作就是装卸。货物识别+机器人与自动化分拣则可大大降低人类的劳动量。举例来说，AMR（AutomaticMobileRobot）即自主移动机器人，是目前发展和应用较快的技术。与传统AGV不同的是，AMR的运行不需要地面二维码、磁条等预设装置，SLAM系统定位导航为其装上了“一双眼睛”，让其可以实现高效的搬运和拣货作业。
以AMR商业化项目落地领先的灵动科技为例，其率先将计算机视觉技术与多传感器输入相结合，让其机器人实现了真正的视觉自主导航。据介绍，灵动视觉AMR能够帮助企业实现人效提升2倍以上、拣货成本下降超过30%的“降本增效”成果。
04
装卸
2019年，顺丰对外发布的“慧眼神瞳”一度备受关注，这也是顺丰科技人工智能计算机视觉成果在业务场景的落地突破。其实简单地说，“慧眼神瞳”就是利用各种视频和图像进行自动化分析的人工智能系统。比如中转场的装卸口环节，将摄像机部署在装卸口，通过分析车辆到离卡行为、车牌识别、车辆装载率、人员工作能效等基础数据，就可以刻画出装卸口作业场景的完整生产要素，将所有作业数据线上化，持续优化各项运营成本，优化运转效率。
同样，与华为云合作的德邦快递，也有类似技术应用。比如，可以通过AI来监控快递分拣的场地、场景，抓取对货物搬运不规范的情况，从而让业务员或者理货员操作的规范程度大大提高。
如果说上述场景的应用是在“助人”，无人叉车的应用则是在“替人”。2018年，物流指闻曾见证：德邦快递与智久共同宣布，作为德邦快递无人智慧物流的发展探索，首款无人叉车将应用于德邦快递浦东分拨中心。当时，智久机器人相关负责人介绍说，改进后的无人叉车采用“无人叉车+智能托盘+多层货架+JDS（调度系统）+LMS（库位管理系统）”的形式进行实地操作、多机调度、多车协同，同时通过RFID及传感器等进行智能路径规划。经测试新解决方案可使仓内成本下降30%，total毛利润增加7%。
05
盘点
库存盘点也是仓储管理的重要一环。如何保证盘点的准确高效？人工智能同样可以提供助力。
一汽物流就与百度云合作，运用无人机航拍取代人工盘点。简单来说，所谓无人机取代人工，就是无人机通过获取图像数据，基于视觉识别技术模型进行自动分析，并快速识别子库区，及库内汽车数量、车辆所在的车位号、与库存系统进行实时比对，如果实际数量与库存数量不吻合，将对异常数据进行警示，实现库存自动盘点。经过多次的数据训练，可将无人机准确识别率提升至100%。
此外，无人机还有报警、提示等功能，当实拍图与从LVCS获取车辆位置信息形成的图示有差异时，将会第一时间提示工作人员，查漏补缺，避免产生重大损失。
06
仓储系统
在仓内投入大量的机器人等设备，就需要一个系统进行管理，就像身体需要大脑。
旷视科技就曾发布AIoT操作系统——河图（HETU）。据介绍，河图是旷视科技推出的首个智能机器人网络协同大脑是一套致力于机器人与物流、制造业务快速集成，一站式解决规划、仿真、实施、运营全流程的操作系统。旷视河图与机器人硬件设备相结合，不仅体现了河图对整个作业节奏的控制、连接运维等能力，实现了人、设备、订单、空间、货的高效协同。
2019年，极智嘉(Geek+)也曾宣布，推出实体智慧物流版的aPaaS(applicationplatformasaservice)系统——“极智云脑”。极智云脑能够让客户轻松重构其解决方案，并在云端高效部署，自由调度机器人和各种设备，实现高度灵活的智能化系统，极大降低了智慧物流的部署门槛，让AI触手可得。
而针对无人仓内容物流机器人数量多、设备模型、接口、技术特点驳杂繁多，设备巡检和及时维护工作量大，京东物流也推出了X仓储大脑。据介绍，X仓储大脑自2018年8月投入应用，在人工智能等技术的助力下，提升规划、运营监控及维保效率高达80%，降低人力成本高达50%。
07
无人驾驶
运输是物流的重要一环，人工智能在该环节的应用也表现在多个方面，比如无人驾驶、车队管理、智能副驾等等。以最熟知的无人驾驶为例，要实现无人驾驶，要依靠三个环节感知、处理以及执行，这均离不开人工智能。
此前不久，自动驾驶货运初创企业图森未来（TuSimple）宣布，获得美国卡车制造商Navistar（纳威斯达）投资，双方将共同研发L4级无人驾驶卡车。图森未来表示，争取在2024年前量产无人驾驶卡车。目前，图森未来拥有一支超过50台卡车的无人驾驶车队，并服务于包括UPS（美国联合包裹）、McLane（麦克莱恩）在内的18位客户。2017年6月，图森未来获准在加州展开自动驾驶汽车路测。
而除了图森未来，赢彻、智加、驭势等均在研发相关技术，包括亚马逊、京东等多家企业也尝试提出了各种解决方案，并已经有一些商用测试。
当然，相比于公路运输，封闭的港口园区落地或更快速。2018年4月3日，图森未来就对外发布全球首个无人集卡车队港区内测试视频，宣布进入港内集装箱卡车无人驾驶运输市场。
08
智能副驾
看完“无人”，再说“有人”。驾驶从来不是一份安全的工作，对于长时间驾驶的司机尤甚，而计算机视觉则给了车辆发现危险的“眼睛”。
物流指闻曾见证过中寰卫星导航通信有限公司发布智能副驾产品。其智能副驾依托车载智能硬件T-Box、ADAS和DMS设备，通过传感器数据融合和智能算法，结合ADAS地图等位置服务，从“人、车、路”三方面建立协同的安全管理机制，及时感知道路运输过程中的不安全因素，并通过监控管理平台实时呈现、预警，以安全共管云平台方案为商用车安全管理提供工具、手段和依据，降低风险、减少隐患，以实时在线的虚拟“副驾驶”。当司机有风险系数不大的行为时，设备将启动报警，并上报平台，形成日报月报，提供给车主甚至保险公司。如果出现重大风险，立即启动本地报警，如果本地报警没有引起司机重视，则引入管理者介入；如果管理者依然还没有解决，则会启动亲情电话，让司机的妻子或者儿子在线提醒。
09
装载
除了安全，运输另外一个关注点在于装载率，如何能装更多的货？基于大数据积累和AI深度学习算法，G7数字货舱就可以实时感知货物量方，自动记录量方变化曲线，时刻知晓装载率。通过AI摄像头和高精度传感器对厢内货物进行图像三维建模，保证货物运输状态全程可视化，并智能管控装车过程和装车进度。
其发布智能挂车“数字货舱”V9版，还搭载了业界首创的“量方”功能。“量方”功能，采用了传感器+AI算法，对舱内货物进行高精度扫描+三维图像建模，最终自动计算出货舱容积占用百分比，实现精准装载。不仅如此，货舱在装载过程中“哪里空”、“哪里满”，都将以全3D方式呈现。通过对货舱空间更合理地利用，时刻保证车辆的真正满载。
除上述应用外，资料显示，在货车、轮船和飞机上安装与AI程序相连的传感器，也可以大大改善车队管理。这些程序可以监控油耗，针对减少石油和天然气的使用提供方法建议，以及在昂贵且耗时的重大故障发生之前主动提供维修意见。
10
无人机配送
配送是货物流动过程的最后环节，也是物流链条上人力资源投入最重的环节。目前，在这一环节，常见的科技创新是无人机与无人车配送。
亚马逊于2013年提出的PrimeAir业务，将无人机引入物流领域。国内顺丰、京东、中通等企业也纷纷跟进。2019年5月，中外运敦豪与亿航智能签署战略合作协议，并发布了国内首个全自动智能无人机物流解决方案。当时，物流指闻在现场也见识了无人机+智能包裹柜的创新应用。
当时应用的是亿航天鹰（Falcon）物流无人机进行派送。该机型采用4轴8桨多旋翼结构、全备份多冗余设计、智能安全飞控算法，可实现垂直起降、视觉识别精准定位、智能规划航线、全自动飞行、实时联网调度，最大载重5公斤的快递包裹，可将单程派送时间从40分钟大幅缩短至8分钟。作为此次发布的全自动智能无人机物流解决方案的一部分，专门开发的DHL智能柜能够与无人机高度自动协作、无缝接驳，并可以实现无人机的自动起飞、降落，挂仓的自动装卸载，快件的自动分类和基于身份比对以及实名认证的快件存取等一系列智能功能。
11
无人车配送
无人配送车是应用在快递快运配送与即时物流配送中低速自动驾驶无人车，其核心技术架构与汽车自动驾驶系统基本一致。在新闻当中，我们也时常听说京东、菜鸟、美团、苏宁等无人配送车在小区校园等封闭区域配送、快递员接驳等多种场景中应用和测试。
比如，2016年就有一款名为菜鸟小G的自动送包裹的机器人在阿里西溪园区亮相。2019年8月，苏宁物流对外公开5G无人配送车的路测实况，这也是5G技术应用从实验阶段走向商业化应用。
研发方面，代表企业如九号机器人。2018年，其与美团进行了合作，并联合发布了Segway配送机器人S1。这是九号机器人在智能服务机器人领域的“试水”。在一年的时间里，S1代产品已经运行了5000+公里，积累了大量的运营数据。而后，九号机器人又新发布了Segway配送机器人S2与Segway室外配送机器人X1。
12
调度
文章开头说，数据是提高物流效率的重要工具，一个体现就是以运筹学等为代表的工具进行调度与规划。而这方面，算力+算法+数据“喂养”的人工智能也能大展身手：借助人工智能技术，实现物流运配环节车辆、人员、设备等作业资源的协调统一，使作业效率最大化。
以外卖为例，资料显示：美团实时智能配送系统是全球最大规模、高复杂度的多人多点实时智能配送调度系统。能够基于海量数据和人工智能算法，在消费者、骑手、商家三者中实现最优匹配，同时需要考虑是否顺路、天气如何、路况如何、消费者预计送达时间、商家出餐时间等复杂因素，实现30分钟左右准时送达。
而，饿了么的智能调度系统方舟，通过使用深层次神经网络与多场景智能适配分担，引入“大商圈”概念，为平高峰不同场景建立了不同的适配模型。得益于深度学习与多场景人工智能适配分单，该系统能实时感知供需、天气等压力变化，对预计送达时间，商户出餐时间、商圈未来订单负载等做出精准预测，用户的订单将会在最优决策下被匹配最佳路径，保证配送效率和体验。
13
分单
看完外卖的例子，再看一个快递的例子。分单是快递的重要一个环节。人工智能的应用，使其实现了从人工分单到人工智能分单的转变。
以送往北京的包裹为例，过去包裹到达北京的转运中心之后，需要专门的人工对包裹进行区分，哪些去往海淀区，哪些去往东城区，会被写上不同的编号。到达网点之后要经过再次分拨，到达配送站之后，快递员之间需要第三次分拨。这些分单工作人员，要达到熟练至少要经过半年的训练，一个转运中心大则100多号人三班倒工作，小的也需要几十人，还会经常发生错误，出现类似去往北京的包裹意外来到了深圳这样的问题，严重影响派送效率和消费者体验。
菜鸟网络通过人工智能技术，大规模的机器学习，处理海量数据，实现智能分单。包裹发出时，就会对包裹要去往的网点以及快递员做出精准的对应，并在面单上标识出编号，无需再由人工手写分单。包裹到达转运中心、网点以及配送站之后，工作人员根据编号即可判断包裹的分配，分单准确率达到99.99%，效率也得到提高。
14
客服
以言语理解为核心的认知智能研究也是人工智能领域的核心研究之一，目标是让机器具备处理海量语音内容和认识理解自然口语的能力，并在此基础上实现自然的人机交互。在日常生活中，小度、小爱等都是代表案例。而在物流快递业当中，其可以应用的场景之一是客服。客服不容易，人员流失率也高，有报道称客服岗每年离职率高达50%，为此巨头都在打造智能客服系统。“三通一达”、顺丰和美团、饿了么为主的头部公司均已上线了语音和文字智能客服，其服务半径辐射80%以上终端消费者。菜鸟也曾发布语音助手这一产品。
以圆通速递为例，圆通速递在2017年开始相继在官网、微信等渠道上线国内版智能在线机器人客服，代替或协助人工在线客服完成客户服务工作，一定程度上解决了客服用工成本高、服务时间难以满足客户需求的问题。相关资料显示，圆通速递高峰期每日电话呼入量超200万通，需要5000人工坐席处理，在配备智能语音客服机器人后，高峰期90%以上电话呼入可通过语音机器人处理，日均服务量超30万，每秒可处理并发呼入量超1万次，在控制成本的前提下，极大程度上释放了人工效率。
……
除了上述案例，人工智能在路径规划、智能选址、智能路由、商品布局等等方面均可以应用，篇幅所限不再详述。另外值得一提的是，此前科技部公布的最新一批国家人工智能开放创新平台名单，宣布依托京东集团建设国家新一代智能供应链人工智能开放创新平台，领衔智能供应链国家战略发展。可见国家层面的重视。
当然，技术应用要考虑包括投入与产出等等方方面面的问题。当下，人工智能在物流行业应用也不一定成熟。然而未来的物流一定是科技的物流，下一个时代一定是人工智能的时代，当下我们可以不应用，却不可以不看到这样的趋势。
来源/物流指闻（ID：wuliuzhiwen）
作者/叶帅返回搜狐，查看更多