鈦媒體注：本文整理自葉蔭宇在“AI 大師圓桌會”上關于“運籌學與人工智能”的演講。葉蔭宇是斯坦福大學 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）的首席科學顧問，同時也是美國運籌與辦理學會最高獎——馮·諾依曼理論獎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的重要組成部分（點擊報名圓桌會系列活動）。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”邀請到了人工智能、運籌學等專業(yè)領域具有極高話語地位的多位國際知名學者和教授來到中國，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)應用中，越來越凸顯出運籌學的重要性。

那么運籌學是什么？

運籌學是20世紀30年代初發(fā)展起來的一門新興學科，其主要目的是在決策時為辦理人員提供科學依據(jù)，是實現(xiàn)有效辦理、正確決策和現(xiàn)代化辦理的重要方法之一。它誕生的時間要比 AI 早，但卻與 AI 的關系密切。

葉蔭宇教授作為“AI 大師圓桌會”·北京站最受期待的分享嘉賓，在這一學科深耕三十余載，深知機器學習與運籌學之間密不成分的關系。無論是物流倉儲，還是風險保障，運籌學都在其中飾演著重要的角色。

事實上，運籌學中“優(yōu)化”這一概念對于機器學習自己也是適用的——好比說算法方面。隨著計算能力的提升和大數(shù)據(jù)時代的來臨，利用算法提高機器學習的能力成為了目前業(yè)界的焦點之一。而運籌學插上機器學習的翅膀，適用范圍和能力也變廣變強了。

那么這兩者相結合，都有哪些具體的案例可循呢？哪些方面又得到了改進呢？葉教授在演講中給出了生動的案例，同時，他也通過大型倉儲智能化、機器人化的案例，一針見血地指出了目前國內在人工智能的商業(yè)應用中遇到的問題：過于重視機器人自己的能力，而在通盤調配和統(tǒng)籌如何優(yōu)化上依然是弱項。

點擊圖片進入上海站、深圳站活動報名地址

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”上的演講實錄：

我長期從事運籌學的，我 1982 年剛到美國讀書的時候 AI 就非常熱，但是阿誰時候很多年輕人不知道什么是AI，阿誰時期也沒有很多的數(shù)據(jù)，有些（結論）就總結不出來，AI 就慢慢的沒落下去了。我個人比較喜歡數(shù)學，就從事了運籌學。

運籌學是如何誕生的？運籌學是一種研究優(yōu)化的學問，就是怎么能夠在有約束的實際生活中，把事情做到極致。不簡單是找一個可行的方案，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平衡，也是能量函數(shù)，到了極值。

運籌學的起源，是一部分數(shù)學統(tǒng)計阿誰時候還沒有計算機，數(shù)學怎么能接地氣，怎么落到實地，怎么真正起到應用的對人們生活產(chǎn)生一些影響，這樣的數(shù)學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)的時候，如何研究盟軍配置，還包孕一些博弈問題。

標識表記標幟性的結果就是 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。其實美國早在 20 世紀就提出來了，但是阿誰時候沒有算法，阿誰時候也不需要算法。因為阿誰時候沒有計算機，把最優(yōu)解選出來很慢，能不能有數(shù)學的這個記憶依靠這個邏輯來算出來，這就是里程碑的意義，雖然他本身因為搞數(shù)學，沒有得諾貝爾獎。

后來運用到經(jīng)濟發(fā)展中，運籌學得到很大的發(fā)展。特別是之后計算機的高速發(fā)展，以前可能需要 1 個小時解出來的，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。所以我們可以預見運籌學要比 AI，機器學習更老，但 AI 和機器學習又給予我們更多的機會。不過，我認為無論是哪一種，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。