前言
人工智能已经进入成熟并爆发的时代，并且在广普的使用场景和应用下，基本已经都处于第二代AI阶段，即基于数据的人工智能 - 数据智能。民航行业作为信息化水平较高的传统行业和全球经济的参与者，人工智能及大数据的应用不可避免，并且其也是数字化转型的关键IT技术和策略。
但是随着技术的不断成熟，大数据及人工智能的技术门槛已经大大降低；于此同时日趋心智成熟的理性应用，也让开发者及使用者更清醒的认识到如何合理的协同资源去构建数据智能，而不是一味的海量数据，高速并行计算等等。
人们慢慢认识到，通过“微”数据和“微”智能是可以解决很多场景和处理即时事件的。然而真正数据科学家、模型算法及优化专家、分析顾问等等，其价值还是极高的，但与此同时其资源却是极其有限的。技术和IT平台虽然拉低了准入门槛，但是如何将有限的人才资源转变为可复用的平台化服务，是一个很有前途的设想。尤其是在民航垂直领域，将数据科学、人工智能、IT手段、及专业行业经验有机的融合在一起，构建平台化的行业智能服务，并以此作为可复用的启发性资源，推动民航行业对于技术推广及使用。
故如下几篇将是逐步介绍和分享我正在设计及开发的平台化服务：Airline Intelligence PaaS，AI-PaaS。
人工智能
在喧嚣的科技行业中，人工智能的触角已然十分广阔：从数字家庭助手到无人驾驶汽车，从战场策略到投资指导，几乎无处不在。截止2017年底，全球至少有1700家人工智能（Artificial Intelligence，AI）有关的创业公司。在全球70多个国家，投资者们向这些创业公司投资了超过146亿美元。投资者预计，到2020年AI创造的收入有望达到470亿美元，而这个数字在2016年仅为80亿美元。
我国的人工智能市场估计将从2015 年的12 亿人民币增长到2020 年的91 亿人民币。2015 年，中国的人工智能（AI）大约流入了14 亿元人民币（同比增长76％）。在政府政策方面，国家发展和改革委员会2016 年5 月18 日发布了"互联网+人工智能"三年实施方案，该计划的目标是到2018 年在中国建立基础设施和创新平台，行业系统，创新服务体系和人工智能的基本行业标准化。发改委预计，中国人工智能行业将与国际发展同步，引领全球市场人工智能技术的应用。
数据智能
作为第二代AI - 通过大数据来学习，其已经将智能很清晰的界定在基于数据的智能构建。第二代AI就是利用了这些新的技术从大数据进行学习。通过神经网络这类的深度学习架构，计算机通过不断的尝试和错误处理来获得知识。其特点是通过数据分析来进行学习，但是它尚未具备逻辑推理能力，也不太能够理解上下文关系，也很难在不同领域提炼出知识。这种学习方式和人类的学习方式仍然有着很大的差异。通常的做法还是通过预先定义好的静态模型来模拟需要解决的问题，然后持续地使用数据来训练这个模型。
航司航企应用趋势
如下一些人工智能在航司航企及行业内的应用案例：
a) 计算机算法正在学习如何预测航班晚点，从而帮助机场和航空公司更好地避免这种事情的发生。捷蓝和阿联酋航空等企业正在使用这项技术让购票流程更加顺畅，同时对乘坐体验进行个性化改造。
b) 人工智能自动驾驶仪可以帮助飞行员完成复杂的操作，甚至应对各种紧急事件。这一领域的研究刚刚启动不久，但却进展迅速。2015年，波音和卡内基-梅隆大学共同成立了航空数据分析实验室，希望利用机器学习技术把海量信息转化成具体的行动。
c) 国内外机场对“智慧机场”的建设都非常重视，特别是很多新建或新改造的机场都不同程度地引入了人工智能技术的应用，对提升旅客出行体验，隐形增强安防措施，提升服务水平，创新管理效益等方面都得到了很好的推进。
d) 荷兰航空启动了WhatsApp Business Platform（商务平台），并推出了Google Home机器人，一直走在民航业新兴科技和社会发展的前沿。其近期宣布,其由自然语言人工智能研究公司Digital Genius支持的人工智能一体化取得较大进展，提高了公司的响应度，同时又并未牺牲人工服务。而人工服务正是荷兰航空这个亲民品牌的核心内容。
但是从人工智能发展的角度来看，现在航空公司的AI应用大都还在第一代AI的阶段。在接下来的几年里，技术已经日趋成熟，再加上资本的驱动，AI的进化速度将变得非常快。AI的发展和应用，不仅会给航空业带来积极的一面（例如各种自动化和优化），但也会带来其它冲击，例如就业岗位数量的缩减。航空公司需要密切关注这方面的技术发展，提前做好研究和布局。
对于第二代AI，一些潜在的航空业应用案例有如下几点：
1）分析和预测旅客的行为和需求；
2）通过人脸识别或其它生物技术，实现无缝的机场安全检查流程；
3）AI应用于收益管理的优化、航线网络编排、机队管理，以及运价计算策略。
PaaS & OpenAPIs
a) 一个综合技术构建的体系
对于数据智能，其关键的物理组成部件，包含数据处理、模型开发、模型消费。然而为了实现此关键的三个环节，不仅仅涉及大数据、人工智能、云计算，更涉及一系列应用软件系统的架构及开发。更需要一整套适应平台化的建设蓝图。
b) PaaS
其真正价值是将体系落地，变为可以半自动，乃至全自动的数据收集、清洗、预处理、过滤、拼装、聚合、归档、备份、抽取、生产化、测试化、消费化的数据处理及消费平台；应用化的模型训练、开发、调优、投产、升级、迭代、消费的智能开发平台。
通过可视化、自动化等方式，将资深的IT技术需求和使用“黑盒化”，让更多的人能够更容易的接触到数据、更灵活的使用数据、更敏捷的消费数据；让数据科学家更关注数据的内在本质及价值，而不是数据处理的IT技术和应用；让模型及算法专家更能形象的洞察数据并构建更优的模型或算法；让下游消费者、应用、第三方开发能够更容易的站在巨人肩膀，完成理论到应用的最后一公里。
并通过云计算的方式，将平台发布到公网的环境。让更多的消费者能够应用平台化的服务、乃至产品，提升生产力。
c) OpenAPIs
PaaS平台的关键核心，及未来产品化的方向，就是算法或模型的服务化，以API方式被第三方消费和融合。并通过OpenAPIs方式变为未来的SaaS、服务、产品，乃至更高层次行业专家服务。
同时OpenAPIs，能够在核心API及服务的前提下，提供第三方互动开发及产品服务升值的平台支撑及手段。百花齐放的协同开发，不仅仅会协助数据科学工程师、模型及算法专家等等专业性人才了解“最后一公里”的诉求，让自身的成功更贴近现实、更敏捷的响应现实、更真切的服务于现实。
把专业高价值人力资源作为平台的核心，即苍天大树的根基及主干；第三方消费及协同开发者，就是枝干和树叶。其在依存于主干，但也也为主干提供光合作用等所产生的营养。
PaaS的平台化概念及OpenAPIs的概念有机融合在一起，再能够投放在特定的垂直领域，将充分发挥IT对于行业应用的推动。
Airline Intelligence PaaS
对于行业，民航行业，需要将垂直领域的能力，注入到一般的数据科学、模型及算法等建设过程中，因为行业应用的特征就是其垂直领域的业务和应用需求。为民航行业，航司航企，打造一个第三方建设的通用性技术及能力平台，让更多的资源及实体、乃至个人，能够第一时间接触到数据、第一时间享受数据的洞察结果、第一时间尝新进行特征工程和数据分析、第一时间用模型或算法解决数据问题和内在特征、第一时间消费并反馈数据智能应用的成果等等。
PaaS的平台化概念及OpenAPIs的概念有机融合在一起，再能够投放在特定的垂直领域，将充分发挥IT对于行业应用的推动。
To be continued：
HLSD
Infrastructure Deployment Guidance
Application Deployment Guidance
Technical Design
......
网友评论