2018年1月6日云栖社区数据智能技术论坛上，来自阿里云大数据事业部高级专家朱金童带来阿里云ET大脑的相关揭秘。本文主要从AI到ET的进化开始谈起，分析了构建类大脑网络的过程，接着重点分享了ET大脑在生活中的应用，包括城市大脑、农业大脑、航空大脑。

以下是精彩视频内容整理：
阿里云ET大脑作为全球首个类脑架构的人工智能，突破单点使全局智能变成现实，更大的格局从此被打开，多维感知世界、全局洞察问题、最优定制决策，阿里云ET大脑不断学习进化，更深入同时更广阔，更多人得到科技助力，更多行业因创新而赋能。它，开创新零售在交易中学会交流，使商业更懂人心；它，激发工业活力，加速产业升级，使机器拥有智力；它，激活散落的孤立数据，为城市治理与服务模式开创革新，使城市学会思考；它，为环境构建算法，自然不再无言，使生态学会表达。思考因突破而兴奋，科技因现实而动人。

AI到ET的进化

回首ET大脑足迹历历在目，城市、工业、航空、环境各方面无不体现出ET大脑的重要创新性。
随着图像识别、传感设备、智能终端设备等技术的飞速发展突破，我们可以更好的感知现实社会，ET大脑就是感、智、动的结合，采集到的数据通过机器学习模型把机器学习算法理解的数据变成智慧，最终与实际场景相联动。

要承载庞大的事务就需要良好的技术底座，包括智能语音交互、计算机视觉和自然语言处理，ET大脑拥有强大的技术底座作支撑，有许多眼睛触角帮助我们了解真实世界。

阿里在人工智能部分已经做出了一些成绩，那么，是不是有了这么多人工智能技术，就可以变成ET大脑呢？其实远远不够，AI到ET还有如图中所示的诸多过程，需要与行业相结合，比如车辆交通检测，过去只能感知到有多少辆车通过路口，但并不知道车通过的速度，以及 车的动向；当分析道路交通状况时，单个路口盯着摄像头看即可，但如果需要解决道路拥挤问题，需要了解该路口车辆排队情况，以便优化红绿灯的停留时间，而且单个路口在大数据系统中并不是孤立存在的点，道路交通是网状的，相邻路口间的车辆汇集也是需要考虑的，因此，多个路口对某个路口的理想权重等都需要进行复杂建模，才能解决整个风险区的交通拥堵问题。

AI技术帮助我们知道单点发生了什么事情，进而构建类似人的大脑网络，人脑认知过程如图，人脑中有许多神经元，当你的眼睛看到一张图片，一部分神经元开始反映图片的形状，一部分神经元反映图片的颜色，还有一部分神经元反映物体的名称等，这与构建交通大脑网络不谋而合。

所以，ET大脑的重中之重就是构建类人脑神经网络，从物理世界的数据孤岛收上来变成逻辑数据，规整后放到数据仓库中去，接着最重要的是构建知识模型，做到与人脑认知世界一样。比如做工业大脑时，需要得到ERP数据、机器振动、工厂环境温湿度等参数，像大脑神经元一样，一些神经元可以控制机器的角度，可以控制添加原料的配比，将这些固定的信息建立相互的联系，如同建立人的知识图谱。
因此，构建知识地图是ET大脑中关键的一步，我们不仅仅要了解机器学习算法，我们最终解决的问题不是检测精确度，而是确定某个精确度与其它数据的关系，以及如何影响最终结果。 比如帮助工厂提高产量，预测燃煤效率，燃烧效率与其中若干工序又有什么关系呢？这就是我们要构建ET大脑的过程，我们将ET大脑产品化，沉淀下来许多工具，包括机器学习平台、数据采集、数据分析、数据计算工具，在这之上就是知识图谱。
阿里在做电商、蚂蚁等时候也是运用了类似的方法，在内部构建了很大的数据中台，每天阿里系产生数据都是PB级的，这些数据都在中台上，我们将数据进行关联抽取，去建立标签体系——用户标签体系、产品标签体系、商家标签体系、位置标签体系等，每个标签体系中含有几千个标签，当天猫从业人员想做推荐，那么，推荐精确程度取决于标签复杂度。同样道理，我们在做工业大脑、城市大脑时，首先也是与客户一起建立知识图谱，基于图谱构建神经网络，才能做到实时反馈。

聚焦数据密集型产业

ET大脑聚焦在城市、企业和民生。

城市大脑

以前的交通视频检查都是由人工切换镜头来监测，屏幕眼花缭乱，工作较繁重；基于视频自动巡检如图，我们可以做视频实时分析，包括道路拥堵识别、车辆违规识别和交通违规识别等，机器可以对所有的摄像头实施24小时监管，事故发生时可以自动报警，还可以进行视频定位追踪。

杭州城市大脑如图，可以看到每天交通情况，有许许多多个点，当某个地方发生交通事故时，该点就会变色提醒，城市大脑设计了多个指标对拥堵指数进行判别，并对路口进行排名，使用户方便看到哥哥路口的状况，如果想了解更加详细的情况，可以深入点击查看甚至调出视频。

农业大脑

基于图像识别，农业大脑对玉米生长周期进行监测，我们将玉米生长周期进行分类，根据叶绿素的浓度判断玉米处在哪一个生长周期，并与正常在该生长周期的状态进行对比，从而判断是否为病态。
某企业农业大脑如图，通过农业大脑的图像分析等，对农作物的生长阶段监测、产量预测、病虫害识别等都进行了分析并得出结果。

航空大脑

当有异常情况发生时，航空大脑帮助航空公司快速做出决策。我们不仅仅要考虑机场调度网络，还要考虑航线网络，也就是不光要安排飞机停靠位置，还要考虑天上有多少架飞机正在飞以及飞机的大小，因此，航空问题相对复杂，对建立航空大脑的约束条件达上百个，有时我们会选择暴力读码，有时也会选择用上一步的变化对输入做变化，实际需要考虑事情非常多，需要逐步积累经验。
ET航空大脑价值巨大，首都机场每天有1700+航班，50秒就要给出机位分配，每天节约旅客时间达5000+小时。
目前，人工智能异常火爆，阿里只是做了一小部分事情，我们希望把企业做透、把行业做穿。只要把企业中的一个点做好，就会持续做更多事情，只要把一个行业做的多，积累更多经验，也将会做更多事情。
本文由云栖社区志愿者小组毛鹤整理编辑，程弢审核
活动相关文章
蚂蚁金服西亭：智能金融的技术挑战与方案
阿里巴巴阿外：客服全链路智能解决方案
阿里巴巴少杰：大数据处理实践
浙江大学杨洋：社交网络中的群体用户行为分析与表示学习
阿里巴巴iDST杨森：智能决策在电商平台的应用
阿里巴巴布民：图计算是生产力