文 | Martin & Dr. Gu（著作權(quán)歸作者所有-小哈公社平臺首發(fā)-轉(zhuǎn)載或引用請注明出處）
各位讀者，本期我們隆重介紹人工智能領(lǐng)域?qū)＜?，機器深度學習（神經(jīng)網(wǎng)絡）博士后，瑞典ContextVision公司科學家顧峰博士，一起來介紹有關(guān)人工智能-機器學習的基礎(chǔ)，以及SAP機器學習相關(guān)的產(chǎn)品應用。
人工智能認知 （機器學習-深度學習）
人工智能（Artificial Intelligence – AI）指的是機器智能的研究領(lǐng)域，它自20世紀50年代以來一直是計算機科學中最激動人心的課題之一。人工智能的傳統(tǒng)目標包括推理，知識表示，計劃，學習，自然語言處理，感知以及移動和操作對象的能力。
21世紀，由于計算機硬件，大數(shù)據(jù)和理論知識的最新發(fā)展，人工智能領(lǐng)域一直在技術(shù)行業(yè)處于領(lǐng)先地位。機器學習是人工智能的重要組成部分之一，它涉及教會機器學習能力。學習過程是通過程序開發(fā)由驅(qū)動算法來完成的將輸入的數(shù)據(jù)映射到某些輸出目標的數(shù)據(jù)。映射通常由一些將輸入數(shù)據(jù)轉(zhuǎn)換為輸出目標的數(shù)學函數(shù)來定義。映射函數(shù)的最佳參數(shù)可以通過應用優(yōu)化程序來找到，該優(yōu)化程序能夠在有限的時間內(nèi)完成搜索（而不是蠻力）。機器學習研究在2000年之后在產(chǎn)業(yè)界迎來了真正的爆發(fā)期。
資料來源：機械工業(yè)出版社
被稱為“深度學習”的機器學習子領(lǐng)域正在成為最受歡迎的技術(shù)，它在幾項任務中產(chǎn)生了比人類更優(yōu)越的性能。深度學習或深度神經(jīng)網(wǎng)絡（DNN）與人工神經(jīng)網(wǎng)絡（ANN）具有相同的原理，這些原理已經(jīng)發(fā)展了30多年。
由于以下原因，DNN已成為眾人關(guān)注的焦點。
首先，計算機硬件，尤其是圖形處理單元（GPU）在近年來在并行計算方面已經(jīng)取得了顯著進步。像AMD Ryzen這樣的典型臺式中央處理器（CPU）具有大約16個內(nèi)核，每個內(nèi)核可以相當強大的進行計算。Nvidia GTX 1080Ti GPU擁有超過3,000個CUDA核心，每個核心的計算能力都比CPU核心低得多。在涉及數(shù)千個簡單沉溺性操作的情況下，如DNN，GPU可以更快地完成所有操作。此外，諸如亞馬遜網(wǎng)絡服務（AWS）和Alibaba Could等云計算已使高性能計算（HPC）更容易訪問，任何具有互聯(lián)網(wǎng)連接的人都可以使用此類云計算服務。
其次，大數(shù)據(jù)的可用性，例如，ImageNet擁有從Flickr收集的1400多萬個圖像，其中有1000個不同的對象類別。深度學習的研究人員已經(jīng)能夠在這樣的大圖像數(shù)據(jù)集上訓練DNN以進行圖像分類。目前最先進的深度學習模式已經(jīng)大大超越了人類。
最后，這些理論的最新發(fā)展為DNN的成功做出了貢獻，引入了卷積神經(jīng)網(wǎng)絡（CNN）和遞歸神經(jīng)網(wǎng)絡（RNN），它們提供了比傳統(tǒng)ANN更高效，更有能力的人工智能網(wǎng)絡體系結(jié)構(gòu)。
人工智能應用
如果有計算設(shè)備，從超級計算機到智能手機，人工智能幾乎可以應用到任何地方。大型科技公司，例如Google，F(xiàn)acebook，微軟，Nvidia，百度，阿里巴巴等已成為人工智能技術(shù)應用于每個人日常生活的主要推動力。AI最主要的應用領(lǐng)域是計算機視覺（CV）和自然語言處理（NLP）。計算機視覺旨在教授計算機以獲得對數(shù)字圖像和視頻的高度理解，而NLP則涉及編程計算機以處理和分析大量的自然語言數(shù)據(jù)。
資料來源：機械工業(yè)出版社
計算機視覺（CV）領(lǐng)域研究在過去的十年中一直在努力，主要得益于人工智能的發(fā)展以及更深入的學習。與人類相比，DNN方法在許多CV任務中產(chǎn)生了優(yōu)異或相對接近的性能，如圖像分類，目標檢測和跟蹤，語義分割，三維重建，人類活動分析等。在圖像分類任務中，計算機需要知道圖像中的對象是什么。一個應用程序是帶有一些關(guān)鍵字的，如Google搜索的返回圖像，其中所有圖像都由Google的圖像分類軟件進行了高級標記。對象檢測和跟蹤涉及在場景中檢測感興趣的對象，并在視頻中跨幀一致地跟蹤它們。一個新興并且處于風口的應用是自動駕駛汽車，例如在特斯拉汽車中，其中部署了多臺攝像機來檢測和跟蹤行人和其他汽車的適當回避。圖像分割是指密集預測，它將圖像中的每個單個像素分類為一個感興趣的類。三維重建從RGB圖像或RGB和深度圖像的組合（如Microsoft Kinect設(shè)備中）創(chuàng)建對象的三維結(jié)構(gòu)。一個有趣的應用是客廳的裝修，用戶只需使用他的智能手機拍攝房間照片即可。該種軟件可以自動找出天花板，墻壁，地板和家具的位置。然后，用戶可以更換墻紙和家具，以便在網(wǎng)上商店購物之前可視化重新裝修過的房間。人類活動分析需要對人類活動，人與人之間的相互作用以及場景中的人與物相互作用有高度的理解。人類活動分析的主要應用之一是監(jiān)視，其中部署了攝像機網(wǎng)絡以覆蓋不同的室內(nèi)和室外環(huán)境，例如在發(fā)現(xiàn)可疑活動時發(fā)出警報。
自然語言處理（NLP）包含以下主要挑戰(zhàn)：語音識別，自然語言理解和自然語言生成。語音識別涉及將口語與文本進行識別和翻譯。自然語言理解是解釋文本并找出語言意義的下一步。自然語言生成是指從機器學習表示系統(tǒng)生成自然語言。在解決了所有三項任務之后，人類可以開始與機器進行對話。例如Google智能助理，您可以每天詢問天氣情況，日歷中的日期等等，并且能夠識別您的語音，了解其語言含義并做出適當?shù)幕貜陀谜Z言回答你。一個更新的和先進的應用程序是在Google IO 2018上展示的Google Duplex。它在舞臺上演示了為用戶預約剪發(fā)，Google AI能夠與理發(fā)師進行類似和復雜的對話。最后，理發(fā)師甚至沒有意識到她一直在跟人工智能機器交談。
另外，傳感設(shè)備和通訊技術(shù)的不斷進步（請回顧上一篇文章-云端美景四），使得擁有人工智能機制的機器人或自動化產(chǎn)業(yè)也在蓬勃的發(fā)展。與工業(yè)物聯(lián)網(wǎng)企業(yè)分布對應，中國的機器人研發(fā)與制造產(chǎn)業(yè)群也主要集中在環(huán)渤海和山東半島及長三角等資產(chǎn)，科研，人力資本密集區(qū)域。
資料來源：機械工業(yè)出版社
最后伴隨著中國產(chǎn)業(yè)升級，動能轉(zhuǎn)型等大政策，企業(yè)服務、商業(yè)解決方案等ToB業(yè)務洶涌而至，這其中的智能應用更是可以深入到企業(yè)管理的各個范疇，例如，市場，銷售，設(shè)計，運營，物流，財務，人力資源等。
基于Forrester在2017對14家供應商采用的23項評估，在整個商業(yè)智能和分析市場中，預計到2021年，支持機器學習的數(shù)據(jù)科學平臺（Data Science platform）將達到13%的復合年均增長率。其價值將從2017的30億美元增長到2021的48億美元。其中SAS、IBM和SAP領(lǐng)導了預測分析和機器學習市場。預測表明，預測分析和機器學習市場（the Predictie Analytics & Machine Learning market，PAML）將在2021年以21%的復合年增長率增長。
SAP機器學習（應用實例）
下圖我們列舉了S4HC （與S4HANA同代碼）業(yè)務模塊，在結(jié)合SAP Leonardo機器學習等智能組件，從而產(chǎn)生新的智能應用。
SAP財務+ Leonardo機器學習= SAP Cash Application
這款應用自動將收款與未清應收賬款進行匹配。它提高了傳統(tǒng)上勞動密集的清算流程效率，幾乎沒有用戶交互需要被執(zhí)行。該應用程序利用機器學習來輕松設(shè)置并提高自動匹配率。
應用特點：
目前，傳統(tǒng)SAP自動匹配方法的匹配率從30％到90％不等
基于傳統(tǒng)SAP自動清賬規(guī)則解決方案需要大量的實施和維護工作來保持良好的自動化水平
應用機器學習可以通過自動執(zhí)行繁瑣和重復的手動任務來提高流程效率，從而提高服務質(zhì)量和會計工作效率
提供比傳統(tǒng)方法更高的自動化速度- 無需配置
使得財務人員專注于戰(zhàn)略任務和服務質(zhì)量
改善銷售未清項目狀況
SAP財務+ Leonardo機器學習= SAP Remittance Advice
此應用通過從非結(jié)構(gòu)化資料（電子郵件，PDF，紙張等）中自動提取有關(guān)付款的附加信息并大大降低手動工作量，并使用它來輔助自動執(zhí)行結(jié)算流程。
無需手動輸入客戶匯款通知
使信息可直接用于SAP應用程序中進一步自動處理
減少人工操作和錯誤，并集成進一步的流程自動化程序，例如SAP Cash Application
接下來我們具體舉例S4HC最佳業(yè)務方案Cash ApplicationIntegration (1MV)?來介紹一下Automated Payment Advice Processing with SAP Leonardo
傳統(tǒng)的工作模式- 應收賬款會計花費大量時間收集、分析和過賬客戶匯款通知信息。這些信息與各種其他郵件以各種格式一起送達收件箱，例如文本文件，截圖，電子表格和PDF。這是一個強度非常大的勞動，容易出錯且重復低附加值的任務。
使用S/4HANA Cloud自動清賬并集成云計算學習服務- SAP Leonardo 機器學習。它通過從非結(jié)構(gòu)化信息，如PDF文檔中自動提取有關(guān)付款的附加信息并使用它來自動執(zhí)行結(jié)算流程。
在接收到匯款通知信息后（郵件，PDF，紙張），Remittance Advice Extractor獲取相應信息，形成報告形式（Record to Report），待人員確認后，系統(tǒng)將與銀行對賬單，客戶放票進行匹配，符合標準清賬規(guī)則的數(shù)據(jù)可以處理，同時無法找到系統(tǒng)標準規(guī)則的記錄將通過Cash Application智能程序進行匹配處理。
Remittance Advice Extractor抓取PDF信息
Cash Application機器建議清賬
根據(jù)SAP公司在全球客戶的實測情況，Cash Application的建議率從56%-98%，具體取決于客戶財務標準和國家票據(jù)規(guī)范。值得肯定的是其中建議的準確率達到95%以上，這已經(jīng)遠遠超過人工清賬的準確率。
Cash Application產(chǎn)品，還處在發(fā)展階段，當然還存在一些限制條件。總體的智能應用發(fā)展方向是我們所有企業(yè)咨詢和信息服務從業(yè)人員一致高度認可的。
SAP尋源采購+ Leonardo預測分析= Predictive Analytics for Contract Consumption
此應用可以預測物料到期或總消費量，以便與供應商進行有效的談判。
預測購買合同將100％消耗
當?shù)狡跁r重新談判采購合同
提前預計到期或總消耗
與供應商的有效談判
SAP物料管理+ Leonardo預測分析= Predictive Analytics for Stock in Transit
此應用可以預測在途庫存的交貨時間，以實現(xiàn)更可靠的計劃，精確實際交貨日期。
根據(jù)時間表跟蹤物料在途/未完成的庫存運輸單
確定交貨日期與預測明顯時間差異的項目
根據(jù)經(jīng)驗數(shù)據(jù)調(diào)整時間表
實現(xiàn)整體運輸過程中更可靠的計劃/時間表
SAP財務+ Leonardo預測分析= SAP Business Integrity Screening
此應用基于歷史數(shù)據(jù)識別潛在欺詐行為，預測算法提高了欺詐警報的準確性。
能夠?qū)Ｗ⒂谄墼p案例和投資回報率最高的案例
與SAP HANA集成以降低總體獲得成本，實現(xiàn)時間價值
依照欺詐模式的演變來更新模型
自定義第三方算法為客戶的業(yè)務進行優(yōu)化
SAP資產(chǎn)管理+ Leonardo IoT及科學服務預測分析= SAP Predictive Maintenance & Service
此應用從資產(chǎn)的全視角學習并預測未來的資產(chǎn)健康狀況。
降低維護成本
提高資產(chǎn)有效性和盈利能力
啟用新的（服務）商業(yè)模式
與SAP S/4HANA Cloud集成，實現(xiàn)無縫的端到端流程
總結(jié)
SAP在商業(yè)領(lǐng)域的智能應用，就是通過云ERP和Leonardo產(chǎn)品相結(jié)合，最終達到先進管理目的：例如了解業(yè)務環(huán)境，并主動提出使用預測功能解決方案；實現(xiàn)會話界面使用自然語言處理功能，專注于下一代用戶體驗，創(chuàng)造類似人類的體驗；允許AI應用跨平臺無縫轉(zhuǎn)換，在移動設(shè)備上啟動任務并在稍后的桌面上繼續(xù)操作；使用機器學習功能根據(jù)歷史數(shù)據(jù)、經(jīng)驗獲取知識，并針對新的或不可預見的事件采取行動；整合到SAP和非SAP解決方案，通過API簡單訪問自然語言處理和機器學習功能。
后記
感謝各位讀者的關(guān)注，本期文章是我們“云端美景“系列的收官之作。三個月五篇研文，為大家介紹了云計算，大數(shù)據(jù)，物聯(lián)網(wǎng)，人工智能并著重展現(xiàn)SAP S/4HANA Cloud云ERP產(chǎn)品的應用。希望對各位有所幫助。
我們相信未來社會的技術(shù)發(fā)展方向和機會領(lǐng)域已經(jīng)清晰地展現(xiàn)在你我眼前:
社交數(shù)據(jù)和媒體交互的數(shù)字化以指數(shù)的速度增長；區(qū)塊鏈作為去中心化的連接是信用基礎(chǔ)；移動互聯(lián)，物聯(lián)網(wǎng)能夠立即訪問每個“事物”；內(nèi)存計算改變計算速度并提供實時洞察；大數(shù)據(jù)和機器學習通過預測模型改變?nèi)绾芜M行數(shù)據(jù)分析；利用商業(yè)存儲實現(xiàn)云端數(shù)字化，并按需擴展按需計算。我們會和大家一起努力在這些領(lǐng)域探索和鉆研，希望在不久呈現(xiàn)新的文章系列。
作者簡介：
高星先生（Martin）是澳大利亞GZ Solutions商業(yè)咨詢有限公司執(zhí)行董事，NTTDATA澳洲公司高級顧問-解決方案架構(gòu)師。英國華威大學制造業(yè)信息技術(shù)碩士學位，曾任職埃森哲，IBM，漢得等國內(nèi)外知名咨詢公司，從事SAP咨詢服務12年?，F(xiàn)專注云ERP咨詢與推廣。
顧峰博士（Dr. Gu）是瑞典ContextVision公司人工智能科學家。英國華威大學制造業(yè)信息技術(shù)碩士學位，英國諾丁漢大學計算機科學博士學位。顧博士曾在利茲大學，Kingston大學從事博士后研究，擅長領(lǐng)域機器深度學習-神經(jīng)網(wǎng)絡，計算機視覺-影像識別。
參考資料：
《Intelligent Digital Core with Machine Learning》
《an Intelligent Digital Enterprise with SAP S/4HANA and SAP Leonardo》
《Markets and Markets》, Global Marketing Research
福布斯：2018機器學習與人工智能市場評估與預測
SAP AG website
SAP JAM
《SAP S/4HANA Could：案例，功能和可擴展性》
