第二期“DI極客說”：決策AI創新應用帶來的行業變革 | 活動回顧

范偉作《AI決策智能技術在聯想的實踐》主題報告分享

聯想研究院AI Lab機器學習總監范偉作為企業界代表，從行業應用的角度分享了決策AI在企業B端的實踐應用經驗，他從三個角度介紹了AI技術與場景的深度融合為實體經濟發展所創造的價值。范偉首先談到新時代下企業科學決策需要用到的一些關鍵技術，尤其是以AI為代表的新技術。其次結合聯想的供應鏈物料優化、智能生產排程、機器視覺檢測等案例來解讀AI實現智能決策的三大優勢。最后從聯想集團整體戰略層面來分析如何通過“內生外化”來實現智能化轉型。

胡如云作《強化學習在合成生物中的應用》主題分享報告

中國科學院深圳先進研究院助理研究員胡如云分享了強化學習在合成生物領域的應用。胡如云舉了兩個應用案例來介紹合成生物及其作用，并從兩個方面闡述了合成生物領域的強化學習應用：一個是生物逆合成，即給定目標產物和已知的底物，設計生物合成路徑來獲取目標產物；另一個是蛋白質工程，即改造蛋白序列以獲取更好的蛋白。盡管目前決策智能在合成生物領域的應用仍在探索期，但隨著技術的進步，決策智能會在合成生物領域越來越多地發揮出作用。

周航作《決策AI在游戲中的設計與應用》主題分享報告

OpenDILab的核心研發人員周航分享了決策AI在各類游戲（FPS游戲、RTS游戲、MOBA游戲等）中的設計與應用。周航認為，整個MOBA和RTS領域的AI訓練都應用了非常經典的大規模強化學習方法，是如今學術界和工業界最先進的研究之一。

而在牌類游戲里，游戲AI的決策應用難點主要在于不完全信息博弈，無法用一個模型解決所有問題，結合深度學習、強化學習以及大規模分布式平臺訓練出來的AI在各個競技項目的水平已經比肩甚至超越了人類，但在復雜場景下AI仍然面臨著巨大挑戰，游戲AI落地還需解決訓練成本，模型的泛化性和魯棒性等多個難題。

陳若冰作《決策AI應用與生態：探索+優化》主題分享報告

OpenDILab的核心研發人員陳若冰分享了OpenDILab在決策AI創新應用上所做的優化和探索。他介紹了感知型AI和決策型AI的區別，以及決策型AI面臨的挑戰，并從決策AI應用流程的分析出發，從策略、環境、應用三個方面介紹了OpenDILab應對決策AI難題的思路。

以決策AI在自動駕駛、交通信號控制的應用為例，陳若冰為大家介紹OpenDILab的解決方案。最后，他提到目前OpenDILab已經支持了自動駕駛方向的開源框架，今年內也會推出信號控制的框架以豐富平臺應用。