淺談人工智慧時代民航業務改造

　　你相信宇宙中存在異次空間嗎？現在的你，也在這些空間中同時生活著，沒有過去和未來，N個當下的你並行存在於宇宙中。我相信。對於我們聰明的人類大腦而言，理解和處理單次元並行問題一向不難。但是，對於連續性問題，特別是正以指數級速度增長的問題，人類大腦的處理能力就非常有限了，而人工智慧AI就是可以取代我們人類大腦解決指數增長連續問題的技術工具，至少在現階段，它仍是工具。

　　人工智慧AI，即在混沌中發現秩序的能力，是一種遞歸過程分析法，基於海量數據信息，通過指數級智能計算、發現規律，快速創造出新過程和產品的能力。熵增定律告訴我們，宇宙中的無序性正在增加，而摩爾定律將在2020年正式失效，取而代之的將是加速回報定律，即隨著有序性的增加，指數級增長的速度加快，重大事件的時間間隔就會縮短。所以，我們可以預見：人工智慧改變人類社會這個大事件正在加速發生，相信不肖10年，AI將遍及各行各業，滲透至經濟、社會、人類生活的各個領域，徹底改變我們的生活。

　　對於我們與時俱進的民航業，AI技術其實已在此小試牛刀，如我們已將熱門的人臉識別技術應用於一些機場的服務終端，相信在不久的將來，這種技術將更加趨於成熟，人臉識別點也將遍及機場各角度。旅客只需在進入機場時刷一次臉，即可在候機樓消費時被多次識別，最終在登機口「刷臉結帳」，這種超級智能化體驗將很快實現。

　　然而，在欣喜和驚豔於AI技術帶給旅客智能化體驗的同時，我們民航業的從業人士也有些許擔心，對於未知和混沌。我們在思考：AI到底會如何改變現有的規則和我們的工作內容？它是否最終將取代人工？我們該如何應對AI時代的各種改變和挑戰？筆者認為，AI時代對民航業務流程的改造是一種技術進化的必然，也是每家航司業務發展的必需，與其被動等待，不如現在就準備起來，直面挑戰！藉此，筆者想圍繞人工智慧的兩大領域：神經網絡和進化計算，談幾點思考。

　　思考一，關於人工智慧的分類進化。科學界普遍認同的人工智慧發展的裡程碑應是：在完全沒有人類幹預的情況下，創造出自己的下一代產品。目前AI技術仍處於早期階段，主要應用於一些限制領域，如人工智慧下棋、自動化駕駛等等，即5秒鐘可識別的操作領域，我們稱之為「弱人工智慧」Weak AI。隨著技術的日趨成熟，AI將廣泛應用於各個領域，具備跨行業學習規劃、用自然語言溝通、對存在不確定性的因素進行推理、制定決策的能力，我們稱之為「強人工智慧」Strong AI，它沒有明確的行業界限。SAI進一步發展，將最終進化為「超人工智慧」Super Intelligence，它將比世界上最聰明、最有天賦的人腦還聰明。它是完全沒有邊界的，隨著宇宙的混沌性和有序性無限發展和延伸的高級智能「生物」亦或是「機器人」。詳見下圖。

　　圖1：人工智慧發展歷程

　　由圖可見，在未來每個領域都會有我們稱之為弱人工智慧的WAI，之所以弱，是因為基於安全、規則等因素，我們人為對其功能和領域進行了限制，通過人工「訓練」它，形成神經網絡，在特定領域工作。而強人工智慧SAI不是所有WAI的集合，它和WAI有交集，SAI通過對各領域WAI通用功能的廣泛整合，發展成為對未知領域、未被「訓練」，存在大量不確定性因素進行推論、計算和決策的能力，但它無法取代各領域的WAI，即我們可以有無數個特殊屬性和功能的WAI，卻真正意義上只有一個具有通用功能的強人工智慧SAI。各領域WAI的加總和跨領域的SAI進一步發展，將最終趨近於超級人工智慧SI。這個人工智慧升級的過程同時存在著混沌和有序性。混沌增加使時間流逝呈N次方減速，而有序性增加，時間流逝將呈N次方加速。所以，人工智慧的發展是一種螺旋上升的過程，但從WAI->SAI->SI是一個必經的過程。各行業因為自身屬性和特點，人工智慧的發展速度各有不同，對民航業而言，製造WAI的三大客觀條件：深度學習模型、計算系統、高質量數據，已基本成熟。我們只需要加上三個資源：①一套正確的公式②一套完善的知識體系③計算本身或者數據計算過程，就可以製造出適合自己業務的AI。

　　思考二，搭建有民航業務特點的神經網絡。製造AI的前期準備，需將自身的複雜業務做切割和細分，直至分解成一個個小問題，使得每一塊都有自己的組織秩序即業務流程，即切割單個神經元，由人腦處理完成。然後，基於這份問題大綱，AI的網絡神經將以此為基礎搭建，再進入內部複製及深度關聯。看上去是不是和航線網絡布局的搭建有點類似？其實，人工智慧的內部神經網絡搭建是進化計算的過程，其速度是最強人腦速度的N次方倍。而內部神經元複製和搭建的過程和人類生命基因DNA進化過程類似。在此，以航線網絡中最佳收益航線路徑的選擇為例，引入生命機制計算模型，詳見下圖。

　　圖2：生命機制模型計算最優路徑

　　由圖可見，一共九個步驟。①梳理切割航線至最小單元，視為單鏈DNA即數字1-9；②加入生物聚合酶PCR，複製最小航線鏈單元；③複製完成放入試管，航線鏈單元間類似於DNA裂變進行內部關聯，與人工智慧類似；④摧毀不是以起始點X和目的地Y為始末點的航線鏈，再次加入聚合酶PCR進行二次複製；⑤完成後，刪除始發地至目的地之間航線鏈總數>途徑城市總數的航線鏈；⑥再次加入聚合酶PCR進行第三次複製後，刪除不含起始點X的航線鏈；⑦統計航線鏈中不含某一個中間城市A/B/C/D的航線鏈，對他們進行複製；⑧用生物學「電泳」技術，讀取最優DNA序列。「電泳」技術即設定最優航線選取規則。所以，人工智慧的進化算法和DNA的內部基因複製、重組、再生過程非常相似，可應用於我們的業務流程中。

　　思考三、創建神經元，設定「情感閥值」。神經網絡搭建過程，我們基本完成了製造人工智慧的①定義「輸入值」和②「神經網絡拓撲結構」兩大步驟，接下去我們需③使用樣本案例「訓練」人工智慧，並④運行訓練好的神經網絡，解決新案例。同時，因為人工智慧同時讀取正確和錯誤信息數據，所以，我們需要⑤通過「試錯法」在後期完成變量修正，即人工智慧設計策略的五步驟，詳見下圖。

　　圖3：人工智慧設計策略流程圖

　　由上圖可見，我們需要定義輸入數字，確定神經元層數M，每層神經元數量Ni，每個神經元的突破強度和閥值。結合民航業務的屬性，很多數據信息的測量和搜集來自於客戶感知和滿意度等軟性指標數據，所以，我們需藉助人工智慧的情感分析技術，計算出最佳服務體驗策略。在民航業務神經網絡搭建過程中，情感閥值的設定尤為關鍵。從客戶行為研究的維度看，情感分析主要來自於單個客戶，所以，這裡重點探討單神經元閥值中的回彈閥值和重啟閥值設定。

　　回彈閥值，即服務流程是一個連續的過程且有曲線回彈，但「谷底」不觸及零點，如呼叫中心處理多次旅客來電服務流程和內部員工學習曲線流程，詳見下圖。

　　圖4：「回彈閥值」業務流程圖

　　藍色曲線代表多次來電業務服務流程，旅客的服務需求沒有通過當通電話處理解決，服務期望值由起始點逐步下降，但未觸及零點。旅客多次來電直至最終問題解決，最後一次服務挽救，服務人員通過超值服務，讓其期望反彈至超過預期值。全流程共4次服務挽救，閥值應是服務挽救的總和4。觸發此流程的起因一般為非致命性關鍵錯誤。情感閥值設定一方面有助於剔除非典型性「錯誤」服務數據信息，另一方面從成本和流程控制的角度，由於數據總量基數不大，數據精度純度越高，人工智慧計算得到的最優策略越佳。

　　回彈閥同時也可應用於其它領域的流程，如員工內部培訓的學習流程。由綠色曲線可見，學習曲線在幾次波動回彈後，最終向右趨於平緩，即已鞏固所學知識。閥值設定取決於學習過程中錯誤發生率和人腦對知識的記憶值，AI會結合大量數據實踐給出最優學習周期。這過程也與AI本身的學習模式類似，在多次案例學習和修正後，AI智能也將趨於穩定，並將其轉化為指數級擴張。

　　重啟閥值，如業務流程是單向封閉的，即每一個波峰至波底（觸及零點）是一個業務服務從起始至終結的過程，我們需設定重啟閥值。在服務流程中，導致流程重啟的是致命性關鍵錯誤，所以閥值數據同樣來自於旅客感知（如投訴或負面評價）。每次重啟也是發現流程缺失點或關鍵致命錯誤以改進流程的過程，流程會在多次重啟後趨於穩定、可控。而流程改進過程中，讓客戶參與流程優化和改進也將提升其感知和忠誠度。詳見下圖。

　　圖5：「重啟閥值」業務流程圖

　　綜上可見，未來藉助AI強大的進化計算功能，我們將使流程分析和控制的過程化繁為簡，例如，以往我們通過相關性分析找到影響客戶滿意度的致命性關鍵錯誤和非致命性關鍵錯誤因素，控制指標和流程。現如今AI將直接跳過中間環節，通過服務流程中旅客情感分析和情感閥值的設定，最終運算後給出最優服務策略，放棄對服務過程的控制，直接提升客戶體驗。

　　相對於單層神經元閥值設定，層神經元閥值設定，是一個更複雜和抽象的過程。橫向來看，它的情感閥值指服務群體的情感匯總，根據單層整體數據流而設定的情感閥值。涉及到群體情感分析的範疇，需結合具體業務流程、群體所屬文化、服務所處環境等因素綜合提取信息考量。縱向來看，對民航業務而言，分層應是服務鏈上多個單獨流程的匯總集合，對整個服務體驗過程中單個旅客的情感波動數據進行跟蹤提取分析，設定的閥值應不局限於服務鏈上的關鍵服務流程，需保證信息流數據的傳遞暢順，類似於蓄水池中的水量控制，通過控制調節閥，保證每層的水量達到上層且不溢出，下層輸出但不過量。與此同時，隨著AI技術的不斷發展，分層系統的邊界越來越模糊，這使得進化算法的靈活性更大。所以，關於層神經元閥值的設定在民航業務領域的應用實踐，需結合AI的進階發展在未來進一步研究探討。

　　人工智慧時代真的到來了！現階段雖然它不會顛覆性地改造民航業，但未來必將引發一場產業升級和流程變革。我們也有理由相信：藉助強大的人工智慧神經網絡和進化計算，在未來，航司將能騰出更多時間和精力，把關注點從航線網絡設計、收益管控、運營控制等操作領域，轉移到其他核心競爭力培養的領域，如企業戰略發展、品牌價值提升和核心文化傳播等，而人工智慧所取代的多餘人力資源也將配置到這些領域。筆者想：或許在那時，我們會有更多的時間來思考：我們是誰，我們和別人有何不同，這些大問題。用人工智慧無法模仿的人類智慧來引導企業發展。在物質大同的AI時代，「我思即我在」的哲學定論將被推翻，現實和虛擬已很難辨識，剩下的，唯有「靈魂」不同，我們知道。

---

　　名詞注釋：

　　-熵增定律，又稱熱力學第二定律。它有一個推論，即在一個封閉的系統當中（其內部實體和力量的相互作用不受外部影響，比如宇宙），無序性（也叫做「熵」）會不斷增加。

　　-摩爾定律，每隔一年你都能獲得兩倍於之前運行速度的新集成電路，且價格不變。它用於解釋計算的指數級增長。

　　-加速回報定律，秩序以指數級速度增加，時間也隨之以指數級速度加速，也就是說，隨著時間的流逝，發生重大事件的時間間隔也越來越短。

2薦聞榜

（ ）

更多文章和觀點請訪問夏菡專題。