两个学霸已经用AI+数据预测这个技术赚翻

除了向各大咨询公司寻求帮助，面对客户流失、转换率下降等问题，相关企业现在又有了新的选择——人工智能咨询服务。

赵紫州和师兄褚英昊在今年6月，成立人工智能咨询公司“WeAI”。他们利用多层次深度神经网络算法（MLP）和数据驱动型人工智能模型， 为客户提供定制化的数据预测和分析方案。

团队于今年10月正式推出业务，已经为某共享单车、“巧课力”幼儿早教平台等公司提供出行需求预测或客户转化率等数据分析服务。

“如果把人工智能看做对人类智能的模仿，我们掌握的算法便是模仿人脑神经系统，对应的是人脑深沉次的数学逻辑功能。”赵紫州所提到的算法，正是多层次神经网络算法（MLP，MulTIlayer Perceptron）。

2015年，刚经历了创业失败的赵紫州，在江西一家企业担任董事长助理，他一边学习在中国商业环境下做生意的方式，一边为下一次创业寻找方向。

机遇发生在一次校友会上。同年底，赵紫州在加州大学校友会上认识了自己的学长褚英昊。彼时，从事人工智能研究的褚英昊已从美国南加州超算中心回国，在中广核任高级工程师。

两人一见如故。赵紫州也第一次了解到师兄的研究领域：多层次神经网络算法。他通过后续交流得知，目前国内利用人工智能为企业做咨询服务的公司仅有四五家，尚在起步阶段。赵紫州和褚英昊便萌生了一起创业的念头。

今年6月，两人成立“WeAI”，利用MLP算法和数据驱动型模型为企业提供数据预测及分析方案的服务。比如为太阳能发电站预测辐照量、帮助共享单车预测出行需求等。

“WeAI”服务流程如下：

赵紫州介绍，在现实生活中一个事件受很多因素影响，单一的模型准确度不高。团队采用的多层次神经网络算法（MLP），适合需要考虑多因素的混合模型搭建。

以为美国太阳能发电站“IVANPAH”搭建辐照预测系统为例：影响太阳能发电量的云影信息有上百万个维度，但是历史太阳能数据、温湿度和气压等只有十几个至几十个数据维度。

MLP采用多层结构，先把云影图像分析提取出十几个关键特征，再结合其他关联数据一起建模。“通过混合模型的深度学习，得出的结果比单一模型更加准确。”

同时，搭建混合模型更大的优势在于可以利用较少的数据，完成建模。赵紫州介绍，在有效数据较少（最少50个显性数据）的情况下，通过搭建物理模型框架，在数据欠缺时，模型一边实现其功能一边收集数据，而模型内的AI内核则不断学习，修正模型。

以团队为某共享单车公司做出行需求预测为例，团队刚开始只做一个地铁口的投放模型，获取的数据有限。然后模型在运行过程中，逐渐接入更多的地铁口，拿到更多的数据，不断进行优化。通过模型后期的优化和修正，预测误差可以降低50%。

        联合创始人&CTO褚英昊曾在美国南加州超算中心从事研究工作7年。

除了核心算法外，“WeAI”团队采用谷歌和南加州超算中心的架构流程，并且通过7年的实战运用，拥有完整的“工具库”。它包括“特征工程”、“训练优化”、“迭代优化”等几大类别。该“工具库”除了可以搭建模型，还可以不断迭代优化出能实现各种具体功能的人工智能模型。

运用多层神经网络算法和谷歌、南加州超算中心的架构流程，“WeAI”针对用户流失率的预测准确度近90%（同行业竞争者为70%），其表现也优于机器学习模型的2~3倍。

团队于今年10月正式推出业务，依靠之前行业内的人脉，已获得4家客户。涉及共享单车、教育、汽车4S店等多行业的客户分析、精准营销等业务。

“WeAI”团队根据客户需求的任务量大小、复杂程度和数据结构化程度报价。报价一般为几万至十几万不等，完成时间几天至几星期。目前团队已实现盈亏平衡。

据赵紫州介绍，团队下一步将逐渐在部分行业深耕，将技术产品化。现阶段，公司正启动天使轮融资。