毕友网

毕友网 > 分享 > 转载 > 融资 > 聚焦“双减”等领域的认知智能升级, AI公司「可之科技」完成过亿元A轮融资

聚焦“双减”等领域的认知智能升级, AI公司「可之科技」完成过亿元A轮融资

2022-05-27 09:30:42小毕 2415

文 | 子佩 姚兰

获悉,人工智能公司「可之科技」(下称「可之」)近日宣布完成过亿元A轮融资,投资方为中控创始人褚健、上海交通大学ACM班掌门人俞勇、玖兆资本、羌塘基金、卓源资本、顺澄资本等。

本轮资金将用于三个方面:1)提升认知智能相关技术的研发水平;2)融合服务领域的知识图谱,实现相关行业的认知智能升级;3)提升团队综合能力,加速产品推广。

「可之」2017年创立于哈佛大学创新实验室,在美国波士顿、中国宁波、北京、上海、大连、深圳等地设有办公室,专注于深度强化学习框架和可解释人工智能核心技术的自主研发,目前其认知智能产品主应用于教育“双减”、工业互联网、金融、生物医药等领域。

2021年6月15日,世界经济论坛 (World Economic Forum) 宣布 2021年度“科技先锋 (Technology Pioneers) ”企业名单,「可之」成为年度8家获得该荣誉的中国公司之一。自2018年以来,「可之」连续5年受邀参加世界经济论坛的系列活动。创始人王冠博士受邀成为2020年世界经济论坛50周年年会人工智能主题的专题发言人。

创始人王冠博士毕业于美国布朗大学,现任上海交通大学宁波人工智能研究院智慧金融实验室主任,曾供职于美国华盛顿大学、微软研究院、通用电气等机构。可之核心研发团队来自麻省理工、卡耐基梅隆、哈佛等名校,长期关注认知智能领域的逻辑推理问题;商务团队人均拥有近二十年行业积累,经验丰富。

认知智能致力于使机器拥有人类般的认知思考能力,“能理解、有逻辑、懂推理、会决策、可解释”,可以替代重复性体力劳动和脑力劳动,是人工智能发展的高级阶段。中高考级逻辑推理是其公认的里程碑,自动批改曾被业内公认为“二十年内不可能完成的挑战”。

人脸识别、自动驾驶等AI技术在某些维度上没有逻辑推理的难度高,原因在于自动驾驶没有“客观标准答案”,只要未违反交规、没发生碰撞,合理驾驶,容错率是比较高的,但逻辑推理就不一样了,在给定条件下,答案相对确定,有全局最优策略,甚至只有唯一正确的解。

随着机器学习模型趋于复杂、精密,模型的可解释性,即让人类理解机器的逻辑推理过程成为了一大难题。一个常见的例子是,金融从业者使用如XGBoost、DNN等黑箱模型得到特定的评分结果,但由于机器推断过程不透明,难以改进业务或调整模型。此外,现有大部分机器学习模型也需要“投喂”海量结构化数据来训练,造成的人力成本和算法歧视也不容忽视。

因此,基于少数据训练人工智能“Learning with Less Labeling (LwLL)”、可解释人工智能“Explainable Artificial Intelligence (XAI)”和终身学习人工智能“Lifelong Learning Machines (L2M)”三种底层技术,「可之」搭建了数据依赖度低、数据隐私度高、可交互、可解释、能逻辑推理的认知智能框架。

在确定了技术优势后,怎样选择落地场景?

「可之」的判断如下:1)目标场景有高频、刚需、用户基数大的特点;2)目标场景需要人类的经验和专业知识进行持续判断、持续决策;3)认知智能可以达到乃至超越人工的水平;4)目标用户群体认可产品价值,能够变现;5)单位资源投入能创造的价值高,边际成本低,边际收益高。

举例而言,教育“双减”领域的考试、作业批改,工业互联网的智能控制,金融领域的投顾、风控、反欺诈等都是适合的业务场景。

 “双减”背景下,教培行业进入一片寒冬,教育主阵地回归校内,每日作业、考试作为学生学习效果的直接体现,也作为学生查漏补缺,自我补足的主要依据,其批改与分析的质量直接与学生的学习效率挂钩。

但现实情况中,一位教师常常要同时教授上百位学生,受疫情影响的地区很多情况下作业辅导只能由家长完成……种种现实因素让批改题目变成更加繁重的任务,也让教师难以针对性地为每位学生分析作业情况,提供个性化指导。

根据这一场景诉求,「可之」推出分层、弹性、个性化作业产品,实现作业自动布置、批改服务,可以基于学生的实际情况推荐更有针对性的习题,并为教师提供全过程、全量学情分析,批改范围也拓展至初高中全学科。产品形态主要分为两种:如小程序等在线应用,和如扫描仪、打印机等终端设备。

 在日常作业批改之外,「可之」也布局考试赛道,服务过2021年多个省市中、高考多学科各题型的阅卷工作,实现AI自动批改、监测,完成了人工智能自动评分试点任务。

在其他行业中也有类似的问题,例如工业场景中,数据稀缺、环境复杂、部分信息可见等情况制约着经典人工智能的表现。以煤、矸石分选这一传送带物料识别场景为例,人工筛选存在安全风险,X光方案成本较高且有辐射和环境污染的隐患,基于监督学习的经典人工智能方法的数据训练成本高,且由于不同煤矿现场的标准不同,很难泛化。可之的认知智能方案持续和环境交互,在实际使用中能够在较短时间达到X光的水平,通过OTA在线维护升级,快速解决现场问题,性价比高。

金融领域的反洗钱、反欺诈、风控等场景中,为了满足较高的精度要求,银行逐步使用日趋复杂的黑盒模型,不利于业务人员和监管机构对其推理过程的理解,且复杂模型所依赖的各个组件也会相互影响,使得最终预测结果可能存在未知的风险。「可之」的可解释AI产品则希望通过打开黑盒,帮助业务人员分析“可疑交易”之间的潜在关系,了解“可疑”点出现的原因,从而节省时间、提高决策水平。在智能投顾场景中,可解释AI能够解释交易模型给出的交易行为的原因,判断交易模型的可靠程度,描述市场波动特征,为从业人员持续决策提供帮助。其认知智能产品已在银行和证券业的龙头企业得到验证。

在商业模式上,「可之」的泛教育类产品主要与企业、学校、当地政府合作,按年收费,用户也可自己购买账号,按功能分级收费。王冠表示,去年泛教育领域营收占比大约30%,预计今年会增长迅猛,用户人数预计将达到20万,未来也将推出贴合“双减”要求的更多产品,并在工业互联网、金融和生物医药领域稳步拓展。