2019年8月17日，在阿里雲杭州飛天園區內，參加了AICUG的阿里巴巴AI智能專場的分享，主要的主題包括《PAI機器學習和OCR實踐》、《關於FAQ-QA算法中臺的思考和實踐》、《認識概念圖譜構建與應用》、《搜索場景下的智能推薦演變之路》主要是算法方面，
以下就感受與大家進行分享：
一、阿里雲的動物園：
消息證實：網易考拉確定被阿里巴巴收購，納入動物園版圖，應該會併入天貓
二、產品定位：
機器學習PAI：
一站式機器學習平臺（數據預處理、特徵工程、模型訓練、模型服務），機器學習PASS服務，提供的是底層模型訓練和服務能力
EasyVision：
數據、建模、服務，簡化CV技術研發閉環，降低CV應用門檻
OCR：
自然場景下的文字通常存在傾斜、畸變、玩去、豎直、模糊等失真問題
阿里小蜜：
2015年 推出的to C 智能客服產品，也有針對to B 的賦能產品
概念圖譜：
感知到認知，認知概念圖譜
搜索推薦：
基於搜索業務場景下的排序、召回、數據梳理
三、產品介紹：
PAI：
可視化建模PAI-STUDIO、PAI-DSW（類似notebook）、PAI-EAS（模型在線服務引擎）
參數調整優化工具：PAI-AutoML
小蜜：
智能客服的解決方案：FAQ智能問答、導購、外呼、助理
FAQ問答模塊（易用、可控）：基礎模塊，必備的
內部協作機制：業務場景+算法能力
中臺架構：技術架構、能力地圖（模型參數、模型性能）、業務分析方法論、運營平臺
能力地圖：業務定製BERT——多任務學習——模型蒸餾
認知概念圖譜：
Level1、Level2、Level3、instance
細粒度（Level3）：高質量細粒度概念
Level1/2：知識圖譜類型、預先定義關聯
Level2/3：基於傳遞關聯、基於概率推斷
Level3/實例：基於規則、基於聚類、基於模型
短語挖掘：無監督（TopMine）、有監督(SegPhrase)、遠監督(AutoPhrase)
應用場景：意圖識別、實體推薦、對話、文檔問答、短視頻、相關性、信息流
搜索推薦：
預置詞
召回：用戶行爲召回、標籤召回、知識圖譜召回、向量召回
排序：基礎相關性、CTR預估、MAB、語義相關性、採樣
話題圖譜：交互式搜索推薦方法的探索，包含話題（包含實體）、本體詞、意圖、知識點、話題理解、知識點整理……
四、名詞釋義：
算法中臺：
提供算法能力，幫助提供更加個性化的服務，增強用戶體驗，爲戰場提供了陸軍支援能力，隨機應變，所向披靡。
數據中臺：
提供數據分析能力，幫助從數據中學習改進，調整方向，爲戰場提供了海軍支援能力。
技術中臺：
提供自建系統部分的技術支撐能力，幫助解決基礎設施，分佈式數據庫等底層技術問題，爲前臺特種兵提供了精良的武器裝備。
研發中臺：
提供自建系統部分的管理和技術實踐支撐能力，幫助快速搭建項目、管理進度、測試、持續集成、持續交付，是前臺特種兵的訓練基地。
組織中臺：
爲項目提供投資管理、風險管理、資源調度等，是戰場的指揮部，戰爭的大腦，指揮前線，調度後方。
字典中臺：
爲項目提供國際、國家、業界等標準規範字典並保持及時更新；