除了向各大咨詢公司尋求幫助，面對客戶流失、轉換率下降等問題，相關企業(yè)現(xiàn)在又有了新的選擇——人工智能咨詢服務。

趙紫州和師兄褚英昊在今年6月，成立人工智能咨詢公司“WeAI”。他們利用多層次深度神經網絡算法（MLP）和數據驅動型人工智能模型， 為客戶提供定制化的數據預測和分析方案。

團隊于今年10月正式推出業(yè)務，已經為某共享單車、“巧課力”幼兒早教平臺等公司提供出行需求預測或客戶轉化率等數據分析服務。

“如果把人工智能看做對人類智能的模仿，我們掌握的算法便是模仿人腦神經系統(tǒng)，對應的是人腦深沉次的數學邏輯功能。”趙紫州所提到的算法，正是多層次神經網絡算法（MLP，MulTIlayer Perceptron）。

2015年，剛經歷了創(chuàng)業(yè)失敗的趙紫州，在江西一家企業(yè)擔任董事長助理，他一邊學習在中國商業(yè)環(huán)境下做生意的方式，一邊為下一次創(chuàng)業(yè)尋找方向。

機遇發(fā)生在一次校友會上。同年底，趙紫州在加州大學校友會上認識了自己的學長褚英昊。彼時，從事人工智能研究的褚英昊已從美國南加州超算中心回國，在中廣核任高級工程師。

兩人一見如故。趙紫州也第一次了解到師兄的研究領域：多層次神經網絡算法。他通過后續(xù)交流得知，目前國內利用人工智能為企業(yè)做咨詢服務的公司僅有四五家，尚在起步階段。趙紫州和褚英昊便萌生了一起創(chuàng)業(yè)的念頭。

今年6月，兩人成立“WeAI”，利用MLP算法和數據驅動型模型為企業(yè)提供數據預測及分析方案的服務。比如為太陽能發(fā)電站預測輻照量、幫助共享單車預測出行需求等。

“WeAI”服務流程如下：

趙紫州介紹，在現(xiàn)實生活中一個事件受很多因素影響，單一的模型準確度不高。團隊采用的多層次神經網絡算法（MLP），適合需要考慮多因素的混合模型搭建。

以為美國太陽能發(fā)電站“IVANPAH”搭建輻照預測系統(tǒng)為例：影響太陽能發(fā)電量的云影信息有上百萬個維度，但是歷史太陽能數據、溫濕度和氣壓等只有十幾個至幾十個數據維度。

MLP采用多層結構，先把云影圖像分析提取出十幾個關鍵特征，再結合其他關聯(lián)數據一起建模。“通過混合模型的深度學習，得出的結果比單一模型更加準確。”

同時，搭建混合模型更大的優(yōu)勢在于可以利用較少的數據，完成建模。趙紫州介紹，在有效數據較少（最少50個顯性數據）的情況下，通過搭建物理模型框架，在數據欠缺時，模型一邊實現(xiàn)其功能一邊收集數據，而模型內的AI內核則不斷學習，修正模型。

以團隊為某共享單車公司做出行需求預測為例，團隊剛開始只做一個地鐵口的投放模型，獲取的數據有限。然后模型在運行過程中，逐漸接入更多的地鐵口，拿到更多的數據，不斷進行優(yōu)化。通過模型后期的優(yōu)化和修正，預測誤差可以降低50%。

        聯(lián)合創(chuàng)始人&CTO褚英昊曾在美國南加州超算中心從事研究工作7年。

除了核心算法外，“WeAI”團隊采用谷歌和南加州超算中心的架構流程，并且通過7年的實戰(zhàn)運用，擁有完整的“工具庫”。它包括“特征工程”、“訓練優(yōu)化”、“迭代優(yōu)化”等幾大類別。該“工具庫”除了可以搭建模型，還可以不斷迭代優(yōu)化出能實現(xiàn)各種具體功能的人工智能模型。

運用多層神經網絡算法和谷歌、南加州超算中心的架構流程，“WeAI”針對用戶流失率的預測準確度近90%（同行業(yè)競爭者為70%），其表現(xiàn)也優(yōu)于機器學習模型的2~3倍。

團隊于今年10月正式推出業(yè)務，依靠之前行業(yè)內的人脈，已獲得4家客戶。涉及共享單車、教育、汽車4S店等多行業(yè)的客戶分析、精準營銷等業(yè)務。

“WeAI”團隊根據客戶需求的任務量大小、復雜程度和數據結構化程度報價。報價一般為幾萬至十幾萬不等，完成時間幾天至幾星期。目前團隊已實現(xiàn)盈虧平衡。

據趙紫州介紹，團隊下一步將逐漸在部分行業(yè)深耕，將技術產品化?，F(xiàn)階段，公司正啟動天使輪融資。