上海财大教授何斯迈：当器官移植遇到匹配难题，可以用 AI 提高配对率

本篇文章4839字，读完约12分钟

根据crunchbase的数据，从今年年初到7月，各投资者对全球人工智能和机器学习公司的投资额已经达到36亿美元。去年，这个数字只有33亿美元。

艾不可避免地成为许多人眼中的热点。对于人工智能领域的参与者来说，也许现在需要认真考虑的是:真正适合他们的人工智能细分方向是什么？在山书科技与钛媒联合举办的第三届人工智能大师圆桌会议上，何思迈教授发表了题为“收益与库存管理中的博弈行为”的主题演讲。雷锋。据悉，何教授是上海财经大学信息管理与工程学院教授，中国运筹学青年科技奖获得者，山书科技的科技顾问。

何教授以肾移植为例说明人工智能如何帮助肾移植提高配型效率。在人工智能系统的帮助下，器官交换移植匹配系统的效率一直在提高，最佳系统效率达到了90%，也就是说，它可以保证至少90%的匹配率达到理论最优解。此外，在各种非营利肾移植机构中，肾移植的数量从每年28，000例增加到33，600例。

在接受采访时，何教授还表示，人工智能在美国已经被广泛应用于器官移植，但是交换移植在中国还没有被放开的法律层面，而且空优化房也很少。“我认为这种交换移植的方法应该在某个时候慢慢释放。我们应该先讨论可行性。”

后来，何教授介绍了人工智能如何帮助商家定价。他说，定价是一个非常动态和快速变化的过程。顾客、朋友和商品的性质都会导致价格的重大变化，所以人工智能是帮助企业做出重要决策所必需的。

在他的演讲中，他还提出了一个定价模型——稳健定价。“从本质上讲，即使预测的准确性不令人满意，也仍然有可能通过模型和理论来保证给定的定价策略是有效的，风险是可控的。利用供求关系进行定价，可以通过整体调整增加销售额、收入和利润。”

何教授在接受采访时说，商业化之一就是标准化场景的应用，包括图像识别、语音识别和自动翻译。标准化场景的优势在于其高再现性和广泛的应用领域，这些领域通常基于toc。然而，toc只能在这样一个高度标准化的场景中进行。其他的都是所谓的复杂场景。当需要定制服务时，他们现在只能提供tob服务。

“现在，我认为智能零售的潜力相对较大，它也可能慢慢渗透到智能制造业。然而，智能制造企业的技术积累不如智能零售企业多。因为智能零售往往是一个电子商务企业，它的企业基因就在那里，它有很多技术储备，可以很快消化我们的新技术。包括我们为他们开发的产品，他们拥有一个良好的数据平台，可以快速集成。”

以下是客人的发言记录。雷锋。(公开号码:雷锋。com)进行了编辑，但没有改变其初衷。

何思迈:大家好，我主要介绍人工智能是如何与运营管理和商业实践相结合的。

这个讲座主要是关于商业智能，也就是运营和管理中的人工智能。主要内容分为三个部分。第一部分是人工智能在器官移植中的应用，这也是对sandholm教授(他是肾移植方面的专家)的致敬。由于社会的极端需求，这一系列的工作对公众利益具有重大意义。

第二部分是收益管理，主要讨论当定价和库存是具体的决策问题时，如何将人工智能与具体的商业环境相结合。

第三部分，在收入管理中，包括库存管理，我们还需要考虑一些战略性的客户行为，这涉及到一个很强的博弈背景。当顾客观察或猜测商家的决策规则时，他们会做出相应的战略购买行为，这将对商家的战略效果和最优决策产生重大影响。

人工智能在运营管理领域的应用主要分为三大块。其中一部分非常接近传统的人工智能，即如何分析数据以及如何依靠数据做出预测。一部分是模型，需要根据具体的业务环境和需求进行定制和调整。一部分是算法，因为业务场景通常需要在有限的时间和计算资源内解决复杂的决策问题。

传统人工智能现在有一些很好的应用，比如著名的阿尔法围棋。艾在图像识别、语音识别和文本翻译等领域都做得很好。所有这些领域都有一个共同的特点，那就是目标非常明确。例如，在图像识别和人脸识别中，识别精度有多高？总的来说，问题和目标都明确，外部环境相对稳定。

但是在商业智能时代，我们面临着完全不同的问题和环境。明年，今天的商业环境可能会完全不同，经济环境可能会改变，竞争对手也会改变。特别是在人工智能的应用领域，很多应用都是关于电子商务的。但对于主流电子商务来说，目前的年增长率极高。也许每年，它的产品结构和客户结构都在变化。

第二个大问题是商业环境中有很多目标，但是没有一个明确的目标。也许企业在里面，有些部门想追求库存管理的优化。其他部门希望保证订单的满意率，越高越好。在收入管理中，销售量和利润之间的平衡是经常需要的。当不同部门追求的目标不一致时，我们应该如何做决定？在具体的实际情景中，如果能够充分挖掘不同部门之间的需求差异，如果能够充分梳理和考虑不同约束之间的复杂关系，对于提高收入将是非常有意义的。因此，有必要通过模型将人工智能技术与问题结合起来。

这里有一些具体的例子。首先是器官移植。传统的器官移植有两种，一种是亲属捐赠。另一种传统的捐赠方式是由死者捐赠，死者生前签署了器官捐赠协议。然而，基本上对于任何一种器官来说，目前死者捐赠的数量都远远不够。更严重的肾移植，只有10%-20%，这个数字非常非常低，那么我们该怎么办？

在医疗实践中，往往有亲属愿意捐献但不能捐献，往往是因为血型和各种抗体。因此，可能有两个家庭。甲的家庭成员不能捐献给他们的亲属甲，但他们适合另一个病人乙。而乙的亲属的器官适合病人甲..当这种情况发生时，双方可以通过交换捐款来解决问题。慢慢地，这种应用越来越广泛，因为它真的可以挽救很多人的生命。后来，每个人都发现，你能做更多吗？例如，我不能匹配两个人，但是三个家庭以循环的方式匹配，并且四个家庭和五个家庭可以匹配。历史记载最多的是10多个家庭同时进行大循环手术，但这种移植方案存在一个严重的问题，即必须同时进行多次手术。因为捐赠者可能会突然在肾移植中出尔反尔，这将导致严重的问题，特别是当出尔反尔的捐赠者的亲属已经捐献了。为了避免这些问题，现行法律严格规定它们必须同时交换和执行。但即便如此，有时还是有一些问题。

另一种方法是链匹配。简单来说，死者捐赠的器官是移植给病人的，但前提是病人的亲属承诺将肾脏捐赠给下一个病人，而病人的亲属又承诺将肾脏捐赠给下一个病人，形成了连锁反应。链式移植的最大优点是不需要同时严格执行。在每个家庭中，病人首先得到肾脏，然后捐赠者捐献器官。如果有人食言，会有一些负面影响，但相对来说是很小的。链移植的另一个优点是它的高选择性，这将大大提高系统的移植效率。缺点是它会消耗死者捐赠的部分肾脏。

目前，美国已于2007年正式立法允许交换移植。一些机构和平台已经建立为肾移植交流机构，如unos。主要是非盈利性的，目的是收集愿意捐赠器官的患者和亲属的数据，以便更好地匹配这些亲属。这些机构成立4-5年后，肾移植数量从每年28，000例增加到33，600例。

然而，连锁移植将面临一个道德问题。死者捐赠的肾脏远远不能满足没有亲属的病人的需要。一方面，一个肾脏可以通过链式移植挽救许多病人，但同时，一定有一些病人不能得到适当的器官移植。这有点像著名的电车问题。有一群孩子在跑道上玩耍。当你看到火车来了，你可以选择把火车变成叉子来救这些孩子，但是这会伤害到另一个在叉子上工作的人。这是一个普遍的道德问题。因此，在肾移植过程中，做决定的人越多越好。由于某些类型的病人因其特殊的抗体和血型而难以匹配，当只有短期移植是最有效的时候，这类特殊病人就会积压。此时，这不是一个简单的预测。我必须预测每个肾脏捐献给病人后能活多久，以及它们之间的移植存活率有多高。这时，我们用机器学习，让人工智能来做决定，这样效率会高得多。

这种决策是典型的多阶段动态决策，其中涉及到一些冲突。你如何解决这个问题？目前，在unos中使用整数规划算法的优点是移植率相对较高，每个阶段都有更多的人，但也存在一些问题。最近，我们有一篇论文，提出了一个相对简单的随机近似算法。有了这个算法，我们甚至可以在不依赖计算机的情况下实现高效率。困难的病人也不会积压。目前，该器官交换和移植匹配系统的效率一直在提高，最佳系统效率达到了90%，也就是说，它可以保证理论最优解得到至少90%的匹配率。

接下来，我们将介绍人工智能在收入管理中的应用，这是基于我们与许多家电制造商合作时遇到的实际问题。在收入管理中，一个关键问题是如何定价。这个问题非常复杂。

首先，不同产品的定价逻辑不同。许多商家只是预测在某个价格下他们能卖出多少件，然后选择一个看起来更合适的价格。但这还不够。有些产品采用市场上最简单的成本价，即什么是成本，并加上一个权重来产生销售价格。在电子商务环境中，大多数关键产品采用的定价逻辑是比较价格并跟随价格，即确保价格低于竞争对手。现在你可以看到，很多电子商务平台的产品肯定会比竞争对手的低，如果高了，他们会补偿损失。有一些产品，它面临的竞争环境不是很激烈，所以它的定价逻辑应该考虑供求关系。此时，空的利润往往相对较大。还有其他定价方法，如价格歧视，它不同于对所有客户统一定价的一般定价。价格歧视要求给不同的顾客不同的价格，从而使利润最大化。我们还提出了一个称为稳健定价的定价模型。从本质上讲，即使预测精度不令人满意，也仍然可以通过模型和理论来保证定价策略的有效性和风险的可控性。综上所述，如果没有对产品更好的理解，就不可能实现合适的定价。对于不同的产品，我们必须首先了解不同的产品定位，并决定基本的定价逻辑。

其次，定价需要考虑复杂的因素，在简单分析数据时容易遗漏一些关键因素。例如，我们需要考虑朋友的价格和顾客的心理价格。今天，我总是把价格定在20英镑，但友好的生意可能会从20英镑调整到25英镑。如果友好企业的价格因素没有包括在数据中，就不可能做出高精度的预测。

此外，还有客户价格的敏感性。有些顾客不在乎价格。在做小调整时，他们关心你的服务。但是其他顾客更敏感。这将引出一个有趣的问题:商家应该定期促销，还是在中间保持价格稳定更好？还有季节性产品。或者替代产品，如手机、三星、苹果、华为等。，具有严重的替代效应。最后是配套产品，当顾客购买电脑时，他们会购买键盘和鼠标配件。

定价的最大挑战是促销。你不仅推销自己，而且你的竞争对手也长期推销。对于许多产品，你会发现一年中90%的时间，你或你的竞争对手都在促销。此时如何定价，促销会有各种影响。

例如，当比较价格和价格时，使用的对象是什么？在比较具有高度关注和竞争的产品的价格时，存在一个严重的问题。为了计算顾客和价格之间的量价关系，传统的统计或经济模型经常使用参数模型，而许多人使用线性模型。然而，当比较价格时，数量和价格之间的关系通常与线性关系极不相称。顾客在心理价位附近很敏感，但当他们偏离心理价位时就不那么敏感了。这里涉及到很多问题，比如如何捕捉心理价位，这往往与朋友和类似产品的价格有关。

另一个是我已经调整了价格，朋友们可能会跟着调整。这种情况是动态的。我可以选择和我的朋友一起调整价格，或者避开为促销而调整价格的那一天，在他不促销的时候做。此时，采用的手段包括网络爬虫和机器学习来预测和捕捉对方的行为。因为涉及到游戏，我们需要知道我们是市场中的价格领导者还是价格跟随者，以及我们与竞争对手的关系是什么？具体决策与市场定位密切相关。

另外，我目前的利益和我的长期利益之间的平衡是什么？例如，亚马逊的策略是在竞争对手中保持绝对低价。这一策略在美国获得了巨大成功，这使得亚马逊占据了垄断地位。但在中国，同样的策略是无效的，亚马逊基本上被挤出了市场。

关于供求关系，我们可以看到，如果用供求关系来定价，通过整体调整，销量、收入和利润都可以大幅增加，幅度相当大，这就是稳健定价的效果。

该图显示了flash电子商务平台的订购策略效果。我们在第一阶段使用鲁棒排序，在第二阶段使用人工智能学习来应用新数据，这可以大大提高性能。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。