迄今為止，大部分人工智能落地的技術都在預測技術方面，而不是決策技術，目前決策技術的應用落地還很少。對此，俞揚以診斷報告作比喻，形象地指出，日常生活中想達到目的，比如看到診斷報告識別問題，我們不可能等著病的發生，而是想辦法將病治愈。但是決策方面落地的技術非常少，據俞揚介紹，以往決策的途徑可以分成以下三種。

南京大學人工智能學院俞揚教授

第一種是寫規則，即通過程序員將決策方式或企業決策的解決方法寫入系統中，這是決策技術的現狀；第二種是做規劃，將要解決的目標寫下來，用機器找到決策，雖然機器自動解決問題，但問題的定義還是由人來做，一旦定義出現錯誤，定義的和真實的情況不符合，那么系統就沒有任何途徑能夠修正這個定義。第三種途徑是基于學習的途徑，即基于數據驅動的途徑，通過環境感知來定義應該解決什么樣的問題。俞揚表示，第三種方法看起來更有可能解決真實環境中做決策的問題。

機器學習的三大技術

若將機器做決策放在學習的框架上，則可以分為無監督學習、監督學習和強化學習三大類技術。其中，無監督學習的數據沒有任何標記，它所做的事是分析數據，從中發現數據結構是什么。而監督學習是目前落地最多的技術，通過很多標注的數據，告訴機器圖像中是什么樣的對象，讓機器可以在數據中預測、識別到對象。

強化學習是機器學習中的一個重要研究領域，從大量數據中反復學習找到最優解，只從最終產生的結果來倒推模型應該是什么，正好對應做決策。俞揚指出，實際上這兩年強化學習在做決策方面有很大突破，突破主要是在規模上，此前大熱的AlphaGo與AlphaGo Zero都是經過深度強化學習后，在游戲中“碾壓”了人類。

強化學習面臨的困境

雖然強化學習發展較快，但目前所有的成功案例都發生在電子環境下。俞揚認為，主要原因是現在的算法效率太低。因此也出現很多批評的聲音，說強化學習，特別在引入深度學習后，需要的數據樣本量更大，導致這種方法無法直接應用于實際中。

俞揚指出，在很多傳統工業，特別是機器人設計中，大家可能會很熟悉做模擬器。模擬器通常用于高成本的行業，在傳統工業里，為了減少和真正環境的交互，通常在模擬器里先進行設計。那么，能否讓機器在模擬器中學習決策呢？俞揚以購物平臺為例，指出機器在了解買家行為的過程中，通過多代理模仿學習，根據買家數據進行觀察再行動。他表示，機器學習決策所面臨的環境更大程度上更困難，因為它是一個開放環境，而不是和固定的物理定律打交道。