探索与应用于优化物业服务中的人工智能
人工智能现在火的一塌糊涂，物业公司肯定也在思考，如何应用人工智能提升管理和服务能力。其实，人工智能不是新东西，早在1956年美国科学家就已经提出人工智能的概念。我在1997年念大三的时候，就学过人工智能的课程，包括系统学习了专家系统。不过当年没有学明白，也无法想象人工智能有啥价值。没有想到，人工智能的拐点始于大型语言模型的发展，特别是ChatGPT 的首次推出以及后续模型的推进，ChatGPT直接向世界展示了人工智能的颠覆性。众所周知，技术的颠覆性必然带来社会、商业的颠覆性。
如何理解人工智能的颠覆性?在探讨人工智能的颠覆性问题，我们首先需要明确什么是人工智能。常见的误解是将人工智能等同于纯粹的技术问题，实际上，对于非技术专业人士而言，人工智能可以被理解为一种提高工作和生活效率的工具。
我就从效率提升的角度看人工智能的颠覆性。1998年，我本科毕业论文是关于股票行情系统的设计，设计类似下图的股票行情显示系统。作为计算机专业的学生，我选择了Turbo C作为开发工具。
为了实现这一系统，我需要解决四个方面的知识。(1)理解股票行情图表的基本知识，例如K线图、MACD、KDJ等指标的含义和相互作用。(2)尽管在1998年微软Windows系统已经普及，但我选择在DOS平台上使用Turbo C，而DOS原生并不支持中文显示。为了解决这个问题，我国开发者创建了UC DOS平台以支持汉字的输入和显示。然而，我必须确保在没有UC DOS的环境下，开发的系统仍能正确显示汉字。(3)Turbo C调用Oracle数据库需要使用相应的API或驱动程序，当时没有弄明白，不得不自己使用C语言自行构建一个小型数据库。在这个自制的数据库中，我需要实现数据表结构设计，处理数据的录入、添加和删除等功能。(4)设计一个程序用于从数据库中读取数据并绘制K线图及其他各种指标的曲线，而且系统还必须支持通过键盘方向键和鼠标实现K线图的放大和缩小功能，这是模拟股票买卖时对历史数据的观察和分析所必需的。
作为一名大四的学生，我在毕业设计上足足花费了6个月时间。大部分时间花在了借阅相关书籍、复印资料，甚至到书店抄写代码。所有这些收集到的资料都是纸质的，我还需要将这些代码手动录入到我的电脑中，并在自习室中进行整理、调试和编程。
回顾1998年大学毕业的时刻，正值众多知名互联网企业创立的初期，百度成立于2000年，没有赶上互联网带来的信息快捷收集。
如今，互联网时代来临极大地改变了信息获取方式。如今，任何人都可以轻易在网上搜索KDJ指标的含义，甚至找到相关源代码。互联网大幅减少了资料收集时间。我估计如果当年互联网信息收集的途径，可能1个月就能够完成毕业设计。
值得注意的是，互联网时代只是提高了信息收集的效率，然而我们仍然需要花费大量时间来整合和处理这些海量信息。以生成式预训练模型(Generative Pre-Trained Transformer)为代表的工智能技术，不仅加速了信息收集过程，还能帮助我们高效地组织和分析信息，从而解放大脑，使我们更专注于创新和策略性思考。如今，人工智能强大到把股票行情图片交给GPT-4V，就直接生成C语言，可能1天就能够完成毕业设计。
从6个月到1个月，再到1天，这就是人工智能在工作效率提升带来的颠覆性。
前段时间，我们在研究中遇到一个有趣情况。一年前，我们课题组曾经编写过一段生成热力图的Python代码。然而，原始程序代码不幸丢失，仅留下生成的热力图。我的研究生将热力图投喂给GPT，GPT不仅成功识别图像，而且生成了匹配的源代码，剩下的只要我们把原始数据植入代码就能再次生成热力图。这次实践让我们感叹万千：我们曾花费大量时间和精力编写的程序，如今可通过GPT轻松地重新创建。这一实践彰显了人工智能在解决实际问题方面的巨大潜力，真正实现了对传统编程工作的颠覆。
下面第一个图是我们绘制的写字楼卫生间人流量曲线，让GPT生成的Python代码。第二图是我们让GPT解析电路图。
过去一年，人工智能从大型语言模型到大型视觉模型的转变，很多进步不仅仅在于图像生成，图像分析也在进步。在物业管理行业，我们可以利用GPT与业主交流，业主提供想要的场景照片，甚至草绘的服务要求，就可以通过GPT生成相应的服务标准。此过程既快速又精确，我们已成功应用于实际测试。例如，物业公司经常受困于向业主讲清楚出1、2、3、5、10、20元物业费的小区是什么样的?现在，GPT不仅能生成关于服务原型的图像，还能基于这些图像提供实现特定效果的策略和方法。
前几天，我观看了斯坦福大学李飞飞和吴恩达教授在CES 2024(国际消费电子展)上的对话：“事实证明，每当出现一波技术创新时，媒体都喜欢谈论技术层面，关注 OpenAI、谷歌、AWS、微软、Meta、英伟达、AMD 等公司。但事实证明，要让技术基础设施层成功，我们还需要成就另一个领域，那就是建立在这些技术提供商之上的应用层。世界各地都有很多用例等待被发现和构建，人工智能的商业基础将继续壮大。作为一种深化的横向技术，它正成为下一次数字革命或工业革命的重要推动力。”
如同李飞飞和吴恩达的对话观点，GPT在业主使用强度、使用习惯等方面能够发挥积极作用。人工智能在物业服务的应用能解决诸多问题，尤其在精准分析和优化服务方面。例如保洁工作，人工智能可协助回答最佳保洁时间。通过收集和分析大量数据，如人流量、区域使用频率和历史保洁效果等，精确预测最佳保洁时间。这种数据驱动方法提高保洁工作效率，确保资源合理分配和使用。下图是吴龙提取的写字楼卫生间服务缺陷的矩阵，这个矩阵的数据就可以用机器学习来分析。
同样道理，通过写字楼卫生间保洁缺陷发生的研究方法。还可以用于研究卫生间保洁中洗手盆水渍发生的规律，并应用GPT进行数据分析，以确定每个项目的最佳保洁时间点，以及常规保洁和巡视保洁需要协同的任务。
我们课题组以上的种种努力和尝试，我们深切认识到，真正有效的人工智能应用在物业管理领域涉及两层模型构建。第一层是生成式模型，这是一个通用的大模型概念。然而，对于特定行业应用，如物业管理，我们需要更具体的行业模型。虽然生成式模型很重要，但满足行业特定需求尚需推理式模型。推理式模型能基于关键数据点进行预测，帮助我们了解在不同服务方面，哪些措施可能产生最佳效果。物业公司也需要不断向GPT提供不断增长的、海量的、真实的、未经清洗的、干净的服务场景数据，如同卫生间的数据一样。未来的人工智能可能是一种辅助智能体，在这种模式下，辅助智能体既包含了自主工作的部分，也包含了与人类的协作部分。这比完全自动化更有可能成为现实。
正如吴恩达的观点：“人工智能是一种通用技术。这意味着它不仅仅对一件事有用。它有点像电力这样的通用技术，如果我问你电力有什么用，你会觉得很难回答，因为它的用途太广了。人工智能也是如此。”
从我个人的成长经历来看，我深感自己是幸运的一代，见证了2000年之前传统社会运营状态，到过去20年互联网崛起对社会的深刻变革，如今人工智能刚开始兴起，这个技术的颠覆性注定其对社会也一定产生比之前更深远的影响。回头来看，我略感遗憾的事情是，没有在2000年加入互联网行业，没有切身触摸到技术的变革，以我本科的技术背景，本来有多次机会可以加入产业界，但是我最终按照内心的召唤，加入学术界。今天，我特别鼓励我的学生密切关注人工智能领域，相信它是未来趋势，也是实现职业成功的重要途径。事实上，人工智能行业可能是他们未来职业发展的唯一选择，因为它代表了最前沿的技术和最大的发展潜力。我也很高兴，已经从我课题组毕业的研究生张佳慧，目前已经在合景悠活从事客服的人工智能解决方案。
