提起供应链，大家的第一印象通常是物流配送，还有那些风里来雨里去的快递员。
其实供应链涵盖的范围远不止如此，完整的供应链还包括产品设计、原料采购、生产制造、市场推广、客户服务、回收再制造等多个环节。
可以说，从我们吃的蔬菜水果，到企业生产所需的原材料，再到支撑国家发展航天事业的精密设备，现代生活的方方面面都离不开供应链系统的支持。
随着产业经济的发展和对降本增效的诉求，构建智能、高效、可靠的供应链体系已然成为了整个社会的刚需。国际供应链管理专家马丁·克里斯多弗（Martin Christopher）教授早在 20 多年前就曾预言：“未来的竞争将不是个体或组织之间的竞争，而是供应链与供应链之间的竞争。”
2019 年，中国国家科技部宣布依托京东建设智能供应链国家新一代人工智能开放创新平台，京东科技集团机器学习部负责人兼京东（上海）人工智能研究院院长易津锋博士正带领团队建设该平台的多项核心智能化能力。此外，他也正在负责建设国家科技部科技创新 2030“新一代人工智能”重大项目中的一个核心课题，打造面向供应链的智能化示范应用和开源开放平台。
近日，他入选了《麻省理工科技评论》“35 岁以下科技创新 35 人”（Innovators Under 35）2020 年中国区榜单，入选理由是兼顾AI技术的安全性与实际应用，成功解决了从传统供应链向智能供应链转型中面临的多个关键问题，积极推动供应链智能化转型与产业数字化升级。
图 | 《麻省理工科技评论》“35 岁以下科技创新 35 人”2020 年中国区榜单入选者易津锋
安全可靠，是 AI 算法的基础
因为一次 QQ 被盗的经历，易津锋在高考填报志愿时选择了中国科技大学的信息安全专业。经过多年系统性学习，他发现许多生活中常见的系统都存在不同程度的安全漏洞和隐患。为了深入理解底层算法，设计出更加安全可靠的系统，他选择了出国读博深造。
时值 2009 年，彼时的人工智能（AI）技术正蓄势待发，金融、医疗、自动驾驶等行业已经开始积极探索 AI 应用，但尚未形成气候。
拥有信息安全背景的易津锋意识到，未来随着 AI 技术的普及，其底层算法、模型的安全性关乎人们的生命财产安全，还会最终影响技术的大规模应用与推广。
因此他选择了 AI 作为博士期间的主攻方向，致力于设计更加安全可靠的 AI 模型，并在“众包学习”、“矩阵补全”、“聚类分析”等领域的理论和应用上都取得了重要进展。
他的联合导师，美国密歇根州立大学杰出教授，美国国家工程院院士及中国科学院外籍院士 Anil K. Jain 教授评价称，“易博士在进行 AI 研究时，非常重视模型的可靠性。他提出的几乎每一个新的算法都有着严格的理论证明，可以保证即使在最坏的情况下也不会犯下严重的错误。”
毕业后，易津锋加入了 IBM 研究院的全球总部 IBM 托马斯沃森研究中心（IBM T. J. Watson Research Center），着手研究当时新兴的对抗机器学习问题。
这是当时机器学习领域最前沿的研究方向之一，目的是解决 AI 模型被误导和欺骗的问题。
以图像识别为例，下图展示了七张鸵鸟图片，人眼几乎看不出任何区别。但如果把它们分别输入一个分类准确率很高的 AI 模型，除了左边第一张图能被正确识别为是鸵鸟之外，右边的六张图都会被错误地识别成海狸、摇篮、吸尘器等完全错误的类别。
图 | 在添加不同的肉眼不可见噪音后，原本能正确分类的 AI 模型也会被误导
产生这一现象的原因在于右边六张图片被“动了手脚”。在鸵鸟原图的基础上，它们被添加了一些人眼无法识别的微小噪音，从而形成了和正常样本看起来一样，但会让 AI 模型产生误判的对抗样本。
AI 技术目前已广泛应用于自动驾驶，医疗，金融，安防等领域，对抗样本的存在很可能会给人们的生命和财产安全带来极大的威胁。例如，类似的事情如果出现在无人驾驶汽车上，AI 系统就很可能会误判交通标志，从而酿成大祸。
作为全球较早开始研究对抗攻防和 AI 鲁棒安全性的学者之一，易津锋提出了一系列深具影响力的研究成果，涵盖对抗样本生成、对抗样本防御以及模型鲁棒性评估等多个重要问题。
例如，他和合作者们共同提出了第一个基于梯度估计的黑盒对抗攻击算法，将此前仅仅 30% 左右的黑盒攻击成功率首次提升到了接近 100%；提出了当时模型访问效率最高的基于“hard-label”的黑盒攻击算法；提出了第一个不依赖具体攻击算法的深度神经网络鲁棒性评估指标；首次发现模型准确率和鲁棒性难以兼得以及它们与帕累托边界的关系等等。
相关研究成果目前已数十次发表在 NeurIPS、ICML、ICLR、KDD、ACL、ICCV 等顶级 AI 学术会议和期刊上。
除了研究对抗样本，易津锋也在积极探索与隐私保护、数据安全相关的课题。这些成果兼具学术价值和应用潜力，广泛应用于 IBM 等公司的智能化产品中，服务了许多的企业、政府和个人用户。
出色的工作表现让易津锋从数千名 IBM 研究员中脱颖而出，入选了当时新成立的 IBM 旗舰人工智能研究机构—— “人工智能基础研究院”。
这个研究院是当时 IBM 最顶尖的人工智能研究机构，其创始团队几乎全都是领域知名的 AI 专家，包括 IBM“深蓝”超级计算机发明人，多位国际顶级协会 Fellow 及多个顶级学术会议的主席等，而易津锋是最年轻的入选者之一。
用 AI 为供应链赋能
在 IBM 工作期间，易津锋曾利用 AI 算法帮助美国一家连锁超市进行销量预测和库存管理。
他发现，传统供应链中的很多环节都可以通过 AI 技术进行优化，从而显著提升效率、降低成本。此外，供应链是一个由大量上下游企业级联组成的复杂网络，整个网络很难在缺乏信赖关系的情况下高效运转。这也正是安全可靠 AI 技术的最佳落地场景。
“我不希望对 AI 的研究仅仅停留在论文上，更希望它能真正落地，创造广泛而深远的实用价值。”易津锋说道。
秉承这种信念，他选择了供应链作为 AI 落地的方向，希望能利用安全可靠的 AI 技术对其赋能，从而推动供应链的智能化转型，创造出更大的价值。
2018 年 4 月，易津锋选择回国加入京东，目前担任京东科技集团机器学习部负责人兼京东（上海）人工智能研究院院长。在京东工作的两年多时间里，易津锋已经获得了包括 CEO 特别奖、杰出成就金项奖、技术创新金项奖等多个重量级奖项。
图 | 易津锋简介
目前，他正带领团队建设中国国家级的智能供应链平台——“智能供应链国家新一代人工智能开放创新平台”的核心智能化能力。
他告诉 DeepTech，在向数字化、智能化转型的过程中，供应链的众多环节和场景都需要准确、高效、安全的 AI 算法作为支撑，甚至在很多时候还需要由技术去推动和实现供应链管理模式的颠覆和创新。
如何在这样一个涉及到众多环节以及海量上下游企业与消费者的复杂系统中融入 AI 技术，是一个难度极高的工作，经常需要在没有先例的状态下“摸着石头过河”。
易津锋带领团队自主研发的商品智能化反向定制系统，就是一个很有价值的尝试。
所谓的商品反向定制，也被称为C2B（Consumer to Business）或 C2M（Consumer to Manufacturer），即用户直连企业，是对供应链中传统 B2C（企业对用户）商业模式的重构和升级。
在传统的 B2C 模式下，B 端企业通常占据主导地位，C 端用户只能被动接受商家生产和销售的商品，其弊端在于难以满足用户的个性化需求，而企业也面临着商品积压滞销的风险。
反过来，在 C2B 模式下，C 端用户的话语权被放大，可以充分提出需求并由企业按需生产。这样一来，用户能买到心仪的商品，而企业也避免了滞销和浪费，实现双赢。
其实 C2B 概念早已有之，但在实践中面临着诸多难题。比如 C 端消费者数量庞大，每个人都有各自的想法，但企业难以满足所有需求。另外，大多数用户往往缺乏反馈需求的动力和渠道，也导致企业难以听见用户的真实呼声。
图 |商品智能反向定制系统
为了解决这些难题，易津锋带领团队打造了业界第一套全自动化、智能化的商品反向定制系统，背后用到了许多他们在 AI 领域的科研成果，涵盖深度学习、强化学习、度量学习、元学习、大规模优化等多个领域。
用户在京东上的各种消费行为产生了大量的数据，经过严格的脱敏处理后，就能用于训练该系统背后的各种 AI 模型和算法。结合多种 AI 模型与脱敏消费大数据，该系统可以预测出用户在不同细分市场下的共性化与个性化需求，来替代成本高、可信度差的调研问卷，解决了企业难以获取用户需求的问题。
此外，该系统还能从数据中挖掘用户痛点，再综合考虑商品的属性和功能，从而自动设计出满足不同人群需求的商品，帮助企业提升销量。
相比人工定制，AI 算法能考虑到商品的每一维属性并给出优化建议，同时还能预测商品上市后的销量及用户评论情况。
这其实也是整套系统最大的技术难点之一——面对从未上市的新品，如何给出可靠的未来市场预测？
“我们借助各种人工智能技术以及脱敏后的海量消费大数据，训练了一整套模型去精准模拟海量用户对各种商品的搜索、浏览、收藏、购买、评论等一系列行为，” 易津锋解释称，“然后我们就可以将设计出的新品放入这套模型，查看它在模拟环境下的表现，从而决定是否继续优化设计方案。”
目前这套系统已经落地应用，帮助多家企业打造出如全 AI 定制的冰箱、电动牙刷等商品，不仅显著缩短了这些商品设计研发的周期，还获得了很好的销量。
除此之外，易津锋还带领团队打造和升级了数十项智能供应链能力和产品，目前已在公司内外广泛应用，未来将成为国家级供应链平台的核心智能化模块，推动传统供应链向智能供应链转型。
谈及供应链领域的未来发展，易津锋的想法颇具前瞻性。
他认为，供应链结合 AI、5G、物联网等技术的发展趋势已被广泛讨论，但还有一些看似不太相关的技术也有望成为重塑供应链行业的“黑马”。
3D 打印就是这样一个例子。在传统供应链模式下，一个商品在送达终端消费者手中之前，需要经过原料采购、生产制造、物流配送等多个环节。如果未来能够实现高效且低成本的 3D 打印，意味着商品不再需要由工厂统一生产和运输，消费者如果需要某款商品，可以选择就近打印出来。
对企业来说，这种方式可以节省大量的物流和仓储成本，实现更大规模的按需生产。对供应链模式来讲，也从过去的线下传输物品，转为线上传输 3D 打印方案，把一部分物流转变成了效率更高的信息流，从而实现了供应链模式的升级和效率的提升。
未来，易津锋还将继续扎根在推动供应链智能化转型和产业数字化升级这一领域，带领团队不断研发出高效、可靠、安全的智能化产品和服务，在供应链的各个环节上探索和实现 AI 技术的落地应用，为产业和实体经济的降本增效与优化转型持续贡献自己的力量。
