目前Libratus已经取得的成就，可以通过机器自动化的方式在很多商业场景中替人类做出战略决策和最优化策略选择，这就是人工智能梦寐以求的决策自动化。

Tuomas Sandholm表示，如果机器能够替代人类做出战略决策，那么结合深度学习的机器学习，就可以形成自动化的学习-决策-再学习-再决策的闭环，这才是完整的人工智能算法。

何斯迈介绍了杉数科技在新零售行业，特别是收益和库存管理中应用博弈论和人工智能的例子。

很多国内企业开始进入数字化和数据化时代，基于数据积累要开始量化管理，需要用到博弈AI算法。比如根据友商价格、顾客价格敏感度、顾客心理价位、季节性、产品替代及互补性、促销及拉升效应等多种量价关系要素来进行动态博弈，解决方案包括使用网络爬虫及机器学习来捕捉友商实际价格及分析友商价格策略，分析产品市场定位（主导者/跟随者/竞争者），再寻找远期利益与近期利益的动态平衡点。

何斯迈表示，现在普遍商业企业的规模很大，在一个调度管理问题的实例中，可能涉及决策变量就有上百万个，而且对实时性要求非常高，必须在秒级别完成上百万个决策变量的问题求解。何斯迈一直在杉数科技进行这方面的工作。

葛冬冬也强调，在杉数科技等的推动下，特定类型问题中百万级变量的整数规划问题求解，可以在1秒钟完成。实际上，对整数规划来说，哪怕只有几百个变量都求解都非常困难，极端情况下最好的商业软件也需要很长时间才能计算出来。

杉数这方面的进展，是与斯坦福大学的叶荫宇教授、乔治亚理工的蓝光辉教授、上海财经大学的“Leaves”优化实验室长期艰苦合作，才能实现特定场景下秒级百万规模变量的最优化求解。

有了Libratus这样成熟的博弈AI算法，其算法并没有行业领域的应用限制，再加上超大规模最优化问题秒级求解的工程化能力，就能在战略定价、产品组合优化、金融、商业谈判、业务战略、下一代安全、拍卖、医疗健康等广泛的非完美信息场景中实现机器决策+机器学习的完整人工智能体系，这将对整个社会、经济和商业带来深远的影响。（本文首发钛媒体）返回搜狐，查看更多