當汽車涌現質量成績的時刻，普通都邑依照法定的請求和法式，由缺點汽車產物制作商停止清除其產物缺點的進程，即所謂的“汽車召回”。抵消費者和廠商來講，汽車召回常常有不小的影響，是以做出召回決議也會比擬謹嚴。

　　中國的汽車保有量偉大，關于國度質檢總局缺點產物治理中間來講，哪一個款型、哪一個批次的汽車須要召回，是個異常難做的決議。曩昔，普通采取的是專家談判軌制，用兩到三天的時光，請專家們來評選一切已知的信息——“國外的這款產物有無召回”“成績是在動員機照樣在其他的體系里”“能否有歹意贊揚”等等，年夜量的數據都須要人腦來做“挑選”，不只效力低，還輕易形成尺度紛歧。

　　2016年，百分點團體基于自立開辟的年夜數據操作體系產物，為質檢總局缺點產物治理中間搭建了年夜數據處置和建模剖析平臺。經由過程年夜量的數據收集，進一步整合缺點贊揚信息、技巧辦事通知布告、國際外召回信息等多方面的數據信息，對車輛各級總成缺點樹立了常識圖譜，并運用于數據查詢統計和可視化展現。

　　在此基本上，百分點進一步應用統計進修和機械進修算法，聯合客不雅數據和過往缺點談判案例中專家評判成果，對汽車產物缺點能夠性供給斷定，幫助談判決議計劃進程。

　　“經由過程機械和智能的常識圖譜系統，來‘進修’曩昔專家若何來斷定一款汽車產物的缺點。”百分點團體董事長兼CEO蘇萌博士引見說，經由賡續地進修，模子也獲得賡續地優化，從而將人腦的常識和盤算機獲得的數據更深刻地聯合在一路。

　　曩昔用10多位專家談判的軌制來完成一個汽車產物缺點能夠性的預判，須要200個小時；而如今采取年夜數據和人工智能相聯合的技巧，1小我用機械就可以完成，僅需兩個小時。在下降人工數據處置本錢的同時，還充足發掘了年夜數據的價值，樹立了同一的數據治理平臺。這款產物自上線以來，曾經處置了1000多起召回案例，協助完成了5000多萬輛汽車產物的召回。

　　專家指出，人工智能的退化分為遞進式的三個條理：感知、認知和決議計劃。在感知層，人臉辨認、語音辨認已普及運用，在認知層，智能客服、智能醫療助手等也已被年夜眾所熟知；而接上去，人工智能在企業和組織的決議計劃層也無望完成退化。“對企業和組織來講，最終智能是處理成績的智能，焦點是‘智能決議計劃’，基于年夜數據和人工智能的‘智能決議計劃’將是將來企業決議計劃退化的偏向。”蘇萌以為。