【環球網科技綜合報道】過去三年，在與微軟亞洲研究院“創新匯”成員企業探討 AI 如何在各行業落地的過程中，微軟亞洲研究院的研究員們發現，資源調度優化是很多領域都存在的通用問題，這也是為什麼經久不衰的“運籌學”廣泛應用於各行各業的原因。基於三年來與成員企業的合作研究，微軟亞洲研究院近日發佈了多智能體資源優化平台“羣策 MARO”，並將其開源。
記者瞭解到，微軟亞洲研究院的研究員們將資源調度優化這個場景高度抽象，搭建出了一個可以讓 AI 技術更好賦能這一場景的、通用的技術平台 MARO。具體而言，MARO是一個面向多行業橫截面上的全鏈條資源優化 AI 解決方案，對於 MARO 已經涵蓋的場景，用户只需提供合規的數據，MARO 就可以構建仿真環境並支持分佈式並行訓練，進而給出最終的解決方案；而對於尚未支持的場景（如不同的資源實體，不同的資源產生和消耗邏輯等），MARO 則可以在限定的成本下幫助構建可行的方案。
據微軟亞洲研究院介紹，MARO 適用於由資源供需不平衡導致的資源利用率低的問題，致力於更好地在不同參與者間以合理的成本提高資源利用率，為行業創造更大的利潤空間，且為社會節省不必要的資源浪費。這其中，利用創新技術助力企業和組織在關鍵場景中高效配置資源、節能減排，也是微軟可持續發展戰略中的重要一環。
微軟亞洲研究院表示，雙11其實就是一個典型的倉儲物流行業資源匹配的場景，由於大家的“爆發式”採購，幾年前曾出現“爆倉”的問題，但近兩年這個問題相對得到了緩解，其主要原因就是倉儲物流調度水平的大幅提升。其他常見的、需要資源調度優化的場景還有共享單車中自行車與站點、人的匹配，物流運輸中集裝箱與港口、船隻、貨物的匹配，電信領域無線基站帶寬與用户流量的匹配等。
從技術角度來看，智能資源調度優化可以分為三個層面：最底層是信息感知層，在這裏需要通過一些智能感知技術把整個過程真正數字化，比如共享單車場景裏的每個停車點、每輛單車，或是航運物流裏的每個集裝箱、船隻、港口等；第二層是信息的推理層，它建立在信息感知層之上，通過預測模型刻畫未來的資源供需情況，然後基於這些情況來設計算法去優化資源調度；最高層則是智能決策層，該層無需額外的算法模型，因為智能模型可以直接利用第一層和第二層的信息給出最終的優化方案，實現完全的、端到端的決策。目前，業界的優化應用大多處於第二層，而 MARO 在兼顧第二層需求的前提下，可助力資源優化實現第三層中的智能決策。
此外，考慮到不同行業用户對 AI 技術的掌握程度會有所不同，MARO 平台提供了三種面向不同用户的構建方式，以幫助相關人員由淺入深地應用 AI 技術創建自己的資源調度優化模型。同時，平台也降低了科研成果在真實場景中應用的門檻，讓 AI 可以助力解決業界更多的實際問題。