人工智能之殤——AI項目為何屢戰(zhàn)屢敗？

全文共 7008字，預(yù)計學(xué)習(xí)時長 21分鐘

成都創(chuàng)新互聯(lián)公司專業(yè)為企業(yè)提供烏拉特后網(wǎng)站建設(shè)、烏拉特后做網(wǎng)站、烏拉特后網(wǎng)站設(shè)計、烏拉特后網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計與制作、烏拉特后企業(yè)網(wǎng)站模板建站服務(wù)，10多年烏拉特后做網(wǎng)站經(jīng)驗，不只是建網(wǎng)站，更提供有價值的思路和整體網(wǎng)絡(luò)服務(wù)。

來源：Pexels 人工智能項目為何會失??？

時代在進(jìn)步，科技在發(fā)展，人工智能這項先進(jìn)技術(shù)已經(jīng)滲透到了人力資源、供應(yīng)鏈、多層次營銷等各個領(lǐng)域。整體發(fā)展前景和態(tài)勢似乎很不錯，一片光明。

但，對于開展自己的人工智能項目，人們的態(tài)度通常喜憂參半。

一開始聽到“人工智能”這個詞，大家一定會覺得很棒，很神奇。的確，人工智能的“成功故事”常年在坊間流傳，應(yīng)用人工智能來提高銷量和營業(yè)額的例子也比比皆是。因此，人們可能會認(rèn)為人工智能項目成功的機(jī)會一定非常多。然而另一方面，人們卻從未想過項目失敗后該怎么辦？如何來化解風(fēng)險，避免浪費(fèi)時間和金錢在某個根本不可行的項目上？諸如此類的問題還有很多，但是面對這些問題我們也并非束手無策，解決的辦法還是有的。

目前，人工智能項目為何屢屢受挫？

本文將就這一問題展開討論，探究其失敗背后的原因，比如數(shù)據(jù)不足等因素。

人工智能的前景一片光明，對嗎？

來源：Pexels

然而，文思海輝技術(shù)有限公司最近發(fā)布的一項研究表明，近年來約有85%的人工智能項目都以失敗告終。

這個時候人們可能會說，“放心！我不會失敗的，我將是那成功的15%?！必?fù)責(zé)任地說，可能會成功，也可能會失敗，畢竟目前一切還尚未可知。現(xiàn)在人們需要做的就是期待最好的結(jié)果，并且同時進(jìn)行策略性思考?？偠灾?，最重要的就是要提前熟悉相關(guān)材料，準(zhǔn)備充分，并且謹(jǐn)慎對待每一步。

失敗的原因千萬種

人工智能項目失敗的原因有千萬種，即使沒有千萬種也不止一種。

人工智能給人類帶來了無限可能，當(dāng)然其中也包括失敗的可能，而且還不少。某個人工智能項目之所以會失敗，可能是由于數(shù)據(jù)策略出錯了，業(yè)務(wù)與技術(shù)的對接出了問題，也可能是某些人為因素。當(dāng)然，除了以上列舉的這些，可能出問題的地方還有很多，筆者并不是為了嚇唬大家?，F(xiàn)在，正好趁著新年到來的火熱氣氛，筆者在這里給各位講個“鬼故事”（讓氣氛更火熱）——人工智能之殤，是為了提醒大家未來在處理人工智能時務(wù)必多加小心。

切記，未雨綢繆，才能防患于未然。

1.“大數(shù)據(jù)”不夠“大”

近年來，“大數(shù)據(jù)”一詞的熱度有增無減，然而，大眾同時也對其抱有種種疑惑。所謂的“大”到底是多“大”呢？又需要多少“數(shù)據(jù)”呢？的確，“數(shù)據(jù)”確實是問題的關(guān)鍵，這不僅僅體現(xiàn)在數(shù)據(jù)量的不足上，而且也反映在數(shù)據(jù)標(biāo)記和訓(xùn)練數(shù)據(jù)等諸多方面。

一個人工智能系統(tǒng)的成與敗，主要還是取決于輸入數(shù)據(jù)的質(zhì)量。因此，如果背后沒有足夠的數(shù)據(jù)支持，又怎么能夠得到實質(zhì)性的結(jié)果呢？但具體來說，數(shù)據(jù)本身到底會出什么問題呢？

首先，數(shù)據(jù)不足就是一大問題。如果正在運(yùn)行一個小型項目，并且相關(guān)數(shù)據(jù)也很有限，則需要提前與經(jīng)驗豐富的人工智能顧問或者數(shù)據(jù)科學(xué)家進(jìn)行商討，從而了解自己對數(shù)據(jù)集的期待以及現(xiàn)狀。那需要多少數(shù)據(jù)才夠呢？

說實話，這個問題不好回答，因為要視具體情況而定。所需數(shù)據(jù)量的多少主要取決于使用案例、數(shù)據(jù)類型，以及預(yù)期結(jié)果。然而，有時經(jīng)常會聽到人們說“當(dāng)然是越多越好了”。反正就數(shù)據(jù)科學(xué)項目而言，的確如此。

來源：Pexels

2.數(shù)據(jù)的選擇

雖然有時候的確收集到了很多數(shù)據(jù)，但是這些數(shù)據(jù)都是合適的嗎？人們可能會覺得既然所有需要的數(shù)據(jù)都有了，那項目一定會成功的！

且慢，有時候數(shù)據(jù)看起來似乎很多，但卻不一定合適。如果你是做電商的，可能有很多關(guān)于你的客戶的信息，比如他們的姓名、住址、發(fā)票，甚至還有他們的銀行卡信息。因此，你知道他們買了什么，什么時候買的，也知道他們?yōu)g覽了哪些東西，并且什么時候通過什么方式聯(lián)系過你。

但是，這其中哪些數(shù)據(jù)是必需的呢？簡單來說，解決不同的問題需要不同的信息。比如，當(dāng)你要執(zhí)行一個推薦系統(tǒng)時，就沒必要使用所有的人口數(shù)據(jù)，反而必須收集客戶的購買記錄。但是，如果要用于預(yù)測客戶流失，則需要考慮到其他各種因素。

因此，即使全世界的數(shù)據(jù)都被你收入囊中（事實上這也是不可能的），也要考慮清楚哪些數(shù)據(jù)是必需的。的確，很多人都非常樂于瘋狂地收集各種數(shù)據(jù)，甚至越多越好，但是，其實根本沒有這個必要?？偠灾?，只選對的，不選多的，因為選得再多也沒意義。

3.數(shù)據(jù)標(biāo)記

給人類貼標(biāo)簽——當(dāng)然；給數(shù)據(jù)貼標(biāo)簽——從不。

在完成某個人工智能項目時，不僅僅需要數(shù)據(jù)的存在，而且還需要對數(shù)據(jù)進(jìn)行標(biāo)記，才能使其有意義。如果收集到的數(shù)據(jù)雜亂無章，人類則需要另外花費(fèi)一定時間來完成數(shù)據(jù)標(biāo)記這項枯燥乏味的工作。數(shù)據(jù)標(biāo)記任務(wù)的確很無趣且繁瑣，以至于現(xiàn)在很多公司根本不重視這一項原本很重要的工作。數(shù)據(jù)科學(xué)家JenniferPrendki 曾于亞馬遜AWS官方博客上發(fā)表一篇文章，其中寫到：

“雖然房間里站著一頭如此龐大的大象，但是即使是那些最厲害的科技公司好像有也沒看到它，或者選擇性失明。這頭大象就是數(shù)據(jù)標(biāo)記?！?/p>

對于許多通過監(jiān)督學(xué)習(xí)的方式來進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型來說，數(shù)據(jù)的標(biāo)記尤為重要。模型要求數(shù)據(jù)必須被標(biāo)記，否則這些數(shù)據(jù)就沒有任何意義。

由于數(shù)據(jù)標(biāo)記工作極其費(fèi)時費(fèi)力，因此數(shù)據(jù)科學(xué)家通常會選擇使用已經(jīng)標(biāo)記好的現(xiàn)成數(shù)據(jù)。例如，現(xiàn)如今人們在執(zhí)行機(jī)器視覺項目時，雖然能夠從各個渠道獲取到門類齊全的高質(zhì)量圖像，但是他們通常還是主要選擇ImageNet數(shù)據(jù)庫。因為ImageNet數(shù)據(jù)庫是目前最龐大的標(biāo)記圖像數(shù)據(jù)庫，現(xiàn)存有約1400萬張圖像。

現(xiàn)今，人類每天仍然在繼續(xù)產(chǎn)生著越來越多的數(shù)據(jù)。每天上傳到臉書的數(shù)據(jù)量就高達(dá)50兆字節(jié)，而且能生產(chǎn)數(shù)據(jù)的源頭遠(yuǎn)不止臉書一個?？上攵?，算上所有這些數(shù)據(jù)，我們?nèi)祟愐呀?jīng)到達(dá)了一個尷尬的境地，即根本沒有這么多的人手來對數(shù)據(jù)進(jìn)行標(biāo)記。

4.無法完全模仿人類

來源：Pexels

通常，人們總是期待人工智能在執(zhí)行某一智能任務(wù)時的完成水平能媲美人類，甚至比人類還要更好。這樣想也是合情合理的，因為我們都知道，現(xiàn)今人工智能在越來越多的任務(wù)上的表現(xiàn)都優(yōu)于人類。的確如此，不久前人工智能甚至還擊敗了圍棋冠軍。然而，就靈活度而言，人工智能系統(tǒng)仍然遠(yuǎn)不及人類的思維。

為了進(jìn)一步闡述這一點(diǎn)，“智能推薦”就是一個絕佳例子。假設(shè)在某一次創(chuàng)業(yè)活動上，你遇到了一個很有趣的人（假設(shè)他叫“約翰”）。約翰很喜歡與你交談，并且非常欽佩你那淵博的商業(yè)和技術(shù)知識。由于他也很想了解這方面的知識，于是他要你給他推薦一本相關(guān)書籍。接著，你可能會在你的頭腦中快速檢索相關(guān)書目，比如有A、B、C、D、E等等。于是你回答說，“約翰！我知道你應(yīng)該讀哪本了！你可以讀XX書。”那么問題來了，你是如何知道應(yīng)該給約翰推薦哪本書的呢？

實際上，首先你的大腦掃描了目前已經(jīng)儲存的相關(guān)信息，比如約翰的知識面，他和你談話時的興趣點(diǎn)，以及他的個人風(fēng)格等信息。在這個時候，即使你不知道他對書籍的真實喜好，也能根據(jù)以上信息來推薦出最適合的書目，因為你總感覺他會喜歡這本書。的確，人類的感覺常常是準(zhǔn)確的。

現(xiàn)在讓我們換個場景，約翰這次“遇到”的是一個人工智能系統(tǒng)。約翰打開了一個線上書店網(wǎng)站，于是琳瑯滿目的暢銷書立刻呈現(xiàn)在他眼前。但是約翰一直沒有看到自己感興趣的，于是不斷地點(diǎn)擊“下一頁”。為什么會這樣呢？

因為該人工智能系統(tǒng)并沒有儲存關(guān)于約翰的背景信息。從專業(yè)角度來說，這是一種典型的“冷啟動（ColdStart）”案例，在此類情況中，由于系統(tǒng)未儲存約翰的相關(guān)信息，因此也無法生成個性化推薦。然而，當(dāng)約翰點(diǎn)擊搜索框并輸入“創(chuàng)業(yè)”進(jìn)行搜索，就會彈出一系列與“創(chuàng)業(yè)”相關(guān)的書目。于是，約翰在這些搜索結(jié)果中繼續(xù)瀏覽查找。這時，人工智能系統(tǒng)就會了解到“創(chuàng)業(yè)”是約翰感興趣的話題，于是之后將能依據(jù)該話題推薦相關(guān)內(nèi)容。

人工智能系統(tǒng)雖然無法徹底了解約翰，但是通過依照其他同樣瀏覽或者購買了“創(chuàng)業(yè)”類書籍的用戶，人工智能系統(tǒng)也能對他們的個人喜好進(jìn)行分析。但是，如果根本沒有其他人尋找過創(chuàng)業(yè)類書籍呢？在這種情況下，約翰將無法得到相關(guān)推薦，因為系統(tǒng)沒有獲取到任何相關(guān)數(shù)據(jù)以供學(xué)習(xí)。

最后，你和人工智能分別給約翰推薦的書籍可能會有所不同。但是，你們的推薦可能都是對的，也可能都是錯的，或者一個對一個錯。然而，人類的大腦永遠(yuǎn)不會抱怨說“數(shù)據(jù)不足”，并且所有的判斷都是臨時立刻做出的。相比之下，人工智能卻無法做到這一點(diǎn)。因此作為人工智能的“主人”，我們?nèi)祟愐膊槐罔饺藨n天，因為人工智能永遠(yuǎn)也無法完美復(fù)刻復(fù)雜的人類大腦。

5.何為人工智能偏見

人工智能偏見，或者說算法偏見，指的是計算機(jī)中系統(tǒng)性的、可重復(fù)的錯誤，并且該錯誤會帶來不公平的結(jié)果，比如表現(xiàn)出性別歧視、種族歧視，或者其他的歧視色彩。雖然從名字上來看，人工智能歧視好像暗示著人工智能的錯，然而歸根結(jié)底，錯的還是我們?nèi)祟愖约骸?/p>

谷歌首席決策科學(xué)家CassieKozyrkov曾寫到：

“沒有如何一項技術(shù)能完全脫離它的創(chuàng)造者而存在。雖然人類在科幻小說中表達(dá)出了各種最美好的愿景，但是真正獨(dú)立自主的機(jī)器學(xué)習(xí)或人工智能系統(tǒng)是不存在的。因為我們?nèi)祟愂撬木喸煺撸⑶宜械募夹g(shù)都或多或少地反映著創(chuàng)造者的目的和意愿?！?/p>

無論用在什么地方，人工智能偏見通常都會產(chǎn)生一定的負(fù)面影響。比如，對于計算機(jī)視覺、招聘工具等等來說，人工智能偏見都會讓它們有失公正和道德，甚至違反法律。然而更不幸的地方就在于，這并不是人工智能的錯，而是我們?nèi)祟惖腻e。因為懷有偏見的是人類，散播刻板印象的是人類，害怕異己的也是人類。

所以，為了開發(fā)出更加公正負(fù)責(zé)的人工智能系統(tǒng)，人類就必須打破個人觀點(diǎn)和信仰的桎梏，從而確保訓(xùn)練數(shù)據(jù)庫里的數(shù)據(jù)更加豐富多樣且公平合理。這聽起來似乎很簡單，實際上一點(diǎn)也不簡單。但是為了達(dá)到這一點(diǎn)，人類的努力絕對值得。

來源：Pexels

6.算法 VS. 公正

Joy Boulamwini（以下簡稱喬伊）是麻省理工大學(xué)的一名研究員，并牽頭創(chuàng)立了算法公正聯(lián)盟（AlgorithmicJustice League）。2017年，喬伊曾于TED發(fā)表一篇關(guān)于“算法偏見”的演講，演講開始就介紹了以下這個軟件實驗，具體內(nèi)容如下：

“嗨！攝像頭！我有一張臉，你能看到我的臉嗎？沒戴眼鏡哦？既然你已經(jīng)看到了，那我的臉長什么樣呢？我再戴個面具，你能看到我的面具嗎？”

最后，攝像頭沒能檢測到喬伊的臉，只看到喬伊的同事和她戴著的白色面具，而非她的臉。實際上，類似結(jié)果已經(jīng)出現(xiàn)不止一次了。當(dāng)喬伊還在佐治亞理工學(xué)院（GeorgiaTech）讀本科的時候，她就在研究社交機(jī)器人，并且需要完成一項任務(wù)，即“教機(jī)器人玩躲貓貓（Peek-a-boo）”。最后，機(jī)器人沒能識別出她，因為她“借”了一張室友的臉蒙混過關(guān)。后來，類似的劇情又一次上演了。在香港舉行的一次創(chuàng)業(yè)競賽中，有一家創(chuàng)業(yè)公司推出了一款社交機(jī)器人。這個機(jī)器人使用了同一款面部識別軟件，最后同樣未能成功識別出喬伊。

為什么會出現(xiàn)這種情況呢？為此，喬伊繼續(xù)解釋到：

“電腦視覺利用機(jī)器學(xué)習(xí)技術(shù)來進(jìn)行面部識別。那具體的工作原理是怎樣的呢？首先，需要創(chuàng)建一個關(guān)于人臉實例的訓(xùn)練數(shù)據(jù)集。這是一張人臉，這也是一張人臉，而這個不是……逐漸地，計算機(jī)就會學(xué)會如何識別其它人臉。然而，如果訓(xùn)練數(shù)據(jù)集所涵蓋的人臉數(shù)據(jù)不夠豐富，那么只要出現(xiàn)任何一張與既定標(biāo)準(zhǔn)偏差過大的人臉，計算機(jī)就難以對其進(jìn)行識別。也就是出于這個原因，那個機(jī)器人才沒能看到我?！?/p>

即便如此，那又有什么問題呢？人們可能會問。

要知道，如果算法偏見的影響范圍越來越廣，那么就不再是面部識別那么簡單了。的確，以下舉的這個例子過于極端，但其危險性卻仍不容忽視。如果警察利用這樣的軟件來尋找嫌疑犯，面部識別的偏見就可能會將一小部分人置于不利地位，甚至讓他們蒙受不白之冤。要是機(jī)器在進(jìn)行識別的過程中直接出了錯，那后果更不可想象。

既然談到了機(jī)器的公正性，那么就有必要在這里再提一次COMPAS。其實在之前一篇關(guān)于“信任AI”的文章中，筆者已經(jīng)有描述過COMPAS。COMPAS其實是一個預(yù)測算法，美國用來它來預(yù)測某一罪犯再犯的概率，并依此來量刑。

要知道，這樣一個完全依靠歷史數(shù)據(jù)的算法，會直接判定黑人罪犯的再犯率更高。

除此之外，亞馬遜也曾推出過一款“臭名昭著”的“AI招聘人員”。結(jié)果，這一系統(tǒng)表現(xiàn)出對男性的偏愛，因為大部分的上班族都是男性，所以有這樣一種選擇傾向完全是符合算法邏輯的。

7.部門高管的不重視

目前，人工智能的應(yīng)用面臨著種種挑戰(zhàn)，其中之一就是部門高管的不重視。他們不重視這些新興技術(shù)的價值，因此也不愿意投資，也可能是你想用人工智能來“增強(qiáng)(Augment)”的部門對此根本不感興趣。

的確，這也是人之常情?，F(xiàn)今，人工智能仍然被視為一種高風(fēng)險事物，不僅成本高昂，而且也難以操作和維護(hù)。盡管如此，人工智能的熱度仍然有增無減。實際上，人們應(yīng)用人工智能時要用對方法，在初始階段提出一個人工智能可以解決的商業(yè)問題，設(shè)計好數(shù)據(jù)策略，并且記錄好合適的指標(biāo)和投資回報率。

與此同時，團(tuán)隊成員這邊也要準(zhǔn)備好與人工智能系統(tǒng)“共事”，并且及時確立起成功和失敗的標(biāo)準(zhǔn)。

大家可能已經(jīng)注意到了，筆者在上文談及人工智能的任務(wù)時，用的是“增強(qiáng)(Augment)”這個詞。原因很簡單，人工智能的主要任務(wù)是“輔助”人類工作，支持?jǐn)?shù)據(jù)驅(qū)動決策，而非完全取代人類的工作角色。當(dāng)然，現(xiàn)在有一些人工智能項目的確是為了盡可能地實現(xiàn)自動化。但是就普遍情況而言，這并不是人工智能的“主業(yè)”，因為人工智能主要還是與人類進(jìn)行合作。

并且研究表明，人類與人工智能的協(xié)作能產(chǎn)生更好的結(jié)果。在哈佛商業(yè)評論（Harvard Business Review）的一篇文章中，作家詹姆斯?威爾遜（H.James Wilson）與保羅?多爾蒂（Paul R. Daugherty）曾這樣寫到：

“在一項涉及1500家公司的研究中，我們發(fā)現(xiàn)，人類在與機(jī)器協(xié)同工作時，企業(yè)產(chǎn)生的效益最高?！?/p>

然而作為領(lǐng)導(dǎo)，其在人工智能項目中的職責(zé)在于幫助員工理解為什么要引進(jìn)人工智能技術(shù)，并且教授他們?nèi)绾卫媚Ｐ蛠硗瓿扇蝿?wù)。如果不這樣，即使再神奇的人工智能系統(tǒng)也只會淪為一堆毫無意義的數(shù)字組合。

為了進(jìn)一步闡述其重要性，讓我們來看一個引自CIO首席信息官雜志的例子。有一家叫做Mr.Cooper的公司為了改善客戶服務(wù)，于是引進(jìn)了一個對客戶問題提供解答的推薦系統(tǒng)。然而在該系統(tǒng)已經(jīng)運(yùn)行9個月之后，該公司發(fā)現(xiàn)員工們并沒有使用這個智能系統(tǒng)。后來又進(jìn)行了長達(dá)6個月的研究，該公司終于發(fā)現(xiàn)了其問題所在。最后研究發(fā)現(xiàn)，由于訓(xùn)練數(shù)據(jù)主要是一些企業(yè)內(nèi)部文件資料，并且這些文件對問題的描述充斥著各種專業(yè)術(shù)語，而普通用戶在描述問題時多使用日常用語，因而這就使得算法模型無法理解，最后推薦了一些毫不相干的內(nèi)容。

上文的例子充分展現(xiàn)了員工理解的重要性，他們必須理解為什么以及如何與人工智能一起工作，并且有權(quán)質(zhì)疑系統(tǒng)的有效性，必要時上報相關(guān)問題。除此之外，這個例子還告訴我們，可靠的訓(xùn)練數(shù)據(jù)是多么的重要??！

來源：Pexels

8.“英年早逝”

在真正執(zhí)行人工智能項目時，有的人可能還沒開始就已經(jīng)結(jié)束了。

毫不夸張地說，真的可能會出現(xiàn)這種情況。之所以會這樣，是因為人們還沒準(zhǔn)備好數(shù)據(jù)、預(yù)算、團(tuán)隊、策略等各種必需資源，就急于著手開始項目。如果沒有提前準(zhǔn)備好這些要素，一切都將化為不切實際的空想。

也正是因為如此，我們才反復(fù)強(qiáng)調(diào)策略性方法的重要性。在進(jìn)行人工智能項目之前，必須確保自己已經(jīng)準(zhǔn)備好各種要素，尋找合適的商業(yè)使用案例，構(gòu)想出恰當(dāng)?shù)臄?shù)據(jù)策略并建立目標(biāo)。如果開始時不思考具體策略，之后的步驟將難以進(jìn)行，并且風(fēng)險也會大大增加。

在創(chuàng)建人工智能項目，尤其是自己的第一個項目時，應(yīng)設(shè)定一個大的總體目標(biāo)來指引方向，與此同時也應(yīng)該要有一些階段性目標(biāo)。

這樣的話，在證明項目可行性的同時，也能夠有效降低失敗的風(fēng)險，從而避免在一個完全沒有意義的工具上去浪費(fèi)公司的金錢。在執(zhí)行第一個人工智能項目時，不應(yīng)該立即在整個公司范圍內(nèi)鋪開使用，反而可以選擇先試驗PoC項目，從而讓整個組織結(jié)構(gòu)提前適應(yīng)一下這種未來的“新常態(tài)”。

隨著時間的推移，整個公司和人工智能系統(tǒng)都會有一定發(fā)展：人工智能系統(tǒng)會越來越先進(jìn)，同時公司團(tuán)隊也會越來越高效，數(shù)據(jù)驅(qū)動性亦會隨之提高。

在項目過程中，如果人們能逐步完成階段性目標(biāo)，并且時刻把握住總體目標(biāo)和大方向，那么互利共贏將是必然結(jié)果?？偠灾斯ぶ悄苤皇侨祟愑脕磉_(dá)到自己目標(biāo)的工具，而非目標(biāo)本身。

如何避免失敗

當(dāng)然，失敗也不是不可避免的。

既然現(xiàn)在已經(jīng)有那么多的組織在人工智能上失敗過，我們就可以從他們的錯誤中吸取經(jīng)驗，從而避免自己的公司再重蹈覆轍。

此外，我們還應(yīng)該遵循市場規(guī)律，切忌局限于眼前的競爭，并且放眼于整個科技世界。只有這樣，我們才能設(shè)定符合實際的目標(biāo)，找到有發(fā)展前景的使用案例，并且及時發(fā)現(xiàn)自身的局限性。

來源：Pexels

人類的愿景，指導(dǎo)和投入最終成為人工智能項目成功的重要組成部分。既然堅定了人工智能這條路，就請一直堅持到最后，相信終有一天可以實現(xiàn)“屢戰(zhàn)屢勝”的完美大局。