吹響「人工智慧應用」的集結號AI Conference2018北京站大會圓滿落幕
2018年4月10日至4月13日，由O"Reilly和Intel共同舉辦的AI Conference 2018北京站大會在北京國際飯店會議中心隆重舉行。大會的主題是「探索在業務中應用人工智慧的機會」，來自Google、Intel、Uber、Amazon、百度、微軟、阿里巴巴、螞蟻金服、SAS、IBM、Unity、SalesForce、eBay、Bonsai、伯克利、斯坦福及牛津大學等在內的中美知名企業和高等學府的85位業界專家、學者以及研發人員，在4天的時間裡，通過近百場的主題演講、分會場議題以及相關培訓活動，為來自全球的千餘名與會者分享了中美在人工智慧應用方面的最新成果，引起了業界的廣泛關注。
在大會的主題演講中，多位業界大咖向與會者介紹了各自領域裡人工智慧應用的最新進展情況。
來自Intel人工智慧事業部副總裁兼人工智慧實驗室和軟體總經理Arjun Bansal博士分享了Intel人工智慧助推醫療行業現代化的進展。包括如何利用深度神經網路幫助解決醫療數據集龐大的問題，優化流程，提高醫生的效率；利用深度學習和機器學習大幅提升腫瘤檢測的效果；通過有效優化演算法而大幅降低新葯研發的成本等。
同樣來自Intel的劉茵茵博士是Intel 人工智慧事業部數據科學部的數據科學主任，她和團隊成員一起推動Intel Nervana平台的開發和設計，並將深度學習和Intel Nervana技術應用於不同行業領域的業務應用。
劉博士在發言中首先談及了Intel應用方案的整體思路：組建一個NLP平台，建立一個開放靈活的堆棧，利用平台和堆棧創建一些商業應用解決方案。接下來劉博士給大家分享了NLP利用深度學習網路處理自然語言的最新演算法發展，如：文檔理解之類的應用，實現快速篩查海量文本，分類標註並找到相關信息。之後，劉博士還通過幾個使用Intel 人工智慧技術的NLP企業案例展示了在深度學習領域裡面出現的一些創新：如何影響處理文本，語言及基於對話應用，以及啟動利用數據的新方向等。
作為Google TensorFlow團隊的科學家，Sherry Moore向與會者分享了Google人工智慧平台TensorFlow的最新研發和應用情況，Google如何讓每個人都能夠從人工智慧中受益以及Google致力於讓人工智慧惠及每個人的理念。
在演講中，Sherry提到了人工智慧在Google Assistant、Google Home、Google+等產品中的應用，其中特別提到Google Translate通過使用神經網路翻譯進行整句翻譯，大大提高了翻譯的準確性。
同時，Sherry也介紹了Google人工智慧在醫學、農業、航空運輸、環境保護等領域的應用。此外，TensorFlow的開源對於行業和產業界皆帶來很大的變化，Sherry也就此專門進行了40分鐘的分會場的議題分享。
來自Uber的Erran Li博士是Uber高級技術團隊的資深研究科學家，ACM和IEEE計算機學會的成員，康奈爾大學計算機科學博士。Erran Li博士向與會者分享了深度增強學習如何顯著地推進自動駕駛的潛力，如：領域適應和用於感知和行動的遷移學習，無監督學習；模型預測控制（例如iLQR）領域的研發近況，如：模仿學習（例如DAGGER、infoGAIL），策略梯度法以及層次增強學習（例如A3C和變化降低）等，以及它們在自動駕駛方面的應用表現，同時也介紹了在自動駕駛領域所剩「最後10%」的問題所帶來的巨大挑戰。
來自Matroid公司的創始人兼CEO Reza Zadeh博士概述了Matroid的Kubernetes部署，它為大量用戶提供了定製的計算機視覺和流監控，並演示了如何在瀏覽器中定製計算機視覺神經網路模型。同時解釋了Matroid如何按比例構建、訓練和可視化用以監視視頻流的TensorFlow模型。
Danny Lange博士是ACM和IEEE計算機學會的成員，在世界頂尖遊戲公司Unity Technologies擔任人工智慧和機器學習的副總裁，而曾經擔任Uber機器學習負責人，亞馬遜機器學習公司總經理，微軟的首席開發經理，參與通用汽車OnStar Virtual Advisor項目等工作經歷讓他成為公認的業界翹楚。
Danny Lange博士向與會者介紹了使用ML-Agents工具包的Unity Engine作為動態3D遊戲環境用於機器學習研究的例子；並且演示了遊戲在推動強化學習演算法發展過程中所扮演的角色；Danny還概述了用於訓練機器學習代理的各種演算法，包括各種強化學習和監督式學習方法。並對如何在定製的3D遊戲環境中進行機器學習研究，以及如何使用深度強化學習方法去完成這些環境中的各種任務給出了很好的建議。
來自百度首席科學家熊輝博士以「數據驅動的人工智慧時代已經到來」開場，指出數據驅動的主要特徵是精細化的數據搜集導致一切事物會更加清晰化，但同時大量數據積累的過程也會造成信息的冗餘，並使得獲取高附加值信息的成本大幅提升。
在接下來的發言中，熊輝博士談到了兩類行業最適合應用人工智慧：沒有被充分數字化的行業，以及沒有被充分用更小的顆粒度去數字化的行業。他指出在數據、計算能力、演算法和應用場景等人工智慧的四大必備要素中，演算法優化是學術界的強項，而數據、算力和應用場景則普遍存在於企業界。
百度正作為一個數據驅動的公司，意在通過四大要素的整合打造全生態數字化AI平台，而Apollo自動駕駛開放平台，精細化、個性化的百度搜索和推送平台，以及基於百度語音技術、視頻處理技術的開放平台DuerOS等都是這種理念的具體體現。
「我今天給大家講的是增強學習如何能夠在真正的實際應用當中解決問題，它是怎麼樣解決的？解決了什麼問題？」Bonsai公司的創始人兼CEO，認知企業家Mark Hammond開門見山地提出了主題演講的核心內容。
增強學習結合了模擬或是數字的組合，是解決動態變化和需要自適應的環境問題的一個強有力的機器學習工具。增強學習能訓練模型，讓它們優化多種行業（例如機器人，製造業，能源，供應鏈等）的系統和流程的效率。Mark Hammond在演講中通過兩個真實的案例展示了增強學習是如何成功地優化了西門子公司的機器調優，以及如何優化了一個大型空調企業的系統的能效。並且詳細介紹了從構建，訓練，部署模型到分析應用的業務全過程。
Hassan Sawaf是AWS應用科學和人工智慧主管，負責推動Amazon Lex，Amazon Comprehend，亞馬遜翻譯，亞馬遜轉錄和其他機器學習服務等產品的科學和技術，他在自動語音識別，計算機視覺，自然語言理解和機器翻譯領域有二十多年的工作經驗。
Hassan Sawaf在主題演講中首先和與會者分享了人與計算機交互的歷史進程，並結合機器學習的使用場景，介紹了亞馬遜人工智慧在語音識別，機器翻譯等應用領域的最新成果，以及全新上線的Amazon Go帶來的全新購物體驗。
「到目前為止，所有的東西都是AI+HI，即人工智慧+人類智能。」來自微軟全球資深副總裁、微軟亞太研發集團主席兼微軟亞洲研究院院長洪小文博士在他的主題演講「智能簡史」中明確提出了人工智慧的發展理念，並以此為依據介紹了微軟在CNN、語音識別、機器翻譯等方面的進展。
來自京東人工智慧平台和研究部門的副總裁Bowen Zhou博士是人類語言技術，機器學習和人工智慧多領域的專家。之前在IBM十五年的工作經歷中，是IBM技術戰略與研究，以及AI認知研究方面的領導者，IBM Watson Group首席科學家。
Bowen Zhou博士在會上與大家分享的是他對人工智慧的獨特認識：從目前的ANI（窄義人工智慧）發展到未來的ABI（廣義人工智慧）。這種發展意味著有更好的需求和標識數據，對專家人工系統，演算法專家的依賴性會減少，會出現更多可解釋的人工智慧解決方案。更重要的在於，新開發的AI系統可以來做更多不同的Task，所有這一切合在一起，就會形成ABI。但是如果ABI能夠達到，對任何AI的應用企業，對AI的使用者來說，意味著會形成一個比今天大100倍的人工智慧市場。同時，Zhou博士還分享了從ANI到ABI，研發人員需要努力實現的七個主要的技術方向。
除了精彩的主題演講，與會嘉賓的議題還從「企業中人工智慧應用」、「人工智慧對商業社會的影響」、「人工智慧的實施與交互」、「人工智慧的模型與方法」等多個方面，展示了在自然語言處理和理解、語音識別、計算機視覺識別、增強學習和機器學習、深度學習、CNN與GAN、AI平台設計等領域最新的研發成果和前沿技術，以及這些成果和技術在包括醫療、金融、教育、傳媒、新聞、娛樂、零售與電子商務、運輸與物流等多個行業業務里的最新應用情況。
縱觀本次AI Conference2018北京站會議，給人以下幾點突出的印象：
一、大數據時代的來臨加快了人工智慧應用的發展。
參加本次大會的Intel、Google、Amazon、百度、京東、阿里巴巴、Uber、微軟等國內外企業無一不是擁有獨立大數據流量入口的企業，他們也無一例外的成為人工智慧領域的「超級玩家」。海量的數據資源支持，不僅讓他們在這場「未來的遊戲」中成為領先者，也給他們帶來了現實巨大的經濟效益和對AI領域的影響力。正像百度首席科學家熊輝博士在會上所說的那樣「與前幾次人工智慧發展的道路不同，這是一次由數據驅動的人工智慧。」未來隨著智能家居、IoT的普及和發展，大數據對人工智慧應用快速發展的推動作用將越來越明顯。
二、人工智慧從「雲端」走來。
和數據爭奪一樣，「AI雲服務平台」也同樣成為激烈競爭的戰場。與會的許多企業基於各個領域，推出了各自基於雲服務的人工智慧平台，像著名的Google的 TensorFlow；AWS推出構建和部署ML 模型的Sagemaker；IBM有Watson；百度自動駕駛領域有Apollo平台，語音技術、視頻處理技術領域有DuerOS平台等。既然「AI雲服務」成為發展的趨勢，那麼這些AI的大佬們自然不會錯過這個機會，因為平台的競爭就意味著用戶的競爭，說到底是意味著數據入口和流量的競爭。
三、深度學習繼續「加深」，何時由「黑」轉「白」？
在這次AI Conference北京站大會上，與會嘉賓口中提到的，現場觀眾耳中聽到的最多的一個詞（片語），恐怕非「深度學習」莫屬了。無論是Uber的無人駕駛，還是Google的機器翻譯；不管是微軟的「小冰」，還是Intel精準醫療，到處可見「深度學習」的「身影」。隨著大數據的應用，以及計算機算力的大幅提升，滿足了深度學習進一步提升和完善的需要。從本次大會眾多應用的發展中可以清楚地看出，深度學習的發展成果已經越來越強烈地影響到人工智慧在感知、預測、決策等應用中的效果，並且這種影響正向著人們所希望的方向不斷前進。深度學習幫助我們解決了what的問題，但無法回答我們how，因此業界習慣把這種模式稱為「黑盒子」。人們一直試圖打開這個「黑盒子」，但迄今為止還沒有成功。什麼時候這個「盒子」能由「黑」轉「白」，人工智慧就將在那個時刻實現質的飛躍。
4天的大會雖然時間短暫，但是滿滿的乾貨讓與會者獲益匪淺。人工智慧，未來已來，等到明年AI Conference大會再次開啟的時候，又會有什麼樣的驚喜在等著我們呢？！
TAG:女主編 |