<mark id="oztn4"></mark>
0
| 本文作者： 奕欣 | 2017-01-09 10:40 |
雷鋒網(wǎng) AI 科技評(píng)論剛剛出爐了 2016 十大 AI 演講盤點(diǎn)，不少熱心讀者感到疑惑：為什么這里面列舉的都是國(guó)外大牛，怎么不見咱們國(guó)內(nèi)的知名學(xué)者們的演講整理？這不，雷鋒網(wǎng)已經(jīng)整理出了國(guó)內(nèi)過(guò)去一年來(lái)的精彩演講，一同隨 AI 科技評(píng)論看看，哪位大神的高見讓你受益匪淺？本文排名不分先后，歡迎各位讀者在評(píng)論區(qū)暢所欲言，說(shuō)說(shuō)你們心中的最佳 AI 演講吧。
北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授。中國(guó)工程院院士、ACM/IEEE Fellow、CCF - GAIR · 全球人工智能與機(jī)器人峰會(huì)大會(huì)主席高文院士這一年參加的演講不少，但主要都是圍繞人工智能的歷史與未來(lái)展開的。如果你對(duì)人工智能非常感興趣，想對(duì) 60 年的浪潮有一個(gè)詳細(xì)的了解，那么不妨看看他在 CNCC 2016 上所做的《人工智能--螺旋上升的 60 年》演講，39 頁(yè) PPT 向讀者們展示了一個(gè)呈螺旋式上升的人工智能歷程。
從 2006 年的第三次機(jī)器學(xué)習(xí)浪潮來(lái)看，高文院士認(rèn)為有兩個(gè)因素促進(jìn)了深度學(xué)習(xí)的成功：
一個(gè)是硬件的進(jìn)步：硬件越來(lái)越便宜，計(jì)算能力越來(lái)越強(qiáng)。
第二個(gè)是模型和參數(shù)調(diào)整技巧的進(jìn)步。
而在高工機(jī)器人年會(huì)閉幕式上，高文院士發(fā)表主題報(bào)告《人工智能的前景與挑戰(zhàn)》，主要針對(duì)大環(huán)境下的人工智能進(jìn)行了一些研究和探討，雷鋒網(wǎng)對(duì)他的詳細(xì)演講進(jìn)行了報(bào)道，可以點(diǎn)擊下方鏈接查看。
還想了解下高文院士都說(shuō)了些什么其它內(nèi)容？歡迎閱讀雷鋒網(wǎng)此前報(bào)道：
CNCC 2016 | 中國(guó)工程院高文院士 39 張 PPT 帶你看懂人工智能 60 年浪潮
中國(guó)工程院院士高文：下一波浪潮和AI的未來(lái) | 2016 高工機(jī)器人年會(huì)
值得一提的是，高文院士也傾情為我們 AI 科技評(píng)論做了個(gè)小廣告，也歡迎大家以此途徑查看他的演講內(nèi)容。在此也向高文院士對(duì)AI科技評(píng)論的關(guān)注致以感謝！
周志華教授主要從事人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的研究，他除了在 CNCC 2016 上發(fā)表過(guò)演講外，在今年的 KDD China 技術(shù)峰會(huì)上也做過(guò)分享。周志華教授以「文獻(xiàn)篩選」作為例子，讓觀眾們?cè)诨顫姷睦咏虒W(xué)中就明白了關(guān)于機(jī)器學(xué)習(xí)的「是什么」「為什么」「怎么做」三個(gè)方面的問(wèn)題。在演講的最后，周志華教授提出了幾點(diǎn)總結(jié)，雷鋒網(wǎng)摘錄如下：
深度學(xué)習(xí)可能有「冬天」，它只是機(jī)器學(xué)習(xí)的一種技術(shù)，總會(huì)出現(xiàn)更「潮」的新技術(shù)；
機(jī)器學(xué)習(xí)不會(huì)有「冬天」，只要有分析數(shù)據(jù)的需求，就會(huì)用到機(jī)器學(xué)習(xí)；
關(guān)于未來(lái)的思考：
1、技術(shù)上：一定是能有效利用 GPU 等計(jì)算設(shè)備的方法（未必是深度學(xué)習(xí)）；
2、任務(wù)上：開放環(huán)境的機(jī)器學(xué)習(xí)任務(wù)特別重要（魯棒性是關(guān)鍵）；
3、形態(tài)上：希望是從現(xiàn)在的「算法 + 數(shù)據(jù)」過(guò)渡到「學(xué)件」的形態(tài)。
如果要對(duì)未來(lái)這三點(diǎn)加上一個(gè)預(yù)測(cè)期限的話，分別是 5 年、10 年、15 年。
如果對(duì)周志華教授的演講感興趣的話，可以點(diǎn)擊以下鏈接閱讀。
周志華 KDD China 技術(shù)峰會(huì)現(xiàn)場(chǎng)演講：深度學(xué)習(xí)并不是在「模擬人腦」
CNCC 2016 | 周志華 57 張 PPT 揭開機(jī)器學(xué)習(xí)本質(zhì)
說(shuō)完了人工智能展望、深度學(xué)習(xí)的分析后，接下來(lái)雷鋒網(wǎng)要介紹的是遷移學(xué)習(xí)。誠(chéng)然，深度學(xué)習(xí)在有即時(shí)反饋的領(lǐng)域和應(yīng)用方向有著一定的優(yōu)勢(shì)，但在其他領(lǐng)域則不行。「目前解決這種反饋的時(shí)延問(wèn)題需要強(qiáng)化學(xué)習(xí)來(lái)做。而在明天，則有更多的地方需要遷移學(xué)習(xí)。」
香港科技大學(xué)教授、第四范式首席科學(xué)家楊強(qiáng)在雷鋒網(wǎng)承辦的 CCF- GAIR 全球人工智能與機(jī)器人峰會(huì)大會(huì)上，為大家講述了人工智能要取得成功應(yīng)當(dāng)具備的五個(gè)必要條件和遷移學(xué)習(xí)的本質(zhì)。
楊教授認(rèn)為，遷移學(xué)習(xí)是深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的結(jié)合體，能夠?qū)⑦m用于大數(shù)據(jù)的模型遷移到小數(shù)據(jù)上，實(shí)現(xiàn)個(gè)性化遷移，這樣一來(lái)能夠避免數(shù)據(jù)寡頭的出現(xiàn)。他通過(guò)谷歌 DeepMind 的應(yīng)用實(shí)例講解強(qiáng)化遷移學(xué)習(xí)和三層結(jié)構(gòu)算法模型，指出了人工智能成功的五個(gè)必要條件——清晰的商業(yè)模式（明確的目標(biāo)）、高質(zhì)量的大數(shù)據(jù)、清晰的問(wèn)題定義和領(lǐng)域邊界、懂人工智能的跨界人才及計(jì)算能力。
此外，楊強(qiáng)教授還在今年的 KDD China 上做了主題為《從深度學(xué)習(xí)到遷移學(xué)習(xí)》的演講，詳情可以點(diǎn)擊鏈接查看。
香港科技大學(xué)楊強(qiáng) KDD China 技術(shù)峰會(huì)演講：遷移學(xué)習(xí)的本質(zhì)與實(shí)際應(yīng)用
楊強(qiáng)教授 PPT 解密：如何在人工智能浪潮中少走彎路｜CCF-GAIR
中國(guó)工程院李德毅院士今年已經(jīng) 73 歲高齡，但作為自動(dòng)化和人工智能專家，李院士一直緊密關(guān)注著智能車產(chǎn)業(yè)的生態(tài)環(huán)境、工程化實(shí)踐與未來(lái)發(fā)展。在中國(guó)第三屆機(jī)器人峰會(huì)上，李院士分享了在無(wú)人駕駛領(lǐng)域的研究和觀點(diǎn)。他認(rèn)為，駕駛活動(dòng)更多的是技巧，記憶和經(jīng)驗(yàn)，而不是知識(shí)、推理和計(jì)算。駕駛腦的差異，反映是個(gè)人的智力和運(yùn)動(dòng)協(xié)調(diào)能力的差異，世界上沒有兩個(gè)完全相同的駕駛腦。
「這才叫機(jī)器人。我們想將來(lái)車上跑的駕駛腦也是一樣的。真正開車的不是汽車本身，而是駕駛員，人的認(rèn)知，要把腦和機(jī)器融合在一起才行。所以我們主張?jiān)谖覀儥C(jī)器人里面，有一個(gè)調(diào)試總線擴(kuò)展為自學(xué)總線，可以學(xué)習(xí)人是怎么開車的。然后機(jī)器人開車時(shí)候扮演的角色，主要是通過(guò)學(xué)習(xí)的東西消化吸收，深入學(xué)習(xí)，變成了自己的行為。
雷鋒網(wǎng)已經(jīng)為大家整理好了他的完整演講附 PPT，趕緊點(diǎn)此閱讀吧。
李德毅詳解：無(wú)人駕駛的核心在駕駛腦｜中國(guó)機(jī)器人峰會(huì)
楊強(qiáng)教授是華為諾亞方舟實(shí)驗(yàn)室的第一任主任，自然這個(gè)實(shí)驗(yàn)室主要針對(duì)的是機(jī)器學(xué)習(xí)、人工智能及數(shù)據(jù)挖掘方面的研究了。現(xiàn)任實(shí)驗(yàn)室主任李航在今年雷鋒網(wǎng)承辦的 CCF-GAIR 大會(huì)上向觀眾分享了人工智能在手機(jī)領(lǐng)域的應(yīng)用研究。李航在演講中表示，華為諾亞方舟實(shí)驗(yàn)室的其中一個(gè)愿景，就是打造一個(gè)全智能化的智能移動(dòng)手機(jī)終端，用戶將通過(guò)自然語(yǔ)言的方式從終端獲取一切想要的信息和協(xié)助。
而在年底的 KDD China 上，李航做了題為《自然語(yǔ)言處理中的深度學(xué)習(xí)：過(guò)去、現(xiàn)在和未來(lái)》的演講，結(jié)合具體的 NLP 技術(shù)，介紹了自動(dòng)問(wèn)答系統(tǒng)、圖片檢索、機(jī)器翻譯、自然語(yǔ)言對(duì)話的各種應(yīng)用結(jié)合。
李航認(rèn)為，未來(lái)自然語(yǔ)言處理深度學(xué)習(xí)的發(fā)展趨勢(shì)，應(yīng)該是一個(gè)神經(jīng)處理和符號(hào)處理的結(jié)合的混合模式。還等什么？趕緊看看雷鋒網(wǎng)關(guān)于李航的相關(guān)報(bào)道吧：
AIR 019 | 華為諾亞方舟實(shí)驗(yàn)室主任李航：我們?cè)谌斯ぶ悄茴I(lǐng)域的愿景與實(shí)踐
華為諾亞方舟實(shí)驗(yàn)室主任李航：自然語(yǔ)言處理的未來(lái)趨勢(shì)
今年在韓國(guó)舉辦的「二十一世紀(jì)的計(jì)算」學(xué)術(shù)研討會(huì)以人機(jī)協(xié)作（Human and Machine Working as a Team）為主題，現(xiàn)任微軟全球資深副總裁，微軟亞太研發(fā)集團(tuán)主席，兼微軟亞洲研究院院長(zhǎng)洪小文博士做了題目為《人工智能與人類智能的共同進(jìn)化》（Co-Evolution of Artificial Intelligence and Human Intelligence）的演講。
在演講中，洪小文提及人工智能有三個(gè)不同的技術(shù)層面，包括計(jì)算機(jī)視覺識(shí)別、自然語(yǔ)言理解及數(shù)據(jù)分析&可視化。
「人類智能的優(yōu)越性在于從小樣本中、甚至 0 樣本中進(jìn)行學(xué)習(xí)和推理。而以深度學(xué)習(xí)為代表的人工智能技術(shù)則更適合從大數(shù)據(jù)中學(xué)習(xí)。」那么人工智能中的「智能」，根據(jù)洪博士的理解，主要分為四大層面：功能、智能、智能及智慧。而截至目前最聰明的機(jī)器也只是達(dá)到了「智能」層面，因此他認(rèn)為只有把人類智能與人工智能進(jìn)行組合，才能實(shí)現(xiàn)真正的「共同進(jìn)化」。詳細(xì) PPT 可參看：
二十一世紀(jì)的計(jì)算 | 微軟亞洲研究院洪小文54頁(yè)P(yáng)PT講述人工智能和人類智能的 “共進(jìn)化”
原新加坡國(guó)立大學(xué)教授，現(xiàn)任360 首席科學(xué)家、人工智能研究院院長(zhǎng)顏水成在今年也發(fā)表演講，介紹了 360 是如何做人工智能的。按照顏教授的說(shuō)法，360 的人工智能最基本的布局比較全面，覆蓋了人工智能的多個(gè)方向，具體包括：
一是視覺感知，對(duì)圖象和視頻的分析；
二是語(yǔ)音感知；
三是語(yǔ)義感知，希望智能硬件能夠和用戶進(jìn)行對(duì)話和交流；
四是大數(shù)據(jù)分析，我們也希望深度學(xué)習(xí)能夠發(fā)揮在大數(shù)據(jù)方面的積極作用。
而顏水成在今年雷鋒網(wǎng)承辦的 CCF-GAIR 大會(huì)上同樣向我們分享了 360 的一些研發(fā)進(jìn)展。「從研發(fā)角度來(lái)說(shuō)，我們主要做了兩件事：一方面是當(dāng)我們有了大數(shù)據(jù)之后怎樣更加快速的把這個(gè)模型訓(xùn)練出來(lái)？另外是從智能硬件的層面來(lái)說(shuō)，除了傳統(tǒng)的人工智能，在云上的使用還有一個(gè)很重要的場(chǎng)景是端上的人工智能。」顏教授表示在未來(lái)會(huì)從業(yè)務(wù)與研究層面用人工智能提供服務(wù)。
360首席科學(xué)家顏水成：我們?nèi)绾巫鋈斯ぶ悄埽?/a>
AIR 022 | 騰訊、小米、360、今日頭條眼中的機(jī)器學(xué)習(xí)
那么在后深度學(xué)習(xí)時(shí)代，我們又需要以怎樣的態(tài)度看待人工智能呢？
清華大學(xué)張鈸院士在今年的 CNCC 大會(huì)上做了主題分享，他認(rèn)為后深度學(xué)習(xí)時(shí)代的人工智能，就是想把人工智能從這個(gè)狹義的，只能解決一定范圍的方法，推廣更寬廣的范圍去，也就是從弱人工智能、強(qiáng)人工智能、到通用人工智能的演進(jìn)。
而張?jiān)菏恳舱J(rèn)為在這一過(guò)程中，可能會(huì)遇到三個(gè)方面的挑戰(zhàn)。
1. 概念統(tǒng)計(jì)方法帶來(lái)的困難；「深度學(xué)習(xí)區(qū)分的是重復(fù)的模型，但大腦區(qū)分的是語(yǔ)義的特征，這兩種區(qū)分有本質(zhì)的區(qū)別，但是有關(guān)聯(lián)。」
2. 生數(shù)據(jù)帶來(lái)的困難。張?jiān)菏空J(rèn)為，大數(shù)據(jù)實(shí)際上摻雜了很多噪聲，生數(shù)據(jù)的魯棒性自然會(huì)比處理過(guò)的數(shù)據(jù)表現(xiàn)更差。
3. 推廣與遷移的困難。如何將弱人工智能推廣到通用智能，也就是舉一反三的層面，這點(diǎn)目前人工智能的表現(xiàn)還比較局限。
張?jiān)菏刻岢隽藘蓚€(gè)解決方案，一個(gè)是將數(shù)據(jù)驅(qū)動(dòng)與知識(shí)驅(qū)動(dòng)結(jié)合起來(lái)；另一個(gè)是回歸神經(jīng)網(wǎng)絡(luò)的本源，如何學(xué)習(xí)人類神經(jīng)網(wǎng)絡(luò)的思維模式，再將這套方法移植到機(jī)器身上來(lái)。
而在演講的最后，張?jiān)菏恐赋觯斯ぶ悄艿陌l(fā)展要更加依靠學(xué)科交叉，特別是數(shù)學(xué)、認(rèn)知科學(xué)、心理學(xué)、神經(jīng)科學(xué)及語(yǔ)言學(xué)等。
CNCC 2016｜清華大學(xué)張鈸院士起底： 后深度學(xué)習(xí)時(shí)代的人工智能
在數(shù)博會(huì)人工智能與大數(shù)據(jù)主題論壇上，卡耐基梅隆大學(xué)計(jì)算機(jī)科學(xué)系教授邢波做了一個(gè)系統(tǒng)性的演講。在會(huì)上，邢教授指出人工智能存在三個(gè)方面的機(jī)遇。
首先是理論基礎(chǔ)與實(shí)際需求仍有差距。包括了數(shù)學(xué)模型本身在表達(dá)性、遷移性、透明性與可調(diào)性上的局限；以及算法工具在速度、穩(wěn)定性及收斂保障上的不足。
其次是如何跨越已有操作系統(tǒng)與 AI 任務(wù)需求間的鴻溝。在不同平臺(tái)上實(shí)現(xiàn) AI 非常困難。「由于大數(shù)據(jù)的產(chǎn)生，我們對(duì)于軟件系統(tǒng)的需要和部署能力有更高的要求，譬如希望在不同平臺(tái)上，能在不同的移動(dòng)設(shè)備，云的設(shè)備上不同平臺(tái)上跑同樣的軟件，目前這些問(wèn)題都沒有解決。」
最后一點(diǎn)在于未來(lái)通用硬件的構(gòu)造會(huì)是什么樣。從低功耗的 CPU/GPU、到更多核的 CPU/GPU、更大的 RAM 及閃存存儲(chǔ)、或是量子計(jì)算甚至是 DNS 計(jì)算等不同于馮·諾依曼計(jì)算機(jī)的計(jì)算模型。
中國(guó)科學(xué)院副院長(zhǎng)譚鐵牛在 CNCC 上做了《大數(shù)據(jù)時(shí)代的模式識(shí)別》為主題的分享。基于人工智能的相關(guān)演講已經(jīng)多如牛毛，譚院長(zhǎng)便為大家做了更為具體的介紹。「（模式識(shí)別）用我自己的語(yǔ)言來(lái)說(shuō)就是：世上萬(wàn)物，不管是物質(zhì)的還是精神的，看得見還是看不見的都是一種模式。」他認(rèn)為，深度學(xué)習(xí)之所以火，便是獲取提升模式識(shí)別的一種能力。而基于目前現(xiàn)狀，譚院長(zhǎng)概括出了以下幾個(gè)現(xiàn)狀：
面向特定任務(wù)的模式識(shí)別已取得突破性進(jìn)展，有的性能可與人媲美。
統(tǒng)計(jì)與基于神經(jīng)網(wǎng)絡(luò)的模式識(shí)別目前占主導(dǎo)地位，深度學(xué)習(xí)開創(chuàng)了新局面。
通用模式識(shí)別依然任重道遠(yuǎn)。
魯棒性、自適應(yīng)性和可泛化性是一個(gè)進(jìn)一步發(fā)展的三大瓶頸。
而針對(duì)現(xiàn)在的機(jī)遇，譚院長(zhǎng)總結(jié)了三點(diǎn)：首先是數(shù)據(jù)利用，成為信息服務(wù)與知識(shí)服務(wù)的渠道。第二點(diǎn)是推動(dòng)理論與方法創(chuàng)新；第三點(diǎn)的想法與張鈸院士的做法一樣，就是加速學(xué)科領(lǐng)域的交叉與滲透。
此外，譚院長(zhǎng)還提出了幾點(diǎn)值得關(guān)注的研究方向，包括：
面向大規(guī)模多源異構(gòu)數(shù)據(jù)的魯棒特征表達(dá)；
結(jié)構(gòu)與統(tǒng)計(jì)相結(jié)合的模式識(shí)別新理論；
數(shù)據(jù)與知識(shí)相結(jié)合的模式識(shí)別；
具有魯棒性和自適應(yīng)性的生物啟發(fā)模式識(shí)別；
基于跨領(lǐng)域跨模態(tài)知識(shí)遷移的模式識(shí)別；
以互聯(lián)網(wǎng)為中心的模式識(shí)別。
想知道譚院長(zhǎng)還提出了哪些真知灼見？歡迎點(diǎn)下面的鏈接查看。
CNCC 2016 | 中科院譚鐵牛：大數(shù)據(jù)時(shí)代的模式識(shí)別
葉杰平教授是機(jī)器學(xué)習(xí)領(lǐng)域的國(guó)際領(lǐng)軍人物，現(xiàn)任滴滴研究院副院長(zhǎng)，美國(guó)密歇根大學(xué)的終身教授。他在今年的騰訊大數(shù)據(jù)峰會(huì)暨 KDD China 技術(shù)峰會(huì)解密了機(jī)器學(xué)習(xí)在滴滴中的大規(guī)模應(yīng)用。雷鋒網(wǎng)此前覆蓋過(guò) MIT 所做的最新車輛調(diào)度系統(tǒng)，其中同樣也運(yùn)用了機(jī)器學(xué)習(xí)的算法。比起尚未正式運(yùn)用到實(shí)際領(lǐng)域的 MIT 研究成果，滴滴的算法已應(yīng)用于預(yù)測(cè)目的地、估價(jià)、拼車、匹配司機(jī)、熱力圖等一系列實(shí)際場(chǎng)景中。
而滴滴人工智能的核心就在于訂單的分配上。葉教授指出，滴滴實(shí)現(xiàn)訂單最優(yōu)匹配需要遵循這兩大核心：做出最優(yōu)路徑規(guī)劃，預(yù)估時(shí)間。
此外，在評(píng)估乘客體驗(yàn)及打分系統(tǒng)的權(quán)重上，滴滴人工智能也運(yùn)用了不同的算法，以帶給用戶更好的乘車體驗(yàn)。關(guān)于葉教授的更多演講細(xì)節(jié)，可以看看雷鋒網(wǎng)所做的詳細(xì)整理：
滴滴研究院副院長(zhǎng)葉杰平：揭開滴滴人工智能調(diào)度系統(tǒng)的真面目
雷鋒網(wǎng)為大家介紹了 2016 年十位國(guó)內(nèi)學(xué)術(shù)大牛的精彩演講，但實(shí)際上更多精彩的演講因篇幅所限無(wú)法一一覆蓋，也希望讀者們關(guān)注 AI 科技評(píng)論，與我們分享你心中的經(jīng)典演講吧！
*封面圖源于網(wǎng)絡(luò)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
