<mark id="oztn4"></mark>
0
雷鋒網 AI 科技評論按，5 月 9 日上午，2019 全球人工智能產品應用博覽會（以下簡稱「全球智博會」）在蘇州博覽中心正式拉開帷幕，本屆全球智博會由科技部、工信部和江蘇省人民政府指導，蘇州市人民政府和新一代人工智能產業技術創新戰略聯盟共同主辦，蘇州工業園區管委會和蘇州啟智創新科技有限公司聯合承辦。科技部高新司副司長梅建平、工信部科技司巡視員畢開春、江蘇省副省長馬秋林、蘇州市人民政府市長李亞平、中國工程院院士、新一代人工智能產業技術創新戰略聯盟理事長高文等領導出席開幕式并講話，開幕式由蘇州工業園區黨工委副書記、管委會主任丁立新主持。
隨后，「全球智博會」正式開幕，以下便是學界、業界共 18 位嘉賓的精彩演講：
學界
中國工程院院士、浙江大學教授陳純：時序大數據處于剛剛展開階段
陳純發表了主題為《時序大數據實時智能：技術及應用》的演講。
他表示，移動互聯網產生了大量的數據，也就是大數據，而大數據和以前數據的區別在于，它帶有時間戳。數據的代表著特征，這些特征形成了特征空間。而數據對象之間的關系，成為關聯圖譜，在其基礎上形成了分布事物咨詢系統。在特征空間的表述上加上時序就是時序大數據。
數據源源不斷地產生，而剛剛產生的數據稱為熱數據，也就是實時流數據。而之前產生的，稱為溫數據，再之前產生的數據稱為冷數據。這些系統都代表了時序的概念。大數據、圖數據的處理對時間的要求并不嚴格。而時序的處理在 2014 年才真正開始，到現在為止，基于時序的人工智能技術的發展才處于剛剛展開階段。
從今年開始，他的展望是在關聯圖的數據庫、圖的結構上，他們形成一個分布式、實時的時序圖數據，使得其在物聯網時代能夠形成他們自己的產品。
他進一步表示，時序數據的特點是數據量大且數據的時間跨度大。目前時序大數據分析計算的關鍵技術包括面向復雜統計指標的增量計算，面向時序數據處理的動態時間窗口，動態時序圖譜的實時分析計算等。
新加坡科學院院士黃銘鈞：當前云系統面臨的挑戰主要體現在深度學習技術的瓶頸上
黃銘鈞的演講題目是《在云中支持人工智能的系統挑戰》。
他表示，20 世紀 50 年代，關于人工智能技術的研究就已經開始了；20 世紀 80 年代，科學家們開始使用機器學習技術；到了 2010 年，深度學習技術開始被使用。目前排名前十的機器學習框架包括 TensorFlow、Caffe2、Amazon Machine Learning、微軟的 CNTK、Torch、theano、 Apache Singa 等等。
機器學習需要硬件、數據和對模型的深入理解。大數據分析需要先獲取數據，再進行清洗理解和建模。分布式深度學習的問題有兩個，一個問題是較大的模型在單個 GPU 上訓練比較慢，另一個問題是分布式訓練的問題。而在惡意軟件的檢測上，問題主要存在于便攜式可切除（PE）文件上，他們的目標是捕獲盡可能多的 PE 文件，且避免產生錯誤的警報。
英國皇家科學院院士，英國皇家工程院院士，歐洲科學院院士 Steve Furber：神經元計算機是下一代計算機的代表項目
Steve Furber 的演講主題是《SpiNNaker：brain modelling and future AI》。
Steve Furber 首先帶我們回到 1948 年的倫敦，他提到當時還沒有計算機，很多崗位都是手工勞動。在幾十年之后，他發現計算機依然沒有如人類般智能而重新審視硬件發展，并提倡神經元計算機的原因所在。
在演講中，Steve 介紹了他和團隊主導開發的這項曾被譽為「非常大膽」的研究項目——SpiNNaker（Spiking Neural Network Architecture），不同于現有的計算機體系，在架構創新的基礎上，Steve 的這臺并行計算平臺模仿的是人腦的運算模式。
Steve 表示，通過大量的神經學研究，他發現在架構可塑性、計算挑戰、機器學習模式和人腦思考之間的轉換等問題都是在工程實現上需要考慮的。
當然，Steve 也承認這項研究還有諸多問題所在。不過作為下一代計算機的代表項目，其研究成果才是最令產業界激動的部分，在演講中，Steve 表示，經歷了 20 年的理論研究和 10年 的建模，他們已經研發出了包括 Neurorobotics、SSpiNNaker2 等諸多成果。
中國工程院院士劉玠：AI 是改變鋼鐵工業的強大工具
中國工程院院士劉玠發表《鋼鐵工業智能制造》的主題演講，核心觀點是AI是改變鋼鐵工業的強大工具。劉玠院士指出，中國的鋼鐵工業在改革開放的經濟下被拉動，目前規模是 9 億噸以上（2018 年底數據），超過世界鋼產量一半。不過，質量不穩定、高端鋼鐵產品匱乏、缺少頂尖技術等問題一直橫亙。
但是 AI 有 8 種途徑改變鋼鐵制造，分別是：人工智能生態環境建設；改造和完善工業互聯網，收集、篩選、分析數據；數字化儀表的創新與應用；人工智能建模及算法研究；使用無人車間和機器人；組織不同專業之間的協作；以及基礎理論研究。而在未來，機器人自動化將在鋼鐵行業全面開花。
加拿大工程院院士凌曉峰：深度學習的挑戰和未來
加拿大工程院院士、蘇大人工智能研究院院長凌曉峰發表《深度學習的挑戰和未來》的主題演講，他表示 AI 有兩大方向，一是認知智能（專家系統），二是感知智能（人臉識別）。其差別在于認知智能中知識圖譜應用廣泛，其中神經網路中的每一個節點都是有含義的，而感知智能的神經網絡主要負責計算功能，其中的神經網絡節點沒有含義。
當前的深度學習因為其節點沒有含義，因而很難解釋和分析，應用到現實場景中，就很難分析出什么時候容易出問題。除此之外，深度學習還需要于大量的數據。而在深度學習自我學習方面，也存在著與知識圖譜脫節的問題。因此，我們應該改善自己對深度學習的認知，比如業界應該調整對人工智能產業的認識；對于科研人員來說，也要學習使用多種工具；而整個產業也要考慮現實需求謹慎使用科技工具。
和歌山大學前校長、數據智能教育研究部長瀧寬和：日本的AI戰略
和歌山大學前校長、數據智能教育研究部長瀧寬和表示，綜合科學技術創新會議（CSTI）決定了日本的人工智能發展方向，這一會議由安倍晉三總理大臣擔任議長，2018 年的戰略是超智慧社會（Society5.0）和向數據驅動型社會轉變。
他提到日本 AI 戰略基本思路：以尊重人、多樣性、可持續性三項理念為核心，設定包括人才、產業競爭力、技術體系、國際在內的四個戰略目標。對于日本的研究動向，他提到模式識別和組合優化與解決問題，其中談到富士通的數字退火服務器和東芝的組合優化計算方法。
他表示，和歌山大學目前有在校學生 4700 名左右，包括大約 200 名留學生。去年，和歌山大學與教育學部、經濟學部、系統工學部、觀光學部合作成立數據智能教育研究部門，從今年開始，和歌山大學對全校所有的學生開始進行 AI 教育和數據科學教育。目前，和歌山大學的 AI 研究包括機器人工學、圖像識別、腦測量、語音信息處理。在機器人工學方面，他們已經成功研發出可以上下樓梯的自動電動輪椅。
業界
微軟全球資深副總裁王永東：每一個人工智能都應該擁有一個有趣的靈魂
王永東的演講主題是《人工智能，予力轉型》。
他首先談到，對于微軟怎么看未來，他認為，未來是無處不在的計算、無處不在的人工智能、多重感官多重設備體驗。
人和機器不一樣的地方是，人是有情感的。微軟小冰目前有 1.2 億月活用戶，具有和人類一樣的度化能力。如何做到這一點？我們的思路是，先讓她學會怎么像小孩子一樣講話，然后培養像人類一樣的感知能力。不管是對圖像文字還是視覺，小冰都具有感知能力，可以和第三方的技術結合起來。當小冰的知識越來越豐富之后，就可以做更多的事情。未來，微軟的目標是讓這種技術能夠幫助人工智能和其它的應用。
他還談到，創造力是人和機器最大的區別。除「自己進行人工智能創造」外，小冰還可以為第三方賦能。微軟在這方面做了一些嘗試，雖然目前還處于早期階段，但通過在各種類型、場景中的訓練，小冰已經在騰訊 BabyQ、華為/小米人工智能音箱和手機助手轉中有所應用，甚至還可以虛擬明星。最后，王永東還向到場嘉賓介紹了微軟在蘇州的研發中心，并表示每一個人工智能都應該擁有一個有趣的靈魂。
英特爾全球副總裁 Claire Vishik：全方位把握人工智能這個概念會更有利于技術的開發、應用和推動
Claire Vishik 發表了主題為《全局視角審視新一代人工智能的主題演講》。
在演講中，Claire 宏觀探討了現有人工智能技術的局限性，并探討了它在未來可能的發展方向。
首先，Claire 闡釋了 AI 的含義，它指出我們對現在對 AI 的直觀印象是「碎片式」的：圖像識別、語音識別、語義理解等；或者是推薦引擎系統、強化學習等。「智能」也分布在了很多行業中，以醫藥領域的應用為例，如智能護理、藥物分析加速等都已實際應用。但是基于此，Claire 表示，現有的人工智能應用依然存在局限性，因此她一直在思考的是如何讓AI的應用更廣泛、更靈活，這里面就會涉及到如何理解各類終端、感知和清洗數據等技術。
從場景和技術角度去梳理，Claire 發現全方位去把握人工智能這個概念會更有利于技術的開發、應用和推動。對于 Claire 來說，成功推動AI發展需要兼顧研究、創新、人才等軟因素，開放標準、加強體制等產業因素，最重要的是，還需要從宏觀愿景上去理解 AI 這項技術。
百度高級副總裁王海峰：新一代AI技術已應用落地
百度高級副總裁王海峰發表題為《新一代人工智能技術及應用》的演講，他表示，在數據、算法和算力三要素的共同作用下，尤其是深度學習的突破，人工智能技術取得巨大進步。
王海峰展示了基于百度語音識別技術的百度輸入法「中英自由說」能力，這是目前唯一實現高精度中英文混合語音輸入的產品。他還介紹到，百度構建了世界上最大的多元異構知識圖譜，在包含數億實體、千億級事實，能夠滿足 90% 用戶需求的實體圖譜的基礎上，針對不同的應用場景和知識形態建立起關注點圖譜、行業知識圖譜、POI 圖譜、事件圖譜等多種知識圖譜。隨后，他談到百度的語言與知識技術已經廣泛應用于機器翻譯、智能搜索、智能寫作等產品中。
基于完整的技術布局和領先的 AI 核心技術，百度構建了全體系、功能豐富的人工智能開源開放平臺，包括算法的開源和數據的開放、通用及定制 AI 能力的開放、硬件開放平臺、端部署平臺、私有化部署平臺等，從而支撐第三方服務和行業應用。
華為云 BU 副總裁朱照生：華為在數十個行業落地 300 個 AI 項目
華為云 BU 副總裁朱照生發表《釋放 AI 生產力，加速行業智能化》的主題演講。
從華為過去幾年在人工智能落地應用層面出發，朱照生首先總結出當前行業的三大問題：算力昂貴、AI 應用開發門檻高，以及行業落地 GAP 大。他表示華為專注于是通過技術去解決技術問題，聚焦 AI 基礎平臺，從底層芯片、基礎框架等層面建立全棧平臺，提供全流程開發服務。
他談到，華為已經在數十個行業中落地了 300 個項目，如風控智能系統，0.4 秒內就可處理近萬筆交易，發現風險能及時干預，讓風險案件數量急劇下降，直接挽回經濟損失近億元。除此之外，在 AI 多協同場景中，華為也有著真實案例落地。
阿里巴巴副總裁華先勝：大規模視覺智能在真實世界中的挑戰與實踐
阿里巴巴副總裁華先勝發表《大規模視覺智能在真實世界中的挑戰與實踐》的主題演講。
華先勝首先談到 AI 的困境。目前，人力成本稿導致超過 90% 的企業都在虧損，這是必須面對的現實；在技術落地過程中，技術層面還是會遇到公開測試集與真實數據之間存在巨大差異的問題；而即便技術落地了，成熟技術也只能滿足非常少的一部分用戶需求。這都是需要未來去解決的困境。
在案例分析上，華先勝舉了電商場景視覺搜索的例子，指出現在常用的以圖搜圖產品——拍立淘的成功源于精準得抓住了用戶的需求；在廣告方面，阿里的頁面秒被視頻工具 Alibabawood 和自動個性化產品 Banner 都是成功的案例，而它們則分別源于平時和大促兩類場景中的潛在需求。此外，華先勝匯報了阿里城市大腦至今的成果，并呼吁大家一起在城市大腦平臺上開發。
騰訊云副總裁王龍：產業互聯網中AI應用的5大問題和3大技術方向
騰訊云副總裁王龍發表《人工智能的創新與產業落地》的主題演講。
王龍談到了他對人工智能技術的理解和落實。在他看來，在產業互聯過程中的人工智能應用，其中的關鍵主要體現在三個方面：智能感知、智能交互和智能決策。如智能客服。
結合騰訊在業務上的探索，王龍指出，主要體現在五個方面：應用多樣性、基礎設施靈活性、數據質量和規模、算法和模型調優和智能設備多樣性。對于這五大問題，王龍給出了異構計算、遷移學習、端云協同等技術方向，以解決不同算力需求、靈活分配資源等問題。王龍表示希望大家共同參與到騰訊的AI建設中。
明略科技首席科學家吳信東：新一代AI理論基礎——HAO 智能
明略科技集團科學院院長、集團首席科學家吳信東發表《新一代人工智能的理論基礎：HAO 智能》的主題演講。
吳信東展示了 HAO 智能概念，即通過打通感知、認知和行動系統，實現 AI 閉環落地。他指出，HAO 智能目標主要通過對人工智能、機器智能和組織智能三位一體的集成，并結合行業知識圖譜，構建面向人機協同的智能系統，加速新一代人工智能技術在公共安全、社交網絡營銷和智能餐飲等知識密度高、管理復雜的領域商業化落地。但從學術到項目，這一概念并不為人熟知，明略科技一定會做出好的人機協同系統。
科大訊飛副總裁李世鵬：人工智能應用爆發的機遇和挑戰
科大訊飛副總裁李世鵬談到人工智能的 6 個層次，分別是底層的通知、算知、感知，到高層的認知、預知、覺知。他表示，從底層到高層，需要越來越多的數據類型和數據量。
目前，感知已經發展得極為成熟，還有一些細節工作要深化，認知現在才剛剛起步。隨后，他談到 AI 引擎、機器人/物聯網、人類這三者之間的交互。他表示，人工智能所在的物理世界，應該是和機器社會、人類社會共存的一種生態。
對于 AI 目前發展到了什么程度，他拿科大訊飛舉例，展示了 AI 多語種虛擬主播，在現場還展示了蘇州話的合成。此外，他還提到 OCR、圖像理解、醫學圖像分析、認知科學方面的一些進展。他強調，AI 停留在技術層面是沒有用的，需要通過實際應用發揮其價值。他展示了目前的一些實際案例，如與海底撈合作的客服機器人、訊飛智能錄音筆。
商湯集團副總裁兼工程院院長沈徽：AI 賦能諸多行業
商湯集團副總裁兼工程院院長沈徽發表了《商湯智能，驅動未來》的主題演講，他介紹了人工智能發展過程中的三次浪潮，他表示，深度學習帶來了新一次的技術革命。隨著計算機技術的快速發展，深度學習也隨之發展，在這樣的情況下，技術原創便成為了市場競爭的關鍵所在。
他提到多個深度學習平臺，諸如 Caffe2、PyTorch 以及 TensorFlow，隨后，他談到商湯自建平臺 Parrots，目前 Parrots支持超深網絡、超大數據學習、復雜關聯應用，他還談到商湯 SenseVideo 系統。
他表示，AI 技術可以賦能到包括智慧樓宇、智慧城市、金融、智慧商業與零售、智能手機、智慧醫療、智慧教育等多個領域，具體到 AI +零售與商業，他表示，雖然目前線上的交易已經數字化，但是讓機器去理解線下人的行為比較困難，有了計算機視覺技術之后，能較好地理解客戶、貨品和交易情況，有利于店主更好管理商鋪和貨品。隨后，他就更多案例做出了詳細的舉例。
曠視首席架構師徐串：云、端、芯上的視覺計算
曠視首席架構師徐串在開場伊始談到目前人工智能的兩個層次——感知層和認知層，他表示，感知層如語音、視覺在業界有較多落地，而在認知層，NLP 目前落地緩慢，另外我們離通用人工智能還非常遙遠。
隨后，他談到 AI 的發展歷史以及相關技術與挑戰。他表示，深度神經網絡最早期的問題有二：一是很難被訓練，二是實驗結果很難復現，在這種情況下很難產品化。隨著算力得到大幅提升，深度神經網絡有了很大的價值。他提到 2012 年破時代的 AlexNet，也談到在 AlphaGo Zero 中 發揮關鍵作用的 ResNet。他也將曠視 2017 年的 ShuffleNet V1 與 MobileNet 進行比較，他表示，前者在 CPU 上相對友好，但在 GPU 上并不會發揮特別好的效應，因此他們設計了 V2 版，效果得到明顯提升。
發展至今，曠視已經成功打造了人像大數據平臺——洞見，并基于此連接了云——端——芯，徐串指出，其中起到關鍵作用的部分就是由礦視自研 Brain++ 算法大腦。最后，他表示，接下來曠視將會聚焦自動視覺搜索技術，深度驅動 CV 應用落地。
滴滴出行聯合創始人兼 CTO 張博：群雁智能出行開放平臺重磅發布
滴滴出行聯合創始人兼 CTO 張博談到滴滴的人工智能戰略是“AI For Transportation”，即通過智能化、網絡化、協同化的智能交通基礎設施，電動化、智能化、高效化的智能交通工具，以及體驗化、共享化、綜合化的共享出行，為傳統交通出行賦能。
他表示，智慧交通需要整個社會一起努力，隨后，他宣布滴滴群雁智能出行開放平臺重磅發布，據張博介紹，群雁智能出行開放平臺將全面對外開放滴滴的 AI 基礎平臺、AI 服務與能力以及滴滴在出行領域積累的解決方案，重點面向城市交通管理者、智慧交通企業、汽車產業鏈上下游合作伙伴、企業開發者及技術極客、高校及科研機構、社會機構、公益組織等提供定制化開放服務。
賽靈思副總裁唐曉蕾：賽靈思的相關產品與技術優勢
賽靈思副總裁唐曉蕾表示，當前正處于數據爆炸時代，在技術方面還有很多路要走。而在硬件層面，目前行業正遇到一個瓶頸——后摩爾時代，而異構計算，也就是軟件編程、高性能計算等則可能成為突破口。她表示，賽靈思 FPGA 的核心優勢，就在于靈活可配置、高性能低功耗、支持低比特計算、端到端低延遲、擁有豐富可擴展的產品系列。
她還介紹了賽靈思最新的產品——ACAP，這是一個全新的器件類別，集 GPU、CPU等為一體，是一個 7nm 的自適應、可編輯平臺，隨后，她也帶來了賽靈思的一系列布局。
至此，今天的論壇圓滿結束。接下來，來自學界和業界的嘉賓們也將會繼續在各個分論壇上和大家進行探討，雷鋒網也會在第一時間繼續進行報道，歡迎大家保持關注。
全球智博會官網：https://www.ai-expo.org.cn
雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
