<mark id="oztn4"></mark>
0
| 本文作者： 老王 | 2016-08-14 13:58 | 專題：CCF-GAIR | 全球人工智能與機器人峰會 |
8月13日18時，為期兩天的CCF-GAIR人工智能與機器人峰會完美落幕，在這期間，全球各地學界、業界、投資界大牛聚集在一起為相關從業者們奉上了一場盛大的技術與經驗分享會。整個大會議程包括：人工智能主場、機器人與無人機專場、智能駕駛與投資人專場。首先，我們來回顧下8月12日人工智能主場的演講合輯。
首先，香港中文大學（深圳）校長、中國工程院院士、機器人及智能系統專家徐揚生根據自己30多年的機器人研究經驗，總結出機器人智能化的技術路徑、歷史沿革與應用案例。
“人工智能發展速度如此之快，離不開大數據和云計算。”金山軟件CEO，前微軟亞洲工程院院長，美國計算機協會(ACM)院士，IEEE Fellow張宏江在《智能，大數據，云》中講到。20年前，張宏江團對申請了一個復雜的分布式架構專利，但只能在實驗室中運行，而在20年后的今天，它早已走出實驗室，整個計算和處理過程都在云端完成，能隨時隨地呈現在我們的移動設備上供用戶使用。
今年AlphaGo的出現，第一次讓全世界認知到現階段人工智能的先進程度。那么人工智能到底先進到了哪一步，以及AI是否會對人類造成威脅等問題隨之被拋出。在本次大會中，AlphaGo背后的團隊DeepMind成員之一、牛津大學計算機系主任、Oxford-DeepMind Partnership負責人，AAAI、EURAI Fellow 邁克爾伍爾德里奇（Michael Wooldridge）深入剖析了強弱人工智能、機器是否會擁有意識、神經網絡型AI與符號主義AI的區別與融合等問題，同時提出兩種AI的解決方法，以及對人們在人工智能領域研究過程中遇到的矛盾提出自己的看法。
香港科技大學楊強教授在CCF-GAIR大會中提出人工智能成功必備的五個條件：
清晰的商業模式
高質量的大數據
清晰的問題定義和領域邊間
懂人工智能的跨界人才
計算能力
我們知道，人工智能在近年來發展如此迅速，深度學習功不可沒。而楊強教授正在研究一種新型的算法模型，其運作原理是在深度學習的基礎之上加上強化學習和遷移學習，從而讓某些成熟的數據模型更方便地應用在其他領域，無需從0到1訓練數據。
計算機視覺是人工智能的一大重要分支，如何讓計算機理解圖像一直是研究領域的一大難題。大會中，微軟亞洲研究院常務副院長，IEEE、IAPR、SPIE Fellow芮勇深入淺出，用生動有趣的實際應用案例解析了計算機視覺，同時讓人們直接感受到CV的奇妙之處。
除了計算機視覺之外，自然語言處理也是人工智能的重要組成部分。Siri和小冰均是自然語言處理落地的產品，但用戶對其的印象僅僅停留在娛樂層面，兩者在回答問題中還存在很多的問題。加拿大皇家學院院士，滑鐵盧大學教授，ACM、IEEE Fellow李明在CCF-GAIR大會中則使用有別于其他方式的深度學習模型，使得機器人問答變得更準確。此外，他還提出“語義距離”這一概念，給NLP研究者們一個新的研究思路。
眾所周知，Google、Facebook、微軟以及中國的百度等公司在人工智能領域均有著較為深厚的積累，但很多人似乎不知道，其實華為早已開始布局人工智能，并成立諾亞方舟實驗室。此次，華為諾亞方舟實驗室主任李航講述了華為諾亞方舟實驗室在AI方向深耕的產品和技術。
目前語音識別已達到一個非常高的水準，但是語義分析仍舊有很長的路要走。因此，在整體語音識別率差異較小的競爭環境中，語義分析的算法優劣和切入的使用場景就成為了NLP產品最為重要的條件。CCF-GAIR大會中，前Google科學家林德康從NLP的角度切入，深入講述搜索引擎和語音助手在未來的呈現形式。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
