ai人工智能对话软件-吹响“人工智能应用”的号角：AI大会2018北京站圆满成功

2018年4月10日至4月13日，由O'Reilly和Intel联合主办的AIConference 2018北京站大会在北京国际饭店会议中心隆重举行。

会议主题为“探索人工智能在商业中的应用机会”，来自谷歌、英特尔、Uber、亚马逊、百度、微软、阿里巴巴、蚂蚁金服、SAS、IBM、Unity、SalesForce、eBay、Bonsai、伯克利的代表出席来自斯坦福大学、牛津大学等中美知名企业和高等院校的85位行业专家、学者和研发人员在四天内发表了近百场主题演讲、分会议题及相关培训活动。 来自全球的千余名参会者分享了中美人工智能应用的最新成果，引起了业界的广泛关注。

在会议的主题演讲中，多位行业领袖向与会者介绍了各自领域人工智能应用的最新进展。

英特尔人工智能事业部副总裁、人工智能实验室与软件总经理Arjun Bansal博士分享了英特尔人工智能在推动医疗行业现代化方面的进展。 包括如何利用深度神经网络帮助解决海量医疗数据集的问题，优化流程，提高医生的效率； 利用深度学习和机器学习，大大提高肿瘤检测的效果； 通过有效的优化算法等，大幅降低新药研发成本。

同样来自英特尔的刘银银博士是英特尔人工智能事业部数据科学部的数据科学总监。 她和她的团队成员推动英特尔Nervana平台的开发和设计，并将深度学习和英特尔Nervana技术应用到不同行业的业务应用中。

刘博士在演讲中首先谈到了英特尔应用解决方案的整体思路：建立一个NLP平台，建立一个开放灵活的堆栈，并利用该平台和堆栈创建一些商业应用解决方案。 接下来，刘博士与大家分享了利用深度学习网络处理自然语言的NLP最新算法发展ai人工智能对话软件，比如文档理解等应用，可以快速筛选海量文本、分类标注并查找相关信息。 随后，刘博士还通过几个使用英特尔人工智能技术的NLP企业案例展示了深度学习领域的一些创新：它如何影响文本、语言和基于对话的应用程序的处理，以及开启数据利用的新方向。

作为谷歌TensorFlow团队的科学家，Sherry Moore与与会者分享了谷歌人工智能平台TensorFlow的最新发展和应用、谷歌如何让每个人都能从人工智能中受益，以及谷歌致力于让人工智能造福每个人。

Sherry在演讲中提到了人工智能在Google Assistant、Google Home、Google+等产品中的应用。 他特别提到，谷歌翻译使用神经网络翻译来翻译整个句子，大大提高了翻译的准确性。

同时，Sherry还介绍了谷歌人工智能在医药、农业、航空运输、环保等领域的应用。 此外，TensorFlow的开源给行业和行业带来了巨大的变化。 Sherry 还专门安排了 40 分钟的会议来分享该主题。

Uber 的 Erran Li 博士是 Uber 先进技术团队的高级研究科学家、ACM 和 IEEE 计算机学会成员、康奈尔大学计算机科学博士学位。 李二然博士与参会者分享了深度强化学习如何显着提升自动驾驶的潜力，例如：感知和行动的领域适应和迁移学习、无监督学习； 模型预测控制（如iLQR）领域的最新研究进展，如：模仿学习（如DAGGER、infoGAIL）、策略梯度方法和分层强化学习（如A3C和变化减少）等，如以及它们在自动驾驶方面的应用表现，同时也介绍了自动驾驶领域剩下的“最后10%”问题所带来的巨大挑战。

Matroid创始人兼首席执行官Reza Zadeh博士概述了Matroid的Kubernetes部署情况，该项目为大量用户提供了定制的计算机视觉和流量监控，并演示了如何在浏览器中定制计算机视觉神经网络模型。 它还解释了 Matroid 如何扩展以构建、训练和可视化用于监控视频流的 TensorFlow 模型。

Danny Lange 博士是 ACM 和 IEEE 计算机协会的成员。 他担任世界顶级游戏公司 Unity Technologies 的人工智能和机器学习副总裁。 曾担任Uber机器学习负责人、亚马逊机器学习公司总经理、微软首席开发经理。 他的工作经验（例如通用汽车 OnStarVirtualAdvisor 项目）使他成为公认的行业领导者。

Danny Lange博士向与会者介绍了使用ML-Agents工具包的UnityEngine作为机器学习研究的动态3D游戏环境的示例； 并展示了游戏对强化学习算法发展的推动作用； 丹尼还概述了使用各种算法来训练机器学习代理，包括各种强化学习和监督学习方法。 它还对如何在定制的3D游戏环境中进行机器学习研究，以及如何在这些环境中使用深度强化学习方法完成各种任务给出了很好的建议。

百度首席科学家熊辉博士首先表示，“数据驱动的人工智能时代已经到来”。 他指出，数据驱动的主要特点是，精细化的数据采集会让一切变得更加清晰，但同时，大量数据积累的过程也会造成信息的冗余吉祥物设计，大大增加了获取高价值的成本。 – 附加信息。

在接下来的演讲中，熊辉博士谈到了最适合人工智能应用的两类行业：尚未完全数字化的行业，以及尚未完全数字化且粒度较小的行业。 他指出，数据、算力、算法、应用场景是人工智能的四大要素，其中算法优化是学术界的强项，而数据、算力和应用场景则是企业界的强项。

作为一家数据驱动型公司，百度旨在通过Apollo自动驾驶开放平台、精细化个性化百度搜索推送平台、百度语音技术、视频DuerOS等四大要素的融合，打造全生态数字AI平台。加工技术开放平台就是这一理念的具体体现。

“我今天给大家讲的是强化学习如何解决实际应用中的问题，是怎么解决的？解决什么问题？” Bonsai 创始人兼首席执行官、认知企业家马克·哈蒙德 (Mark Hammond) 开门见山。 主旨演讲的核心内容。

强化学习结合了模拟或数字的组合，是一种强大的机器学习工具卡通形象，可以解决动态变化和自适应环境中的问题。 强化学习可以训练模型来优化各个行业（例如机器人、制造、能源、供应链等）的系统和流程的效率。 Mark Hammond在演讲中通过两个真实案例展示了强化学习如何成功优化西门子的机器调优以及如何优化大型空调公司系统的能源效率。 它还详细介绍了从构建、训练、部署模型到分析应用程序的整个业务流程。

Hassan Sawaf 是 AWS 应用科学和人工智能总监，负责推动 AmazonLex、AmazonComprehend、Amazon Translate、Amazon Transcription 和其他机器学习服务等产品的科学和技术发展。 他在自动语音识别、计算机视觉、自然语言理解和机器翻译方面拥有丰富的经验。 二十多年工作经验。

Hassan Sawaf在主题演讲中首先与参会者分享了人机交互的历史进程，并结合机器学习的使用场景，介绍了亚马逊人工智能在语音识别、机器翻译等应用领域的最新成果，以及新推出的Amazon Go为您带来全新的购物体验。

“到目前为止，一切都是AI+HI，即人工智能+人类智能。” 微软高级副总裁、微软亚太研发集团主席、微软亚洲研究院院长洪小文博士在主题演讲《智能简史》中明确提出了人工智能的发展理念，并在此基础上介绍了微软在CNN、语音识别、机器翻译等方面的进展。

周博文博士，京东人工智能平台与研究部副总裁，是人类语言技术、机器学习和人工智能领域的专家。 在他之前在IBM的十五年工作经历中，他是IBM技术战略和研究以及AI认知研究的领导者，并且是IBM沃森集团的首席科学家。

周博文博士在会上与大家分享的是他对人工智能的独特理解：从现在的ANI（狭义人工智能）到未来的ABI（广义人工智能）。 这种发展意味着更好的需求和识别数据，减少对专家手动系统、算法专家的依赖，以及更可解释的人工智能解决方案。 更重要的是，新开发的人工智能系统可以执行更多不同的任务。 所有这些结合起来将形成 ABI。 但如果ABI能够实现，对于任何一个AI应用公司和AI用户来说，都意味着将形成一个比现在大100倍的人工智能市场。 同时，周博士还分享了从ANI到ABI，研发人员需要努力实现的七个主要技术方向。

除了精彩的主题演讲外，与会嘉宾的话题还涉及“人工智能在企业中的应用”、“人工智能对商业社会的影响”、“人工智能实现与交互”、“人工智能模型与方法”、方面展示了自然语言处理与理解、语音识别、计算机视觉识别、强化学习与机器学习、深度学习、CNN与GAN、AI平台等领域的最新研发成果和前沿技术设计等，以及这些成果和技术的应用。 包括医疗、金融、教育、媒体、新闻、娱乐、零售与电商、交通物流等多个行业的最新应用。

纵观本次AIConference2018北京会议，我们有以下突出印象：

1、大数据时代的到来，加速了人工智能应用的发展。

参加本次大会的英特尔、谷歌、亚马逊、百度、京东、阿里巴巴、Uber、微软等国内外企业都是拥有独立大数据流量入口的企业，他们都成为了大数据领域的“超级玩家”。人工智能。 海量数据资源的支持，不仅让他们在这场“未来游戏”中处于领先地位，也为他们带来了巨大的经济效益和在人工智能领域的影响力。正如百度首席科学家熊辉博士在本次大会上所言：会议认为，“与以往的人工智能发展路径不同ai人工智能对话软件，这是数据驱动的人工智能，未来，随着智能家居和物联网的普及和发展，大数据对人工智能快速发展的作用。”智能化应用将越来越明显。

2、人工智能来自“云”。

与数据竞争一样，“AI云服务平台”也成为激烈竞争的战场。 参会的很多公司都在各个领域推出了自己的基于云服务的人工智能平台，比如著名的Google的TensorFlow； AWS 推出 Sagemaker 来构建和部署 ML 模型； IBM有沃森； 百度在自动驾驶领域有Apollo平台，语音技术、视频处理技术领域包括DuerOS平台等。如今“AI云服务”已经成为发展趋势，这些AI大佬自然不会错过这个机会，因为平台的竞争就意味着用户的竞争。 归根到底，就是数据入口和流量的竞争。

3、深度学习不断“深入”，什么时候才能由“黑”变“白”？

在AIConference北京站上，嘉宾们提到观众听到最多的词（短语）大概就是“深度学习”。 无论是Uber的无人驾驶还是Google的机器翻译； 无论是微软的“小冰”，还是英特尔的精准医疗，“深度学习”随处可见。 随着大数据的应用和计算机计算能力的大幅提升，满足了深度学习进一步完善和完善的需求。 从本次会议众多应用的发展可以明显看出，深度学习的发展成果越来越强烈地影响着人工智能在感知、预测、决策等应用中的效果，而且这种影响正在朝着什么方向发展？人们期待。 希望的方向不断前行。 深度学习帮助我们解决“什么”的问题，但无法回答“如何”的问题。 因此，业界习惯称这种模式为“黑匣子”。 人们一直试图打开这个“黑匣子”，但迄今为止还没有成功。 当这个“盒子”能够从“黑”变成“白”时，人工智能将在那一刻实现质的飞跃。

为期四天的会议虽然时间短暂，但信息丰富，与会人员受益匪浅。 人工智能的未来就在这里。 明年AI大会再次开幕时，会有什么样的惊喜等待着我们？ ！