微胖、四月撰文

AI@上海——世界人工智能大会全记录

人工智能基础概念到行业落地、公司策略、政府政策,世界人工智能大会第一天主会场内容精华,都在这里了。

针对 7 月国务院印发的《新一代人工智能发展规划》国家对人工智能的部署,2017 年 11 月 14 日,上海推动新一代人工智能发展实施意见正式出台,提出全面实施「智能上海(AI@SH)」行动,到 2020 年,实现上海成为国家人工智能发展高地的总体目标,从政策上强调了人工智能具有的战略意义。

今天,世界人工智能大会在上海召开,活动集聚了国家领导人、全球人工智能领域最具影响力的科学家和企业家,大家围绕人工智能领域的技术前沿、产业应用等热点问题发表演讲,并进行了高端对话。

人工智能的重新定义

大多数人对人工智能的定义并不陌生,但本次大会上,众多专家基于自身的研究、产业经验,对人工智能进行了多种全新的定义解读。

首先,马云认为,「人工智能」这个翻译并不科学,他认为「AI」应该翻译成「机器智能」。汽车比人跑得快,不是因为模仿了双腿。所以,机器必须以自己的逻辑和方式去思考。在我们发明机器时,比如电脑,就应该预料到机器在某些方面会比人类更聪明。

动物有本能,机器有智能,但人类有智慧,一种改变智能思想的思想。马云进一步讲到,人工智能意味着一种认识和思考实际方式的改变。智能是改变世界的工具,智慧是改变智能的思想。

机器学习泰斗 Michael Jordan 以极富启发的方式对人工智能进行了重新定义。亚当斯密曾经研究过市场经济,分析过市场的背后那一双看不见的双手,非常智能地进行了高效的资源配置。 

Jordan 认为,我们在设计人工智能系统时,要重点考虑「经济和市场」,以经济和市场机制为中心,而非一味的模拟人类。

以 Uber 这样的系统为例,它就是一个市场。有司机和乘车人的 app,有生产者和消费者,在这个过程中数据得到交换,汽车在正确的时间到达正确的地点。但是,这不是因为算法,而是因为市场,用户使用 app 就产生出了价值。

潘云鹤院士重点提出了「人工智能 2.0」,他认为新的需求、完全不同的智能环境、已经变化的目标、世界增加的信息空间等四个原因促使人工智能 2.0 出现,而技术端倪是大数据智能的诸多应用、群体智能、人机增强智能和跨媒体智能。

姚期智教授通过量子计算人工智能的结合来加深对人工智能的理解。

他提到,科学在量子计算方面有了很大进展,如果将量子计算人工智能结合在一起,我们可以真正有机会打败自然。

一直以来,量子都是最深入、最美丽的物理法则,是最本质的大自然法则,我们常常惊叹于量子法则创立了如此雄伟、壮丽的自然,而现在,如果有了量子计算机,就能模仿大自然的量子法则,一方面,人类可以更好地理解大自然,另一方面生物进化研究也可以获得很大进展。

华为云 BU 总裁郑叶来认为,人工智能是一门通用的技术,跟人类历史上的铁路、汽车一样,都是一系列通用技术。信息技术带来效率提升,人工智能带来生产成本的变化,但人工智能可以改变目前看到的所有行业。

诺贝尔化学奖得主 Michael Levit 提到,除了人类智能和机器智能,还有第三类智能——生物智能,这三种智能是三位一体的,人、生物、机器是三位一体的。

地球上任何一个活着的东西都是由生物所组成创造,所以,生物肯定非常智能,才能够让物理的东西成为生命。如果我们能够把这三种类型智能,人、机器、生物智能结合起来、相互交互,我们将会成为一个新层面的混合智能。

一、一个比较乐观的未来

图灵奖得主、从事人工智能研究超过 50 年的 Raj Reddy 认为,当我们看未来的时候,要审视历史,要从过去吸取教训,保证我们可以从技术当中获得好处,同时建立相关的一些规则、法律法规和社会纪律,这样在未来 50 到 100 年,我们可以看到很多充满光明前景的科学进步。

比如,基于 AI 的语音智能识别将使全球 30 亿文盲和半文盲学会在新技术下与世界沟通,帮助他们阅读报纸、观看外语电影、在线投票,或者到马云的电子商务网站上购物,未来,文盲群体会成为语音应用的最大客户来源。简单易用会让互联网人口翻一番,进而带来强大的经济效应。

在即将来临的 2-3 年中,AI 更多将成为增强人类能力的认知放大器,它会提高人类的能力,帮助你做的更快、更好、成本更低。

而从长远的 5-10 年来看,AI 将成为人类的「守护天使」,替人类完成他们如今无法完成的任务,我们可以说它是超人类人工智能

比如及早发现那些可能会影响人类安全、稳定和幸福的突发事件,并发出预警。

假设地震引发了一场海啸,如果我们对此毫不知情,这将成为一场伤亡惨重的大灾难,但如果我们有一个守护天使,能够预测 10 分钟后即将到来的巨大海浪,我们就能够拯救很多生命。

天使永远在线,终身学习的系统。它带来经济效果,可能是十倍于现在的 GDP。

沈向洋指出,如今人工智能创新节奏迅速,但要达到人类水准尤其在认知领域达到人类水平仍然任重道远。

华为云 BU 总裁郑叶来称,所有的技术应用有一个过程,华为看待产业分成四个阶段,根据整个技术发展和社会环境,华为认为人工智能目前是第二阶段的开始,「有兴奋和冲动,但也有焦虑」。

马化腾则提到,国内黑产的「升级」例如病毒分发更加隐秘,使我们改变安全防护模式,使用人工智能来进行安全防护。

他表示,AI 处于发展初期,但未来这一技术可能会变成万能钥匙,带来前所未有的挑战。他还表示,人工智能技术是一场跨国、跨学科的科学探索工程;人工智能技术的发展,正在通向「大社交」时代。

二、制造业

当目光从未来切换到现在,我们会发现,随着 AI 走出实验室,融入行业和我们的生活,孤立谈 AI,会越来越没有意义。

在李彦宏看来,所谓信息化就是 AI 化,以后没有任何一个公司不会和 AI 无关。

汤晓鸥也认为,并不存在 AI 这个产业,只有 AI+才是产业。AI 与传统行业的关系,不是颠覆行业,而是合作,提高效益。

虽然 AI 在消费领域的成就非常大,很多人才和资本都倾向了商业和零售,但是,制造业得到了不少与会嘉宾的关注。
马云认为,未来 30 年,AI 将深深改变所有制造业。

制造业会从过去的标准化,走向个性化、智能化,也将是制造和服务的完美结合。未来的制造业都是服务业。

中国制造业从东北转移到长三角,接下来,制造业会是服务业。上海服务业比重 70% 以上,水平和人才素质是这座城市最大的优势。

在马云看来,AI 技术再先进,如果不能和制造业结合推动转型升级,不能往着普惠方向发展,就会失去意义。

SAP 全球高级副总裁、SAP 中国总经理 Sam Li 提到了一个惊人的数字:流向制造业的资本和相关人才,仅有 0.9%,这与 AI 可能给制造业带来的巨大潜力,非常不相称。

以最能代表流水线高效生产力的汽车业为例,如今的 OTD 已经从巅峰的 20 回到了 49,背后的原因在于如今大规模流水线已经是能力见顶。对此,德国提出了自动化加工岛的概念,而 AI 让这个概念提前到来。

Sam 介绍了奥迪自动化加工岛。它们实现了模块化生产(不同模块,不同工艺,不同组合替代流水线);众多 AGV 来往于加工岛之间,有时甚至需要启用无人机投递零件;数以万计零部件需要随时调配,所有这些都是在 AI 调度下完成定制化。劳动力效率提高了 20%。

Sam 提到了一个和马云相同的观点,必须推动制造业走向服务业,比如不仅是出售一台拖拉机,而是尽量提供高附加价值的服务,因为这样的企业抗风险能力更强,盈利能力业更强。

三、医疗

本次大会上,重新回归斯坦福大学的李飞飞,以人工智能实验室主任身份在现场分享了 AI 技术应用到医疗领域的感悟和项目进展。

她表示,医疗的成本非常高,AI 赋能主要在两个层面,一是减少错误,减少传染疾病、感染的可能;二是提高医疗质量,让护理人员有更多的时间关注患者,慢性病管理更加一致化。

李飞飞介绍,在斯坦福的 AI 医疗项目主要思路是将传感器应用在医疗中,感知三维空间,通过算法理解传感器收集到的意义。目前正在推进的包括三个项目。

第一个项目在于解决通过手等传染源而导致的传染问题,这一问题造成美国每年死亡 9 万 9 千人。加入传感器后能够从不同角度认知人类的卫生活动,通过比人工精度更高的人工智能算法进行研究这些活动。

此外,还包括重症监护室 ICU、老年的护理等两个方向。

团队已经在旧金山进行试点,用于检测和预防老年人的跌倒行为,主要通过热传感器来进行分析,作为深度传感器的互补。由于老年人的跌倒行为缺乏训练的数据,所以主要通过迁移学习来进行训练。

在上海,李飞飞团队已经与上海交大、瑞金医院进行深度的 AI 医疗项目合作。

李飞飞最后表示,医疗的核心仍是人与人的相互照顾,技术不能替代人与人之间的这种扶持关系,但能在一定程度上改进这种关系。

公司的 AI 策略

李彦宏认为,一个真正 AI 公司,一定是三位一体:AI 思维,AI 能力,遵循 AI 伦理。但是,如何成为一家 AI 公司?

Landing. AI 创始人吴恩达认为,在过去,并非有自己网站的公司就叫 IT 公司。真正的 IT 公司(比如亚马逊、阿里)必须具备几个要素:A/B 测试测试、快速迭代、工程师和产品经理决策。

吴恩达常被 CEO 问到的三个问题是:如何招聘 AI 人才,如何建立 AI 团队?如何挑选 AI 项目,哪些 AI 项目是应该避免的?如何制定在公司策略时考虑公司的 AI 能力?

他认为,回答好这三个问题,一个传统产业公司便能转变成一个伟大的人工智能公司。

首先,要学会使用外部资源,让项目真正上线,尽快建立一支 AI 团队,其中,对团队的培训非常重要;而且,第一个 AI 项目不一定最重要最大,但一定要让人看到 AI 的能力;

其次,成立一个中央化的 AI 团队,或者购买使用标准化的 AI 产品解决通用的问题,然后针对自己的个性化产品,建立自己的 AI 团队;

第三,AI 的策略是多面性且有复杂性,新成立的公司不要和谷歌、百度、微软在通用 AI 上有所竞争,而是要在自己的细分领域中找到 AI 的独特应用,

最后,要赢得学界和政府的支持,与大学的合作,可以接触到最新最好的技术,而政府的支持,将使许多行业规则得到改写。

政府可以做什么

Raj 谈到,回顾 20 世纪的历史给他很大启示,技术不会带来伤害,关键是需要规则、监管、引导,AI 只是一个工具。

那么,如何加以引导和监管呢?

现任国务院副总理、国家科技领导小组副组长刘鹤表示,AI 有技术由量变到质变的巨大 变化,应用更广泛。人工智能发展的不确定性受到广泛关注,也需要回答的一些新问题:道德伦理、法律法规、就业问题、隐私、不当运用。

他谈到了一个经济规律:一个国家的初始条件,决定了路径依赖。中国目前是需求引领市场、应用倒逼研究的独特路径。

因此,在工作上,坚持以需求引领发展的模式,中国未来最大特点是市场广阔;坚持需求导向的发展模式,信息、智能促进发展;高度重视基础研究,加大基础研发投入(从 0 到 1 的原创性科研成果);为微观主体创新活力营造市场,针对民营、中小企业发展市场环境,提供支持。

马云认为,生产力的改变,需要生产关系的的适应,政府运营的改变。比如自动驾驶一个行业是否被淘汰,应该交给市场,而政府要做的是如何提升驾驶安全,而不是主动取缔一个行业。

CMU 教授邢波希望政府可以尊重 AI 自身的演化规律,容许试错、保持宽容、给予自由。

香港中文大学校长段崇智认为,很多国家,上游(也就是研究)做到很好,下游,中国有很大的市场需求。但是,对于人工智来说,位于上游和下游中间的第二棒很重要,比如,城市合作。段崇智也认为,创新离不开资金、法制、人才和美食。

Nature 机器智能子刊主编 Liesbeth Venema 认为,宜居的环境很重要。

非常有趣的是,上海同济大学副校长吴志强的博士生的研究也验证了上述嘉宾的一些建议和判断,比如,创新者青睐在上海老城区边上建构生活和工作场地;创新聚能的地方,多和吃饭、食品多样性有关。

在 AI 伦理约束问题上,李飞飞说到,我们应该坚持 AI 的三个原则:

AI 必须更深层次地反应人的思维;我们有责任引导和监测 AI 对人类发展所带来的影响,虽然工程化是我们的第一个挑战,但我们更要关注 AI 带来的社会伦理挑战;AI 应该增强人类而不是取代人类,AI 可以替代危险性的工作,但人的素质会因为 AI 有不断的发展。

百度也提出了四个伦理原则:安全可控、平等、成长而不是取代、更多自由。

AI 在上海

一、人才

一份出自领英的《全球 AI 领域人才报告》显示,国内 70% 的 AI 人才集中于北京和上海,其中北京约占 34.1%,上海占 33.7%。上海在计算机视觉、语音语义识别、脑智工程等领域具有话语权,还拥有一批人工智能领域院士。

随即也带动了一批全球人工智能创新项目在上海签约落户。包括阿里巴巴、百度等 8 个 AI 创新中心(实验室),腾讯、华为等 8 个 AI 创新平台,微软、亚马逊等 3 个 AI 研究院,1 个百亿人工智能产业基金分别与市经济信息化委、10 个区、3 个科研院所以及 MIT 全球产业联盟签署合作协议。

据悉,大会期间的签约项目包括「1+3+8+8」。即:1 个基金、3 个研究院、8 个 AI 创新平台和 8 个 AI 创新中心(实验室)。

微软宣布在上海成立微软上海研究院,以及与上海仪电的合作,双方在上海建立人工智能创新院。亚马逊也宣布在上海成立研究院,搭建本地研究团队。

科大讯飞将国际总部设立在了上海。

商汤认为,实际上 AI 最核心是人才,是人才的培养。在这一点上,商汤在上海做了几件事情。

首先,和华东师范大学,还有上海世纪中学一起在前一段时间出版了全球第一本人工智能高中版的教科书。

另外一个,为了保证高端人才、顶级研究人才不断地输入,与 MIT 建立了人工智能联盟。由此受到启发,认为应该联合更广泛的学术机构大学,所以接着倡导了今天开幕式上启动的全球高校 AI 学术联盟,成员包括清华、MIT、交大、 复旦、浙大、香港中文、清华等。

今天,腾讯的华东总部正式落户上海,腾讯与上海市的合作将全面升级。

其中,双方最为重要一个合作领域就是,腾讯要在上海聚焦人工智能产业,并将先进技术充分应用于文化创意、智慧城市、智慧零售、民生健康等领域,全面加入「智能上海」行动,共同打响「上海服务」、「上海制造」、「上海购物」、「上海文化」四大品牌。

其实,腾讯的优图实验室就位于上海漕河泾工业园,优图隶属于腾讯社交网络事业群 (SNG),是腾讯 3 个人工智能团队中专注于机器学习模式识别、认知技术研发和业务落地的研究团队,另外两个分别是 AI Lab 和微信 AI 团队。

优图实验室两大团队分别位于上海和合肥,团队成员不少是来自上海交通大学的博士和硕士,办公地点落地上海利于网罗更多的专业人才。同时上海周边经济带发达,和硅谷一样容易形成带状效应,在技术应用推广上也驾轻就熟。

二、资本

一块钱的科研投入,需要一百块钱的商业转化成本,才能变成民用商品。

这一百块的成转换成本,除了人才、先进技术、还有风投资金和市场。

作为中国的金融中心,上海是中国风投最活跃的城市之一,即便在号称「资本寒冬」的 2016 年上半年,上海泛互联网领域也发生了 344 起投融资事件。

在中国已成为全球人工智能投融资规模最大的国家之后,上海的人工智能投资也非常活跃。

在 2018 世界人工智能大会开幕式上,全国首个人工智能创业投资服务联盟在沪宣布成立。

国投创合、中金启元、盈富泰克三支国家新兴产业创业投资引导基金,以及硅谷资本、真格基金、IDG、创新工场、深创投、火山石等 AI 投融资领域最有影响力的 40 余家机构,已成为联盟首批成员单位。联盟将探索以创业投资服务人工智能产业新模式为着力点。

三、政策

今天的世界人工智能大会上,上海再度发布《关于加快推进人工智能高质量发展的实施办法》,围绕集聚高端人才、突破核心技术、推进示范应用等五个方面提出了 22 条具体举措。

正如马云所言,这次大会在上海举办,意义很重大,和硅谷、以色列意义意义不一样。

过去的大会以技术人员为主,但是,上海的这次大会不再是局限于技术的大会,而是有关从外部认识未来世界、人类自身的思维方式,重新定义自己的生活方式的大会。

产业人工智能世界人工智能大会
2
相关数据
科大讯飞机构

科大讯飞股份有限公司成立于1999年,是亚太地区知名的智能语音和人工智能上市企业。自成立以来,长期从事语音及语言、自然语言理解、机器学习推理及自主学习等核心技术研究并保持了国际前沿技术水平;积极推动人工智能产品研发和行业应用落地,致力让机器“能听会说,能理解会思考”,用人工智能建设美好世界。2008年,公司在深圳证券交易所挂牌上市(股票代码:002230)。

http://www.iflytek.com
吴恩达人物

斯坦福大学教授,人工智能著名学者,机器学习教育者。2011年,吴恩达在谷歌创建了谷歌大脑项目,以通过分布式集群计算机开发超大规模的人工神经网络。2014年5月16日,吴恩达加入百度,负责“百度大脑”计划,并担任百度公司首席科学家。2017年3月20日,吴恩达宣布从百度辞职。2017年12月,吴恩达宣布成立人工智能公司Landing.ai,并担任公司的首席执行官。2018年1月,吴恩达成立了投资机构AI Fund。

所属机构
李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

邢波人物

卡内基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了Petuum平台,利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016年11月,邢波创立Petuum公司,担任CEO和首席科学家。

汤晓鸥人物

汤晓鸥,现任香港中文大学信息工程系系主任,兼任中国科学院深圳先进技术研究院副院长。中央组织部“千人计划”入选者,全球人脸识别技术的“开拓者”和“探路者”,商汤科技联合创始人。2014年3月,汤晓鸥团队发布研究成果,基于原创的人脸识别算法,准确率达到98.52%,首次超越人眼识别能力(97.53%)。

相关技术
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

A/B 测试技术

一种统计方法,用于将两种或多种技术进行比较,通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好,而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较,但也适用于任意有限数量的技术和衡量方式。

推荐文章
暂无评论
暂无评论~