杜佳豪编辑

WAIC2020企业级AI架构专场成功举办,行业专家共话AI落地挑战与未来

随着人工智能技术的发展和成熟,越来越多的企业都希望拥抱人工智能来开展业务创新,实现企业的智能化发展。如何构建一套可靠、有效且安全的人工智能技术栈,便成为了充满机遇与挑战的事情。

在7月11日上午,在WAIC 2020开发者日企业级AI架构专场中,多位来自工业、医疗、金融等不同领域的行业专家,共同探讨了企业级AI在落地过程中的技术挑战与难题。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来


知乎是当下非常热门的内容社区,包括有问答、热榜、知识服务、圈子、直播、会员等产品功能和业务板块。2017年,知乎成立了专门的AI团队,基于海量内容和用户行为数据,通过数据挖掘机器学习自然语言处理等技术,将基础算法能力以标准统一的形式输出给各个业务,为业务赋能。在《内容社区的AI架构搭建和应用》主题分享中,知乎合伙人、CTO李大海展示了知乎基础AI架构的体系。

李大海表示,在工业界真实的生产环境里面,AI应用必须同时兼顾数据、算法、架构三者的投入三者的关系好像食材、菜谱、厨具,想要把AI应用的用户体验这道菜做得色香味俱全,三样东西每样都要做好、做足、做精。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来

360金融首席科学家张家兴分享了《金融领域的数据AI融合中台》相关实践经验。他特别强调了「数据+AI融合中台」的概念。对于任意一个科技公司来说,数据是特别重要的。中台的职责应该是把不同的业务和数据打通。要想深刻挖掘数据中的价值,还要在数据基础之上构建很多的模型,通过机器学习的方法探索数据中真正深层的规律。

谈到360金融在金融科技领域搭建的数据AI中台架构,张家兴表示,面对海量的互联网用户,需要形成「智能金融的全链路」,从最初触达用户的获客到存量用户经营、风险控制,再到最后的贷后管理,形成整个链路。另外,构建了一个数据智能平台矩阵,对智能金融全链路的每一个环节都有专有的平台去支撑,将AI能力输出到各个业务环节。

医渡云首席人工智能科学家闫峻分享的主题是《AI新基建在医疗健康领域的基础架构与解决方案》。当前,在医院管理、健康管理、医学影像、电子病历处理与分析,以及临床辅助决策支持乃至整个健康生态中,都有AI技术的身影。但其中仍存在一些挑战,一是数据问题,二是应用场景问题。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来

他分享了医渡云在这方面的两个案例:第一个是Eywa平台,这是一个与医院、政府合作的大数据平台。Eywa平台是一个很好的能够面向AI开发者的技术平台,把数据的环节全部打通、全部做好,让AI开发者可以非常轻松、快速地实验和部署AI模型和应用。另外一个是城市免疫解决方案,新冠病毒已经给全球的医疗健康领域、社会民生、经济发展带来许多困扰,医渡云也在构建一整套的解决方案的框架,AI开发者可以联合研究、联合产出模型,做出对整个领域乃至全球范围内的技术贡献。

思贤科技联合创始人兼CTO段建钢分享的主题为《企业AI,数据先行》,他介绍说,近年来,人工智能进入了一个蓬勃发展的阶段,而「数据」恰恰是人工智能的基础。如果将机器学习人工智能引擎、深度学习这些算法当作发动机的话,好的数据是这个发动机正常工作的燃料。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来

但企业在开发人工智能应用的时候,常常会遇到几大数据问题:来源不清、检索不易、变化不知、质量不高、流向不明、理解不透、洞察不足。此时,数据治理工作就显得尤为重要,核心步骤有三:一是梳理组织架构(确权),二是建立标准、确定流程,三是通过元数据采集进行企业数据盘点,建立精细的数据地图,从而通过数据质量来分析报表、定位问题,实现有的放矢的治理。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来


领规科技创始人CEO黄康分享的是《面向安全生产和产品质量管控的AI技术架构》。从现状来看,当前AI技术的发展尚不能全方位满足传统工业企业的要求,从业务角度出发,整个企业级AI的技术应用是一件技术需要与业务结合非常紧密的事情,这也是AI未能战胜原有生产系统的原因。

他详细介绍了领规科技在这方面的一些探索,同时也提到在目前的安全生产和产品管控相关的AI领域,数据治理与迁移和端侧实时计算方面仍然存在不小的挑战。

最后一位分享的嘉宾是Skymind子公司Konduit首席执行官&联合创始人Adam Gibson,他介绍的主题为《AI at the Edge》,关于TinyML和在边缘/终端设备导入AI技术的相关思考。TinyML指的是在边缘设备上运行机器学习分析,这也要求所用到的小型设备必须具备效率高和功耗低的特点。与此同时,研究者们也常常使用权重剪枝和浮点运算等方法来实现运行目标。

WAIC2020企业AI架构专场成功举办,行业专家共话AI落地挑战与未来

Adam表示,现在我们认为云是理所当然的事情,但也许很快边缘就会变为常态,更好的工具将意味着更大的规模和更简单的部署。

2020世界人工智能大会云端峰会(WAIC2020)于7月9日-11日在上海举行。作为此次大会期间唯一面向 AI 技术人员和开发者的专业活动,WAIC 开发者日共设置主论坛、分论坛、高峰对话、开发者日百度公开课、开源开放 Demo Day、黑客马拉松等多个环节。

7月11日上午,开发者日4场分论坛与开发者日百度公开课已圆满落幕,欢迎大家继续关注下午的主论坛内容。

产业WAIC
相关数据
黄康人物

黄康,Kika CTO,负责全球技术团队的组建管理和技术架构的搭建,北京航空航天大学博士,主要专业领域为人工智能与机器学习。在国内外学术刊物发表论文 10余篇,国内外多个 SCI 和 EI 源刊审稿专家,获得发明专利 4 项。曾任中国科学院某国家重大科技专项系统主管设计师,豌豆荚广告算法与搜索推荐工程团队负责人。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

权重技术

线性模型中特征的系数,或深度网络中的边。训练线性模型的目标是确定每个特征的理想权重。如果权重为 0,则相应的特征对模型来说没有任何贡献。

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。

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)

剪枝技术

剪枝顾名思义,就是删去一些不重要的节点,来减小计算或搜索的复杂度。剪枝在很多算法中都有很好的应用,如:决策树,神经网络,搜索算法,数据库的设计等。在决策树和神经网络中,剪枝可以有效缓解过拟合问题并减小计算复杂度;在搜索算法中,可以减小搜索范围,提高搜索效率。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
知乎机构

作为中文互联网综合性内容平台,知乎将AI广泛应用与社区,构建了人、内容之间的多元连接,提升了社区的运转效率和用户体验。知乎通过内容生产、分发,社区治理等领域的AI应用,也创造了独有的技术优势和社区AI创新样本。

https://www.zhihu.com
推荐文章
暂无评论
暂无评论~