技術(shù)爭鳴，座無虛席！

11 月 8 日，北京諾金酒店，2018 AI開發(fā)者大會（AI NEXTCon）第一天議程圓滿結(jié)束，這是值得銘記的一天。

上午 9 點，由中國 IT 社區(qū) CSDN 與硅谷 AI 社區(qū) AICamp 聯(lián)合出品的 2018 AI 開發(fā)者大會（AI NEXTCon） 拉開帷幕，就人工智能的最新技術(shù)及深度實踐，進行了全方位解讀及論證。本次大會也是年度人工智能領(lǐng)域面向?qū)I(yè)開發(fā)者的一次高規(guī)格技術(shù)盛會，對我國人工智能產(chǎn)業(yè)的發(fā)展和技術(shù)應(yīng)用的深入落地有著極大推動作用。

大會全力聚焦 AI 開發(fā)者，以“AI 技術(shù)與應(yīng)用”為核心，在主題報告之外，設(shè)置有 10 個主題論壇，包括 7 大技術(shù)專題以及 3 大行業(yè)峰會，深度聚焦人工智能的技術(shù)創(chuàng)新與行業(yè)應(yīng)用，為 AI 從業(yè)者展示前沿技術(shù)、優(yōu)秀產(chǎn)品、行業(yè)應(yīng)用案例，并深度解讀產(chǎn)業(yè)發(fā)展趨勢。

圍繞“只講技術(shù)”的宗旨，大會邀請到具有超強 AI 落地環(huán)境的硅谷巨頭與國內(nèi)領(lǐng)軍企業(yè)的重磅演講嘉賓，其中包括百度、阿里、騰訊、京東、小米、滴滴、美團等各大互聯(lián)網(wǎng)公司的技術(shù)負責(zé)人，更有 Google、Facebook、亞馬遜、微軟、LinkedIn 等硅谷王牌團隊的實力講師團降臨現(xiàn)場，超密集 AI 技術(shù)干貨風(fēng)暴，整體繪制出一幅 2018 年度 AI 技術(shù)實力的大圖譜。

下面，就讓我們一起回顧下今天技術(shù)大牛們的精彩演講內(nèi)容。

▌七大大咖嘉賓主題報告，指明 AI 發(fā)展新趨勢

大會的第一位嘉賓是亞馬遜資深主任科學(xué)家、Alexa&Echo 技術(shù)負責(zé)人 Nikko Strom，他講述了亞馬遜 Alexa 語音識別的核心技術(shù)及深度學(xué)習(xí)的應(yīng)用。Nikko 表示，目前亞馬遜 Echo 主要涉及了遠場語音交互、ASR、NLU 等語音語義方面的核心技術(shù)。自 2014 年上線以來，亞馬遜 Echo 和其他由 Alexa 提供支持的設(shè)備已經(jīng)進入數(shù)百萬家庭，并作為家居、音樂、購物、視頻通話的語音接口提供給第三方平臺進行深度開發(fā)（目前可提供上萬種功能）。

這也意味著 Echo 和基于 Alexa 提供 API 接口的第三方設(shè)備上的數(shù)據(jù)積累量也越來越多，這時就需要大規(guī)模學(xué)習(xí)——深度學(xué)習(xí)在語境中的應(yīng)用，而這主要涉及四個場景：語音交互、多模態(tài)語境、不同交互設(shè)備、個人身份語境。

小米首席架構(gòu)師、人工智能與云平臺副總裁崔寶秋帶來了《小米的AI與開源技術(shù)探索》主題分享。

他在演講中指出，雖然智能手機看起來很小，卻無疑是如今最大的AI賦能平臺。而作為新一代 AI 背后的技術(shù)，深度學(xué)習(xí)算法的發(fā)明使人工智能進入了實用階段?，F(xiàn)在談大數(shù)據(jù)過時還為時尚早，相信在未來，以大數(shù)據(jù)、深度學(xué)習(xí)為基石的 AI 技術(shù)還將造福人類生活的方方面面。

眾所周知，云計算和大數(shù)據(jù)離不開開源軟件，事實上，AI 時代我們更加離不開開源，包括Google、微軟、Facebook、Amazon、百度，以及 IBM 等在內(nèi)的一線 AI 公司都在競相開源 AI 技術(shù)。此次分享也著重介紹了開源對于 AI 領(lǐng)域的重大意義。

首先，開源有助于企業(yè)在特定領(lǐng)域建立、擴大領(lǐng)先優(yōu)勢；其次，深度學(xué)習(xí)框架通常由企業(yè)主導(dǎo)，對學(xué)術(shù)界和工業(yè)界都有幫助；再次，模型算法通常由學(xué)術(shù)界主導(dǎo)，有助于創(chuàng)新；此外，還能有效減少行業(yè)壟斷，促進差異化競爭；最后，開源將鼓勵外部開發(fā)者參與，準確把握行業(yè)方向和用戶需求。開源讓我們得以站在巨人的肩膀上，接觸到那些已經(jīng)非常成熟的軟件。

崔寶秋在分享最后再次強調(diào)"開源是AI軟件的未來"，并呼吁“更廣義的開源”和“更加開放的開源”，不僅代碼開源，同時保證數(shù)據(jù)和知識圖譜也以開源模式來打造。

在 AI 開發(fā)者大會上，CSDN 創(chuàng)始人&董事長、極客幫創(chuàng)投創(chuàng)始合伙人蔣濤發(fā)表了以《AI 時代的開發(fā)者畫像》為題的演講。他指出，在 AI 時代，開發(fā)者崗位是 AI 生產(chǎn)線上的“經(jīng)理”，開發(fā)者更要學(xué)會研究數(shù)據(jù)，改進算法，而頂級 AI“生產(chǎn)線”需要頂級 AI 開發(fā)者，這些開發(fā)者既需要人才數(shù)量，也要求人才質(zhì)量。

他還發(fā)布了 CSDN 出品的《2018 人工智能產(chǎn)業(yè)路線圖》V2.0，總結(jié)了 AI 產(chǎn)業(yè)發(fā)展的五大重要發(fā)現(xiàn)和趨勢：

1、信息化水平全面提升，半數(shù)企業(yè)實現(xiàn)數(shù)字化和商業(yè)智能化；

2、AI 熱潮蔓延，各地政府上演 AI 人才爭奪戰(zhàn)；

3、高校掀起 AI 熱，超 50 家高校開設(shè)人工智能本科專業(yè)；

4、國內(nèi)掀起造芯浪潮，智能制造超越金融，最受投資者青睞；

5、熱錢大量融入 AI 頭部公司，中小企業(yè)“寒冬”將至。

最后，蔣濤宣布了 CSDN 與美國波士頓 AI 創(chuàng)業(yè)公司 Neurala 的合作，一起致力于AI的“平民化”，并號召更多的行業(yè)領(lǐng)先公司、社區(qū)積極分子和 CSDN 一起打造中國人自己的開源、開放平臺。

如何通過機器學(xué)習(xí)、語音、工程師語言實現(xiàn)人類創(chuàng)造？京東技術(shù)副總裁、AI研究院常務(wù)副院長何曉冬發(fā)表了《自然語言處理進展：從理解到創(chuàng)作》的演講。他從感知、認知、創(chuàng)作三個層次分享了人工智能相關(guān)技術(shù)近年來的重大進展和發(fā)展歷程。

首先是感知層，主要涉及了語音識別、圖像識別技術(shù)。從 1990 年開始，基于統(tǒng)計機器學(xué)習(xí)模型取得的進步，去年最佳的語音識別水平達到了近乎人類的水平；而圖像識別也在 2011 年后有了新突破，甚至在某些方面超過了人類在測試集上的水平。其次是認知層，即對語義的充分理解，特別需要指出的是多模態(tài)認知（包括語言、圖像、知識圖譜、語音語態(tài)信號）問題。那么對于機器智能而言，如何從理解到創(chuàng)造呢？何曉東認為，創(chuàng)作是一個更高程度的智能，對于人類而言抽象的事物都不能完全很好的理解。

領(lǐng)英（LinkedIn）人工智能研發(fā)總監(jiān)張梁發(fā)表了《AI 在大規(guī)模招聘求職上的應(yīng)用》主題演講。他著重介紹了人工智能技術(shù)在全球互聯(lián)網(wǎng)招聘求職場景下的落地及其解決的問題。張梁表示，人工智能于領(lǐng)英而言是氧氣般的存在，是所有用戶體驗的 DNA，貫穿智能問答系統(tǒng)等多個應(yīng)用。面對大規(guī)模計算平臺上的海量數(shù)據(jù)，如何在毫秒級的延遲范圍內(nèi)最大化提升用戶體驗是極為關(guān)鍵的問題，人工智能技術(shù)在這里便扮演了一個重要的角色，包括推薦系統(tǒng)、知識圖譜和標準化，以及深度學(xué)習(xí)等技術(shù)的應(yīng)用。

隨后小 i 機器人解決方案中心副總裁孫欣圍繞《AI 技術(shù)創(chuàng)新及產(chǎn)業(yè)化實踐》主題深入分享了如何將 AI 用解決方案落地到真正的商業(yè)化中。孫欣表示，在商業(yè)化過程中最重要的一點就是貨幣化，直至今日在 AI 領(lǐng)域，應(yīng)用最成熟、最先落地的就是智能客服領(lǐng)域。

小 i 機器人以 iBot 會話平臺，通過自然語言的處理能力、多模型知識庫、大數(shù)據(jù)分析能力以及多模態(tài)處理層等相結(jié)合面向行業(yè)提供了智能化會話平臺。同時提供會話式人工智能 5 大 Bot：Chatting Bot 智能閑聊解決日常聊天問題，F(xiàn)AQ Bot 基礎(chǔ)問答解決簡單、明確的問題，Deep Bot 深度交互解決復(fù)雜場景問題，Recommendation Bot 解決營銷場景問題，Discovery Bot 知識探索解決未收錄知識問題。

最后一位重磅嘉賓是美團點評研究員、美團配送AI方向負責(zé)人何仁清，他以《即時配送中的機器學(xué)習(xí)技術(shù)》為題做了演講。對美團而言，即時智能配送系統(tǒng)堪稱美團的“智慧大腦”。何仁清指出，懶是全球人民的共性，對方便、快捷的服務(wù)有著直接的需求，以外賣配送為主要形式，近年來在全球范圍內(nèi)掀起一波浪潮。

不過，即時配送同樣存在一定的業(yè)務(wù)挑戰(zhàn)，從商業(yè)模式上講，效率、體驗、成本是實際配送環(huán)節(jié)中需要關(guān)注的核心問題。目前美團構(gòu)建的即時配送系統(tǒng)主要涉及兩大部分：一是 LBS、機器學(xué)習(xí)、感知技術(shù)、算法數(shù)據(jù)和計算平臺等技術(shù)相關(guān)的水平領(lǐng)域；二是智能調(diào)度系統(tǒng)、定價系統(tǒng)、規(guī)劃系統(tǒng)等垂直業(yè)務(wù)的相關(guān)技術(shù)。

精彩的“AI 技術(shù)新趨勢與新應(yīng)用”主題報告環(huán)節(jié)落下帷幕后，真正的技術(shù)盛宴才剛剛開始。

今天下午共有計算機視覺、自然語言處理、機器學(xué)習(xí)工具、數(shù)據(jù)分析技術(shù)四大論壇，以及二十三位重磅嘉賓，下面摘取各位嘉賓的精彩分享。

▌四大技術(shù)專題，二十三位重磅嘉賓的技術(shù)風(fēng)暴

在今天下午的計算機視覺技術(shù)專題，以商湯為代表的計算機視覺公司講述了他們在各自領(lǐng)域的技術(shù)應(yīng)用和探索，比如計算機視覺算法在移動端相機上的應(yīng)用，物體檢測與語義分割的算法創(chuàng)新及實踐等議題。

計算機視覺專題

商湯科技副總裁、工程院院長 沈徽

計算機視覺技術(shù)不是單點突破，而是需要整個技術(shù)平臺性的提升。AI 技術(shù)本身必須要跟行業(yè)實際的場景結(jié)合，才會使社會生產(chǎn)力進步。

字節(jié)跳動人工智能實驗室總監(jiān) 文林福

圍繞計算機視覺算法在移動端相機上的應(yīng)用，他從算法、硬件、手機端的適配、量化框架四大方面出發(fā)，給出了相應(yīng)解決方案。

曠視科技研究院 Research Leader、Detection 組負責(zé)人 俞剛

他講述了物體檢測和分割在 Face++ 的產(chǎn)品落地情況，指出 Face++內(nèi)部會有一個工程角度的訓(xùn)練平臺，配置 Brain++ 集群，通過建立不同網(wǎng)絡(luò)的分類模型，再基于算法做出手機產(chǎn)品、安防相機搭建等。

比特大陸人工智能產(chǎn)品市場及開發(fā)總監(jiān) 曹?？?/p>

從各種攝像機、多樣的智能家居、甚至涵蓋機器人領(lǐng)域景出發(fā)，比特大陸每 9 個月完成一次芯片迭代，每一代算力都會提升 2 倍以上，從而完成更多功能的集成并維持同樣的功耗水平。

騰訊 Turing Lab 技術(shù)負責(zé)人 周大軍

AI 技術(shù)的通用性能力可以快速幫助游戲開發(fā)提升產(chǎn)品質(zhì)量，實現(xiàn)不同游戲的自動化測試，提升工作效率，為商業(yè)化游戲提供潛在優(yōu)勢。

金山云高級產(chǎn)品專家 夏午陽

他分享了金山云金睛的場景化應(yīng)用實踐，基于圖象識別技術(shù)，他們設(shè)置了三大落地場景，每種場景都在不同層面上考驗產(chǎn)品能力。例如內(nèi)容服務(wù)考驗產(chǎn)品的精益運營能力，智慧城市考驗系統(tǒng)集成能力，數(shù)據(jù)業(yè)務(wù)考驗的是精細管理能力以及AI落地能力。

好未來 AI Lab、AI 賦能平臺負責(zé)人 楊非

基于科技推動教育進步理念，AI 可以為教育行業(yè)帶來更優(yōu)質(zhì)的教學(xué)內(nèi)容，更科學(xué)的評測體系、更有效的教學(xué)體驗，從而推動教育資源的公平化。

自然語言處理技術(shù)專題

思必馳副總裁、北京研發(fā)院院長 初敏

移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)發(fā)展需要 AI 助力信息精準流動，每家企業(yè)都有很多信息需要跟用戶溝通，但目前的大部分溝通都效率太低。人機語音交互將成為信息和知識傳播的重要途徑。

Facebook 語音識別科學(xué)家 BaiyangLiu

語言非常的多樣化，對人來講很容易，如果讓機器來理解，語義上的多樣性如何表達？ 現(xiàn)在社交平臺的信息量非常大，沒辦法將所有內(nèi)容推薦給用戶，如何從用戶搜索的關(guān)鍵詞關(guān)聯(lián)到用戶想要的信息，這是社交產(chǎn)品需要深思的問題。

字節(jié)跳動高級技術(shù)總監(jiān)&杰出科學(xué)家 Xiaobing Liu

序列化模型是一類端到端的學(xué)習(xí)內(nèi)在結(jié)構(gòu)和依賴的模型方法，他的演講涉及這個領(lǐng)域最新的研究進展，從 RNN, LSTM, Transformer 到 BERT 都有涉及，此外重點談了序列化模型在 ASR, MT, TTS 和大規(guī)模推薦系統(tǒng)中的應(yīng)用，以及實際中需要注意的點。

阿里巴巴智能服務(wù)事業(yè)部資深專家 孫健

傳統(tǒng)交互到對話交互的本質(zhì)改變是什么？AI 正在重構(gòu) B-C 的關(guān)系模式。未來 3 年內(nèi)，開放場景下的對話交互能力上界還達不到用戶滿意度的下界。企業(yè)已意識到客服服務(wù)對維系客戶粘性的重要性，也在有意識地進行客服的智能化升級改造。但在這個過程中，企業(yè)依然面臨很多挑戰(zhàn)。

微軟（亞洲）互聯(lián)網(wǎng)工程院資深應(yīng)用科學(xué)研發(fā)總監(jiān) 陳一寧

他講述了搜索中的自然語言先驗知識，并總結(jié)出搜索中自然語言先驗知識的應(yīng)用：跨語言、長尾 Query、開放場景。

機器學(xué)習(xí)工具技術(shù)專題

北京一流科技有限公司董事長、首席科學(xué)家 袁進輝

橫向擴展是解決算法模型效率問題的關(guān)鍵，一定是通過靜態(tài)調(diào)度和流式執(zhí)行實現(xiàn)，使數(shù)據(jù)像流水一樣流過這個過程，只要流水線能填滿，每個數(shù)據(jù)就會同時干活。

Google Brain 高級軟件工程師 盧一峰

AutoML 是典型的大力出奇跡的領(lǐng)域。AutoML 的核心思路是用神經(jīng)網(wǎng)絡(luò)來設(shè)計神經(jīng)網(wǎng)絡(luò)，用AI來設(shè)計 AI。AutoML 里有兩個神經(jīng)網(wǎng)絡(luò)，一個負責(zé)生成模型，一個負責(zé)反饋，隨著循環(huán)的進行，就會產(chǎn)生越來越好的模型，最終實現(xiàn)進化。

Google Developers Experts 林嵩

如何將機器學(xué)習(xí)模型移植到手機端？除了基本的建模，還有優(yōu)化模型的過程。一個是通過量化的方法，一個是把復(fù)雜的神經(jīng)網(wǎng)絡(luò)變小一點。

百度深度學(xué)習(xí)技術(shù)平臺部主任工程師 胡曉光

從生態(tài)角度來講 PaddlePaddle 跟 TensorFlow 還有差距，但我們會用自己的力量，包括公司內(nèi)部的力量，盡可能把主流的官方模型都加進來，讓我們的開發(fā)者們在做每個任務(wù)的時候都有一個最好的模型實現(xiàn)。

微軟亞洲研究院 AI 團隊高級工程師 胡曉武

胡曉武老師介紹了微軟的認知服務(wù)，機器人服務(wù)，Azure平臺，亞洲研究院系統(tǒng)和網(wǎng)絡(luò)研究組做的PAI和AutoML工具包NNI，以及Windows ML。

谷歌開發(fā)者生態(tài)中國區(qū)負責(zé)人 李銳

明年 TensorFlow 2.0 會有一些重大的更新，在里面最重要的部分就引入認知服務(wù)，讓社區(qū)和開發(fā)者的聲音快速反映到產(chǎn)品最后的功能上。

數(shù)據(jù)分析技術(shù)專題

滴滴數(shù)據(jù)科學(xué)部首席數(shù)據(jù)科學(xué)家 謝梁

無論是機器學(xué)習(xí)還是人工智能，其可解釋性都極為重要，這也恰恰是以往大家容易忽略的一點。未來 AI 應(yīng)用的關(guān)鍵將會是“真正理解 AI 告訴我們應(yīng)該做什么”，而非“精準預(yù)測”，可解讀的人工智能模型將得到更廣泛的應(yīng)用。

GoPro 數(shù)據(jù)科學(xué)負責(zé)人 Chester Chen

GoPro 的相機、無人機等移動設(shè)備以及網(wǎng)絡(luò)、桌面應(yīng)用正在生成數(shù)十億量級的事件日志，這就需要快速有效地分發(fā)產(chǎn)品、工程和營銷團隊決策的分析指標和見解。本次演講中，Chester Chen 分享了 GoPro 取得的一些進展以及如何使用 Slack + Plot.ly 來交付分析指標和可視化，此外還探討了 Google Facets 和 Apache Spark 可視化大型功能集方面的工作。

Figure Eight 高級 HCI 開發(fā)者 Kiran Vajapey

Kiran Vajapey 主要從大數(shù)據(jù)和機器學(xué)習(xí)，大數(shù)據(jù)標記的挑戰(zhàn)，主動學(xué)習(xí)教程，深度挖掘四方面介紹了主動學(xué)習(xí)。在他看來，優(yōu)質(zhì)數(shù)據(jù)有助于機器學(xué)習(xí)，但大多時候數(shù)據(jù)是非結(jié)構(gòu)化和無標記的，而主動學(xué)習(xí)能在提高模型準確性的同時降低成本。

易觀 CTO 郭煒

現(xiàn)代企業(yè)往往面臨大數(shù)據(jù)“大而不強”，人工智能“人工”而不“智能”的問題，這就導(dǎo)致我們在數(shù)據(jù)分析環(huán)節(jié)消耗了大量時間。基于邊緣計算的新一代計算架構(gòu)——IOTA 數(shù)據(jù)架構(gòu)是解決這一困境的可行方法之一。

攜程 AI 研發(fā)部平臺核心架構(gòu)組工程師 呂彥龍

OTA 用戶的根本訴求在于對世界的探索，而 OTA 公司的產(chǎn)品則會以產(chǎn)品和產(chǎn)品信息兩種形式呈現(xiàn)給用戶。若能綜合 AI 分析能力、大數(shù)據(jù)分析能力以及我們的平臺能力，則可實現(xiàn)產(chǎn)品的自由迭代，同時賦予業(yè)務(wù)自主化數(shù)據(jù)上線和程序上線的能力。