'收穫AI技術紅利，我們究竟還沒做到什麼？這場會議透露了一些祕密'
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
未來 5~10 年，一方面要做技術的突破，以提高技術可以達到的上限。另一方面又要將滿足用戶使用下限的技術落地，從而為用戶帶來更大的價值。
李航認為，在做對話系統時，我們不光要考慮技術，通過語言做一個交互，還要考慮設計，如何將技術和設計結合起來支持不同的功能。
結合在字節跳動與華為對話系統的開發經驗，李航總結了設計對話系統的四條規則：
- 要能夠在一個場景中自封閉，讓用戶不論怎麼說，能夠完成一件事情、一個功能。
- 機器不可能 100% 理解，失敗的時候，一定要能比較自然地應對。
- 對話不僅僅是語言的問題，也包括情感和文化因素，需要加入社交因素讓對話更富情感。
- 第四，不要讓系統裝智能（是不是暗指獲得首個獲得公民身份的機器人？）。
需要強調的是，當下的對話系統解決了一部分問題，但用戶真正痛點的問題還沒有真正的解決，商業化的關鍵，是一定考慮到怎麼樣給用戶帶來真正的價值。
人工智能多模態的未來
香港中文大學終身教授、騰訊優圖實驗室傑出科學家、IEEE Fellow 賈佳亞向我們介紹了人工智能發展的現狀，以及多模態方法的未來。
「媒體、投資人、各類公司的創始人和高管都在問我，人工智能現在發展到了什麼階段？我們對於它的樂觀可以持續多久？」賈佳亞表示。「我對這些問題有很長時間的思考，直到現在終於整理出了自己的觀點。」
對於 AI 的發展現狀，我們可以參考人工智能頂會的論文數量。過往五年每年的 CVPR 大會投稿數目都有 50% 的增長，在 2020 年，預計投稿數目會達到 7000 篇左右。論文數量的猛增意味著大量研究人員正在加入這一領域。在自然語言處理領域裡，ACL 大會今年因為 BERT 的突破性進展導致論文投稿數量突然提升了一倍——新的突破讓很多問題變得可解了。
但是我們在 CVPR 論文的文字雲中幾乎找不到「Language」，在 ACL 大會中也幾乎找不到「Visual」。這從一個側面說明了今天人工智能的發展現狀：每個方向的研究都在蓬勃發展，但這些領域基本上都是分離的。「雖然大家認為人工智能是一個整體，但現在實際上是一個個孤島，視覺、自然語言處理等方向互相獨立。」賈佳亞表示。
任何一個領域的發展都是以單點突破為方式發展的，從深藍、AlphaGo 到 ImageNet、德州撲克 AI、OpenAI Five 在 Dota2 上的技術突破都是這樣。但只有當所有組件整合在一起的時候，我們才能真正收穫技術發展帶來的紅利。
多模態是人工智能的基礎難點，機械要做到這一點需要識別圖像、分析 3d 模型，分析結構化信息，認識文本，識別聲音。
「下一代產品會最先出現在哪個方向？應該不是機器人。在未來 20-50 年裡機器人仍然無法達到人類小孩的智商水平，」賈佳亞表示。「我認為會是汽車，它有多種傳感器，需要強大的處理能力。車這個行業未來可能會有翻天覆地的變化。」
如果我們對機器人說：請給我桌子上左邊的瓶子。AI 解決這個問題需要語言模型、三維建模、自動導航、圖像分析等多種能力。對於人類來說非常簡單的一個問題，對於機器人來說卻是非常難完成的——我們需要對不同的模型進行監督訓練。我們今天看到的機器人都只能進行非常簡單的操作，這意味著未來技術的發展還有非常多的空間。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
未來 5~10 年，一方面要做技術的突破，以提高技術可以達到的上限。另一方面又要將滿足用戶使用下限的技術落地，從而為用戶帶來更大的價值。
李航認為，在做對話系統時，我們不光要考慮技術，通過語言做一個交互，還要考慮設計，如何將技術和設計結合起來支持不同的功能。
結合在字節跳動與華為對話系統的開發經驗，李航總結了設計對話系統的四條規則：
- 要能夠在一個場景中自封閉，讓用戶不論怎麼說，能夠完成一件事情、一個功能。
- 機器不可能 100% 理解，失敗的時候，一定要能比較自然地應對。
- 對話不僅僅是語言的問題，也包括情感和文化因素，需要加入社交因素讓對話更富情感。
- 第四，不要讓系統裝智能（是不是暗指獲得首個獲得公民身份的機器人？）。
需要強調的是，當下的對話系統解決了一部分問題，但用戶真正痛點的問題還沒有真正的解決，商業化的關鍵，是一定考慮到怎麼樣給用戶帶來真正的價值。
人工智能多模態的未來
香港中文大學終身教授、騰訊優圖實驗室傑出科學家、IEEE Fellow 賈佳亞向我們介紹了人工智能發展的現狀，以及多模態方法的未來。
「媒體、投資人、各類公司的創始人和高管都在問我，人工智能現在發展到了什麼階段？我們對於它的樂觀可以持續多久？」賈佳亞表示。「我對這些問題有很長時間的思考，直到現在終於整理出了自己的觀點。」
對於 AI 的發展現狀，我們可以參考人工智能頂會的論文數量。過往五年每年的 CVPR 大會投稿數目都有 50% 的增長，在 2020 年，預計投稿數目會達到 7000 篇左右。論文數量的猛增意味著大量研究人員正在加入這一領域。在自然語言處理領域裡，ACL 大會今年因為 BERT 的突破性進展導致論文投稿數量突然提升了一倍——新的突破讓很多問題變得可解了。
但是我們在 CVPR 論文的文字雲中幾乎找不到「Language」，在 ACL 大會中也幾乎找不到「Visual」。這從一個側面說明了今天人工智能的發展現狀：每個方向的研究都在蓬勃發展，但這些領域基本上都是分離的。「雖然大家認為人工智能是一個整體，但現在實際上是一個個孤島，視覺、自然語言處理等方向互相獨立。」賈佳亞表示。
任何一個領域的發展都是以單點突破為方式發展的，從深藍、AlphaGo 到 ImageNet、德州撲克 AI、OpenAI Five 在 Dota2 上的技術突破都是這樣。但只有當所有組件整合在一起的時候，我們才能真正收穫技術發展帶來的紅利。
多模態是人工智能的基礎難點，機械要做到這一點需要識別圖像、分析 3d 模型，分析結構化信息，認識文本，識別聲音。
「下一代產品會最先出現在哪個方向？應該不是機器人。在未來 20-50 年裡機器人仍然無法達到人類小孩的智商水平，」賈佳亞表示。「我認為會是汽車，它有多種傳感器，需要強大的處理能力。車這個行業未來可能會有翻天覆地的變化。」
如果我們對機器人說：請給我桌子上左邊的瓶子。AI 解決這個問題需要語言模型、三維建模、自動導航、圖像分析等多種能力。對於人類來說非常簡單的一個問題，對於機器人來說卻是非常難完成的——我們需要對不同的模型進行監督訓練。我們今天看到的機器人都只能進行非常簡單的操作，這意味著未來技術的發展還有非常多的空間。
在多模態 AI 方面，騰訊優圖也已有自己的工作。其推出的手語翻譯器可為國內 7200 萬聽障人士提供幫助。「中國有 5% 的聽障人口，這個數字非常大，但是人們沒有意識到，」賈佳亞介紹道。「你的微信朋友圈可以有幾百人，但很可能一個殘疾人都沒有。這是一個可怕的現象：我們的社會和他們的社會是相互隔絕的，完全沒有交集。」
這就是騰訊開發多模態 AI 手語翻譯的動力。手語識別是一個多模態的問題，需要有姿態識別、動作識別、語義轉化和語言模型這個翻譯器是很有趣的工具，它對社會也很有意義。
除此之外，開發者們在內容平臺上實現了很多交叉融合，通過視頻內容和字幕文本，AI 可以對視頻內容進行精準理解。這在視頻平臺上已經收穫了不錯的反響。
「人工智能近年來的發展令人振奮，多模態人工智能是未來的方向。大家不用過分樂觀，也不用過分悲觀。走下去或許還有十年二十年。希望大家對於人工智能保持謹慎樂觀的態度。」賈佳亞表示。
從 AutoML 到認知智能：AI 前沿研究趨勢
下午，多位業界人士圍繞機器智能的前沿研究趨勢進行了演講。
復旦大學教授，極鏈科技首席科學家姜育剛的演講以視頻 AI 技術的發展為題。人工智能視頻的生成，DeepFake 換臉是最近人們熱議的話題，這種技術如果被濫用，可能會帶來很大威脅。
極鏈科技致力於開發視頻檢測系統，面向電影、電視劇、綜藝、短視頻、廣告等種類的視頻。不同內容的場景複雜，難以控制，在這樣的內容上做視頻識別難度很大。極鏈科技提出的視頻 AI 技術可以理解視頻內容，經過 AI 處理的視頻可以在中間插播具有關聯性的廣告，讓用戶產生更多的場景共鳴。
「我們都知道 ImageNet 對於計算機視覺領域的發展貢獻很大，然而在視頻領域，YouTube8M 和 ImageNet 相去甚遠，」姜育剛表示。「極鏈科技和復旦大學希望通過舉辦 VideoNet 視頻內容識別挑戰賽，形成新一代視頻識別算法評測標準。」
Video-Net 是一個新類型的數據集，其中包括業內標註粒度最為精細的視頻數據，全面覆蓋視頻中事件、動作、物體、場景等工作。姜育剛希望通過這項工作，讓人工智能也能根據場景推斷其他物體。
人工智能不僅可以在娛樂方面提升體驗，也可以幫助人們獲得更好的教育。松鼠 AI 的崔煒探討了如何使用人工智能提高學生的學習效率。
「人工智能的自適應學習或許可以實現千人千面的教育，」崔煒表示。「AI 和教育的結合可以幫助孩子獲得更好的學習能力。即使在未來知識本身被遺忘，學習方法在生活和工作中也可以幫助他們不斷獲取新的知識。」
松鼠 AI 開發的 K12 智能教育產品，做到了精準的診斷和高效的「治療」。可實現實時的學生畫像更新，瞭解學生的知識狀態，為學生規劃最佳學習路徑，進而實現個性化的學習內容推薦。最大化提升學生的學習效率。在沒有老師干預的情況下，人工智能系統可以幫助學生自行完成目標。
「基於信息論和知識空間理論的知識診斷可以使用最小的題量，最短的時間內診斷出學生的知識漏洞，」崔煒介紹道。「而基於貝葉斯認知診斷模型的知識狀態評測可以考慮相關知識點，以及歷史學習記錄，更準確地評估學生的學習狀態。」
深度好奇創始人、CEO 呂正東為我們分享了認知智能對於行業的幫助：「這是一種高級的，對於人類抽象思維的模擬，其中包括理解、推理，對於知識表達的使用。人類能夠輕鬆地理解自然語言，在解答問題時可以使用大量知識。」
對於深度學習模型來說，解決真實世界的大多數問題是非常困難的。新一代的神經符號智能需要三個維度的特質：擁有類似人腦的多異構處理器，算法機制基於聯結主義和符號主義，學習過程採用非監督、弱監督學習（強化學習）並與有監督學習進行有效混合。這或許就是下一代人工智能的範式。
深度好奇在近幾年來主要的技術框架有關解析和推理。解析框架以神經網絡的中央控制器驅動多個符號規則的協處理器，可以像人類一樣閱讀和理解長篇文章，它會將閱讀當做一個複雜的決策過程，總結並進行理解和推理。
推理框架有關圖結構計算，採取混合態的表示，以「神經·符號」方法進行多通道運算，對規則性知識進行動態查詢和吸收，其推理過程可解釋。
第四範式的塗威威回顧了自動機器學習技術（AutoML）的近期發展：「機器學習是非常複雜的技術，從最早的定義問題，導數據的收集和處理，最後的模型應用是非常複雜的過程。以往只有機器學習專家才能勝任這樣的角色。」
AutoML 可以將技術平民化，通過自動機器學習的方式讓更多的人來完成專業的人工智能算法構建工作。人們在這個領域研究了很長的時間。AutoML 是在有限系統資源情況下把機器學習系統實現最優配置的方法。機器學習的配置、評估配置的效果是需要了解的問題，高效求解的方法則是研究的目標。
AutoML 的未來會有哪些發展趨勢？從配置空間來講，我們需要尋找更緊緻的精確控件以降低算力開銷，提升評估的精確性。自動半監督學習（AutoSSL）已經可以自動預測數據的標記，實現很好的訓練效果。此外，神經網絡架構搜索工作適用範圍仍然狹窄，未來自動的圖像分割、自動文本分類或許可以為圖像分類之外的機器學習方向帶來更多的可能性。
為了解決更多現實問題，我們可能需要交互式的自動機器學習系統（Interactive AutoML）：讓人做人類擅長的事物，機器做機器擅長做的事。通過實時交互的方式，最終讓人們探索適合解決問題的高效機器學習算法。
AI 為汽車行業帶來 DNA 級革命
在數據智能產業化落地方面，上海市經濟和信息化委員會介紹了 AI 在學校、醫療等場景的落地，上汽重點介紹了 AI 為汽車行業帶來 DNA 級的革命，上海電氣則介紹了 AI 在能源管理中的智慧預警。
首先，上海市經濟和信息化委員會裘薇女士介紹，去年 12 月，上海在國內率先提出「上海市人工智能應用場景建設實施計劃」，解決 AI 公司技術落地和產業對 AI 需求的匹配問題，主要聚焦教育、醫療、製造業、城市管理等重點領域。面向十個場景，上海吸引了全球超 170 份解決方案，其中微軟、IBM、BAT 等國際知名企業均參與其中。
在具體落地上，上海閔行薔薇小學通過智能課堂行為分析系統，對課堂學習情況進行量化評估，指導教學實踐；還藉助計算機視覺、深度學習、數據挖掘等技術，實現綜合分析學生課內課外行為。
復旦大學腫瘤醫院開發了掛號預約系統，通過上傳患者近期病情信息，可用 AI 文本識別、語音交互等方式進行病情診斷，推薦合適的就醫路徑；還通過醫療語音錄入系統，幫助醫生快速錄入病歷和報告，準確率達 97% 以上；推出智能輔助診斷系統，降低乳腺 X 光的漏診、誤診情況。
下一步工作，上海會打造場景示範區，聚焦「大場景」，突出高端引領，破解痛點問題。
工業互聯網時代，汽車一直扮演著工業進化中的明珠。上汽乘用車公司首席數據官張亮稱，AI 和數據智能正為汽車行業帶來 DNA 級的革命和重塑。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
未來 5~10 年，一方面要做技術的突破，以提高技術可以達到的上限。另一方面又要將滿足用戶使用下限的技術落地，從而為用戶帶來更大的價值。
李航認為，在做對話系統時，我們不光要考慮技術，通過語言做一個交互，還要考慮設計，如何將技術和設計結合起來支持不同的功能。
結合在字節跳動與華為對話系統的開發經驗，李航總結了設計對話系統的四條規則：
- 要能夠在一個場景中自封閉，讓用戶不論怎麼說，能夠完成一件事情、一個功能。
- 機器不可能 100% 理解，失敗的時候，一定要能比較自然地應對。
- 對話不僅僅是語言的問題，也包括情感和文化因素，需要加入社交因素讓對話更富情感。
- 第四，不要讓系統裝智能（是不是暗指獲得首個獲得公民身份的機器人？）。
需要強調的是，當下的對話系統解決了一部分問題，但用戶真正痛點的問題還沒有真正的解決，商業化的關鍵，是一定考慮到怎麼樣給用戶帶來真正的價值。
人工智能多模態的未來
香港中文大學終身教授、騰訊優圖實驗室傑出科學家、IEEE Fellow 賈佳亞向我們介紹了人工智能發展的現狀，以及多模態方法的未來。
「媒體、投資人、各類公司的創始人和高管都在問我，人工智能現在發展到了什麼階段？我們對於它的樂觀可以持續多久？」賈佳亞表示。「我對這些問題有很長時間的思考，直到現在終於整理出了自己的觀點。」
對於 AI 的發展現狀，我們可以參考人工智能頂會的論文數量。過往五年每年的 CVPR 大會投稿數目都有 50% 的增長，在 2020 年，預計投稿數目會達到 7000 篇左右。論文數量的猛增意味著大量研究人員正在加入這一領域。在自然語言處理領域裡，ACL 大會今年因為 BERT 的突破性進展導致論文投稿數量突然提升了一倍——新的突破讓很多問題變得可解了。
但是我們在 CVPR 論文的文字雲中幾乎找不到「Language」，在 ACL 大會中也幾乎找不到「Visual」。這從一個側面說明了今天人工智能的發展現狀：每個方向的研究都在蓬勃發展，但這些領域基本上都是分離的。「雖然大家認為人工智能是一個整體，但現在實際上是一個個孤島，視覺、自然語言處理等方向互相獨立。」賈佳亞表示。
任何一個領域的發展都是以單點突破為方式發展的，從深藍、AlphaGo 到 ImageNet、德州撲克 AI、OpenAI Five 在 Dota2 上的技術突破都是這樣。但只有當所有組件整合在一起的時候，我們才能真正收穫技術發展帶來的紅利。
多模態是人工智能的基礎難點，機械要做到這一點需要識別圖像、分析 3d 模型，分析結構化信息，認識文本，識別聲音。
「下一代產品會最先出現在哪個方向？應該不是機器人。在未來 20-50 年裡機器人仍然無法達到人類小孩的智商水平，」賈佳亞表示。「我認為會是汽車，它有多種傳感器，需要強大的處理能力。車這個行業未來可能會有翻天覆地的變化。」
如果我們對機器人說：請給我桌子上左邊的瓶子。AI 解決這個問題需要語言模型、三維建模、自動導航、圖像分析等多種能力。對於人類來說非常簡單的一個問題，對於機器人來說卻是非常難完成的——我們需要對不同的模型進行監督訓練。我們今天看到的機器人都只能進行非常簡單的操作，這意味著未來技術的發展還有非常多的空間。
在多模態 AI 方面，騰訊優圖也已有自己的工作。其推出的手語翻譯器可為國內 7200 萬聽障人士提供幫助。「中國有 5% 的聽障人口，這個數字非常大，但是人們沒有意識到，」賈佳亞介紹道。「你的微信朋友圈可以有幾百人，但很可能一個殘疾人都沒有。這是一個可怕的現象：我們的社會和他們的社會是相互隔絕的，完全沒有交集。」
這就是騰訊開發多模態 AI 手語翻譯的動力。手語識別是一個多模態的問題，需要有姿態識別、動作識別、語義轉化和語言模型這個翻譯器是很有趣的工具，它對社會也很有意義。
除此之外，開發者們在內容平臺上實現了很多交叉融合，通過視頻內容和字幕文本，AI 可以對視頻內容進行精準理解。這在視頻平臺上已經收穫了不錯的反響。
「人工智能近年來的發展令人振奮，多模態人工智能是未來的方向。大家不用過分樂觀，也不用過分悲觀。走下去或許還有十年二十年。希望大家對於人工智能保持謹慎樂觀的態度。」賈佳亞表示。
從 AutoML 到認知智能：AI 前沿研究趨勢
下午，多位業界人士圍繞機器智能的前沿研究趨勢進行了演講。
復旦大學教授，極鏈科技首席科學家姜育剛的演講以視頻 AI 技術的發展為題。人工智能視頻的生成，DeepFake 換臉是最近人們熱議的話題，這種技術如果被濫用，可能會帶來很大威脅。
極鏈科技致力於開發視頻檢測系統，面向電影、電視劇、綜藝、短視頻、廣告等種類的視頻。不同內容的場景複雜，難以控制，在這樣的內容上做視頻識別難度很大。極鏈科技提出的視頻 AI 技術可以理解視頻內容，經過 AI 處理的視頻可以在中間插播具有關聯性的廣告，讓用戶產生更多的場景共鳴。
「我們都知道 ImageNet 對於計算機視覺領域的發展貢獻很大，然而在視頻領域，YouTube8M 和 ImageNet 相去甚遠，」姜育剛表示。「極鏈科技和復旦大學希望通過舉辦 VideoNet 視頻內容識別挑戰賽，形成新一代視頻識別算法評測標準。」
Video-Net 是一個新類型的數據集，其中包括業內標註粒度最為精細的視頻數據，全面覆蓋視頻中事件、動作、物體、場景等工作。姜育剛希望通過這項工作，讓人工智能也能根據場景推斷其他物體。
人工智能不僅可以在娛樂方面提升體驗，也可以幫助人們獲得更好的教育。松鼠 AI 的崔煒探討了如何使用人工智能提高學生的學習效率。
「人工智能的自適應學習或許可以實現千人千面的教育，」崔煒表示。「AI 和教育的結合可以幫助孩子獲得更好的學習能力。即使在未來知識本身被遺忘，學習方法在生活和工作中也可以幫助他們不斷獲取新的知識。」
松鼠 AI 開發的 K12 智能教育產品，做到了精準的診斷和高效的「治療」。可實現實時的學生畫像更新，瞭解學生的知識狀態，為學生規劃最佳學習路徑，進而實現個性化的學習內容推薦。最大化提升學生的學習效率。在沒有老師干預的情況下，人工智能系統可以幫助學生自行完成目標。
「基於信息論和知識空間理論的知識診斷可以使用最小的題量，最短的時間內診斷出學生的知識漏洞，」崔煒介紹道。「而基於貝葉斯認知診斷模型的知識狀態評測可以考慮相關知識點，以及歷史學習記錄，更準確地評估學生的學習狀態。」
深度好奇創始人、CEO 呂正東為我們分享了認知智能對於行業的幫助：「這是一種高級的，對於人類抽象思維的模擬，其中包括理解、推理，對於知識表達的使用。人類能夠輕鬆地理解自然語言，在解答問題時可以使用大量知識。」
對於深度學習模型來說，解決真實世界的大多數問題是非常困難的。新一代的神經符號智能需要三個維度的特質：擁有類似人腦的多異構處理器，算法機制基於聯結主義和符號主義，學習過程採用非監督、弱監督學習（強化學習）並與有監督學習進行有效混合。這或許就是下一代人工智能的範式。
深度好奇在近幾年來主要的技術框架有關解析和推理。解析框架以神經網絡的中央控制器驅動多個符號規則的協處理器，可以像人類一樣閱讀和理解長篇文章，它會將閱讀當做一個複雜的決策過程，總結並進行理解和推理。
推理框架有關圖結構計算，採取混合態的表示，以「神經·符號」方法進行多通道運算，對規則性知識進行動態查詢和吸收，其推理過程可解釋。
第四範式的塗威威回顧了自動機器學習技術（AutoML）的近期發展：「機器學習是非常複雜的技術，從最早的定義問題，導數據的收集和處理，最後的模型應用是非常複雜的過程。以往只有機器學習專家才能勝任這樣的角色。」
AutoML 可以將技術平民化，通過自動機器學習的方式讓更多的人來完成專業的人工智能算法構建工作。人們在這個領域研究了很長的時間。AutoML 是在有限系統資源情況下把機器學習系統實現最優配置的方法。機器學習的配置、評估配置的效果是需要了解的問題，高效求解的方法則是研究的目標。
AutoML 的未來會有哪些發展趨勢？從配置空間來講，我們需要尋找更緊緻的精確控件以降低算力開銷，提升評估的精確性。自動半監督學習（AutoSSL）已經可以自動預測數據的標記，實現很好的訓練效果。此外，神經網絡架構搜索工作適用範圍仍然狹窄，未來自動的圖像分割、自動文本分類或許可以為圖像分類之外的機器學習方向帶來更多的可能性。
為了解決更多現實問題，我們可能需要交互式的自動機器學習系統（Interactive AutoML）：讓人做人類擅長的事物，機器做機器擅長做的事。通過實時交互的方式，最終讓人們探索適合解決問題的高效機器學習算法。
AI 為汽車行業帶來 DNA 級革命
在數據智能產業化落地方面，上海市經濟和信息化委員會介紹了 AI 在學校、醫療等場景的落地，上汽重點介紹了 AI 為汽車行業帶來 DNA 級的革命，上海電氣則介紹了 AI 在能源管理中的智慧預警。
首先，上海市經濟和信息化委員會裘薇女士介紹，去年 12 月，上海在國內率先提出「上海市人工智能應用場景建設實施計劃」，解決 AI 公司技術落地和產業對 AI 需求的匹配問題，主要聚焦教育、醫療、製造業、城市管理等重點領域。面向十個場景，上海吸引了全球超 170 份解決方案，其中微軟、IBM、BAT 等國際知名企業均參與其中。
在具體落地上，上海閔行薔薇小學通過智能課堂行為分析系統，對課堂學習情況進行量化評估，指導教學實踐；還藉助計算機視覺、深度學習、數據挖掘等技術，實現綜合分析學生課內課外行為。
復旦大學腫瘤醫院開發了掛號預約系統，通過上傳患者近期病情信息，可用 AI 文本識別、語音交互等方式進行病情診斷，推薦合適的就醫路徑；還通過醫療語音錄入系統，幫助醫生快速錄入病歷和報告，準確率達 97% 以上；推出智能輔助診斷系統，降低乳腺 X 光的漏診、誤診情況。
下一步工作，上海會打造場景示範區，聚焦「大場景」，突出高端引領，破解痛點問題。
工業互聯網時代，汽車一直扮演著工業進化中的明珠。上汽乘用車公司首席數據官張亮稱，AI 和數據智能正為汽車行業帶來 DNA 級的革命和重塑。
他表示，上汽在 2016 年推出中國首款互聯網汽車，至今互聯網汽車已經銷售 70 萬臺。
汽車行業 130 多年的發展，主要基於經驗的積累，來建立標準。但張亮稱，用經驗建立標準存在 4 個不足：1. 具有極強的冗餘性；2. 標準的不完整性；3. 用戶使用中存在偏差；4. 過去標準主要聚焦實物標準，缺少感知標準。
而隨著 AI 的到來，將數據連接到一起，為產品的研發、故障預測、故障診斷，以及售後的質量問題解決等都帶來可能。比如電池壽命是新能源汽車中大家最擔憂的一個問題，上汽推出一款電池醫生產品，基於使用習慣可以預測電池壽命。
「真正改變汽車行業的是智能研發平臺」，張亮稱，上汽在前期產品的目標設定、產品研發方案、虛擬平臺仿真等都用到了數據的迴流，進行產品定義，加快研發節奏，滿足精準需求。
他還透露，榮威 RX5 MAX 將在今年下半年上市，將會是全球首款量產的智能座艙。
接著，上海電氣智能中心主任黃猛介紹了 AI 在能源管理中的應用。上海電氣風電集團是一家智能製造企業，風力發電機是它一項重要業務。
黃猛稱，風力發電機往往安裝到偏遠地區，在運維中往往存在很多難題，比如如何通過數字化手段進行集中管理；遠程管理風機時，如何讓數據有效的接入進來；以及如何通過蒐集的數據進行健康預警來避免故障。
數字化、大數據、AI 技術在能源管理中能夠發揮很大作用，但這些技術與實際應用落地還有距離。
他表示，在能源管理中，最關鍵最核心的是智能故障預警，通過海量歷史數據，提取特徵，用機器學習進行模型訓練，可以進行有效的故障預警。比如在上海東海大橋的風電場，對風機中的關鍵部件齒輪箱進行健康預警，可以提前十天左右發現故障，從而進行小範圍檢修，從而節省非常高的成本。
此外，到 2021 年國家將取消風電補貼，在降低成本提升效率，數字化、AI 技術將會起到重要作用。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
未來 5~10 年，一方面要做技術的突破，以提高技術可以達到的上限。另一方面又要將滿足用戶使用下限的技術落地，從而為用戶帶來更大的價值。
李航認為，在做對話系統時，我們不光要考慮技術，通過語言做一個交互，還要考慮設計，如何將技術和設計結合起來支持不同的功能。
結合在字節跳動與華為對話系統的開發經驗，李航總結了設計對話系統的四條規則：
- 要能夠在一個場景中自封閉，讓用戶不論怎麼說，能夠完成一件事情、一個功能。
- 機器不可能 100% 理解，失敗的時候，一定要能比較自然地應對。
- 對話不僅僅是語言的問題，也包括情感和文化因素，需要加入社交因素讓對話更富情感。
- 第四，不要讓系統裝智能（是不是暗指獲得首個獲得公民身份的機器人？）。
需要強調的是，當下的對話系統解決了一部分問題，但用戶真正痛點的問題還沒有真正的解決，商業化的關鍵，是一定考慮到怎麼樣給用戶帶來真正的價值。
人工智能多模態的未來
香港中文大學終身教授、騰訊優圖實驗室傑出科學家、IEEE Fellow 賈佳亞向我們介紹了人工智能發展的現狀，以及多模態方法的未來。
「媒體、投資人、各類公司的創始人和高管都在問我，人工智能現在發展到了什麼階段？我們對於它的樂觀可以持續多久？」賈佳亞表示。「我對這些問題有很長時間的思考，直到現在終於整理出了自己的觀點。」
對於 AI 的發展現狀，我們可以參考人工智能頂會的論文數量。過往五年每年的 CVPR 大會投稿數目都有 50% 的增長，在 2020 年，預計投稿數目會達到 7000 篇左右。論文數量的猛增意味著大量研究人員正在加入這一領域。在自然語言處理領域裡，ACL 大會今年因為 BERT 的突破性進展導致論文投稿數量突然提升了一倍——新的突破讓很多問題變得可解了。
但是我們在 CVPR 論文的文字雲中幾乎找不到「Language」，在 ACL 大會中也幾乎找不到「Visual」。這從一個側面說明了今天人工智能的發展現狀：每個方向的研究都在蓬勃發展，但這些領域基本上都是分離的。「雖然大家認為人工智能是一個整體，但現在實際上是一個個孤島，視覺、自然語言處理等方向互相獨立。」賈佳亞表示。
任何一個領域的發展都是以單點突破為方式發展的，從深藍、AlphaGo 到 ImageNet、德州撲克 AI、OpenAI Five 在 Dota2 上的技術突破都是這樣。但只有當所有組件整合在一起的時候，我們才能真正收穫技術發展帶來的紅利。
多模態是人工智能的基礎難點，機械要做到這一點需要識別圖像、分析 3d 模型，分析結構化信息，認識文本，識別聲音。
「下一代產品會最先出現在哪個方向？應該不是機器人。在未來 20-50 年裡機器人仍然無法達到人類小孩的智商水平，」賈佳亞表示。「我認為會是汽車，它有多種傳感器，需要強大的處理能力。車這個行業未來可能會有翻天覆地的變化。」
如果我們對機器人說：請給我桌子上左邊的瓶子。AI 解決這個問題需要語言模型、三維建模、自動導航、圖像分析等多種能力。對於人類來說非常簡單的一個問題，對於機器人來說卻是非常難完成的——我們需要對不同的模型進行監督訓練。我們今天看到的機器人都只能進行非常簡單的操作，這意味著未來技術的發展還有非常多的空間。
在多模態 AI 方面，騰訊優圖也已有自己的工作。其推出的手語翻譯器可為國內 7200 萬聽障人士提供幫助。「中國有 5% 的聽障人口，這個數字非常大，但是人們沒有意識到，」賈佳亞介紹道。「你的微信朋友圈可以有幾百人，但很可能一個殘疾人都沒有。這是一個可怕的現象：我們的社會和他們的社會是相互隔絕的，完全沒有交集。」
這就是騰訊開發多模態 AI 手語翻譯的動力。手語識別是一個多模態的問題，需要有姿態識別、動作識別、語義轉化和語言模型這個翻譯器是很有趣的工具，它對社會也很有意義。
除此之外，開發者們在內容平臺上實現了很多交叉融合，通過視頻內容和字幕文本，AI 可以對視頻內容進行精準理解。這在視頻平臺上已經收穫了不錯的反響。
「人工智能近年來的發展令人振奮，多模態人工智能是未來的方向。大家不用過分樂觀，也不用過分悲觀。走下去或許還有十年二十年。希望大家對於人工智能保持謹慎樂觀的態度。」賈佳亞表示。
從 AutoML 到認知智能：AI 前沿研究趨勢
下午，多位業界人士圍繞機器智能的前沿研究趨勢進行了演講。
復旦大學教授，極鏈科技首席科學家姜育剛的演講以視頻 AI 技術的發展為題。人工智能視頻的生成，DeepFake 換臉是最近人們熱議的話題，這種技術如果被濫用，可能會帶來很大威脅。
極鏈科技致力於開發視頻檢測系統，面向電影、電視劇、綜藝、短視頻、廣告等種類的視頻。不同內容的場景複雜，難以控制，在這樣的內容上做視頻識別難度很大。極鏈科技提出的視頻 AI 技術可以理解視頻內容，經過 AI 處理的視頻可以在中間插播具有關聯性的廣告，讓用戶產生更多的場景共鳴。
「我們都知道 ImageNet 對於計算機視覺領域的發展貢獻很大，然而在視頻領域，YouTube8M 和 ImageNet 相去甚遠，」姜育剛表示。「極鏈科技和復旦大學希望通過舉辦 VideoNet 視頻內容識別挑戰賽，形成新一代視頻識別算法評測標準。」
Video-Net 是一個新類型的數據集，其中包括業內標註粒度最為精細的視頻數據，全面覆蓋視頻中事件、動作、物體、場景等工作。姜育剛希望通過這項工作，讓人工智能也能根據場景推斷其他物體。
人工智能不僅可以在娛樂方面提升體驗，也可以幫助人們獲得更好的教育。松鼠 AI 的崔煒探討了如何使用人工智能提高學生的學習效率。
「人工智能的自適應學習或許可以實現千人千面的教育，」崔煒表示。「AI 和教育的結合可以幫助孩子獲得更好的學習能力。即使在未來知識本身被遺忘，學習方法在生活和工作中也可以幫助他們不斷獲取新的知識。」
松鼠 AI 開發的 K12 智能教育產品，做到了精準的診斷和高效的「治療」。可實現實時的學生畫像更新，瞭解學生的知識狀態，為學生規劃最佳學習路徑，進而實現個性化的學習內容推薦。最大化提升學生的學習效率。在沒有老師干預的情況下，人工智能系統可以幫助學生自行完成目標。
「基於信息論和知識空間理論的知識診斷可以使用最小的題量，最短的時間內診斷出學生的知識漏洞，」崔煒介紹道。「而基於貝葉斯認知診斷模型的知識狀態評測可以考慮相關知識點，以及歷史學習記錄，更準確地評估學生的學習狀態。」
深度好奇創始人、CEO 呂正東為我們分享了認知智能對於行業的幫助：「這是一種高級的，對於人類抽象思維的模擬，其中包括理解、推理，對於知識表達的使用。人類能夠輕鬆地理解自然語言，在解答問題時可以使用大量知識。」
對於深度學習模型來說，解決真實世界的大多數問題是非常困難的。新一代的神經符號智能需要三個維度的特質：擁有類似人腦的多異構處理器，算法機制基於聯結主義和符號主義，學習過程採用非監督、弱監督學習（強化學習）並與有監督學習進行有效混合。這或許就是下一代人工智能的範式。
深度好奇在近幾年來主要的技術框架有關解析和推理。解析框架以神經網絡的中央控制器驅動多個符號規則的協處理器，可以像人類一樣閱讀和理解長篇文章，它會將閱讀當做一個複雜的決策過程，總結並進行理解和推理。
推理框架有關圖結構計算，採取混合態的表示，以「神經·符號」方法進行多通道運算，對規則性知識進行動態查詢和吸收，其推理過程可解釋。
第四範式的塗威威回顧了自動機器學習技術（AutoML）的近期發展：「機器學習是非常複雜的技術，從最早的定義問題，導數據的收集和處理，最後的模型應用是非常複雜的過程。以往只有機器學習專家才能勝任這樣的角色。」
AutoML 可以將技術平民化，通過自動機器學習的方式讓更多的人來完成專業的人工智能算法構建工作。人們在這個領域研究了很長的時間。AutoML 是在有限系統資源情況下把機器學習系統實現最優配置的方法。機器學習的配置、評估配置的效果是需要了解的問題，高效求解的方法則是研究的目標。
AutoML 的未來會有哪些發展趨勢？從配置空間來講，我們需要尋找更緊緻的精確控件以降低算力開銷，提升評估的精確性。自動半監督學習（AutoSSL）已經可以自動預測數據的標記，實現很好的訓練效果。此外，神經網絡架構搜索工作適用範圍仍然狹窄，未來自動的圖像分割、自動文本分類或許可以為圖像分類之外的機器學習方向帶來更多的可能性。
為了解決更多現實問題，我們可能需要交互式的自動機器學習系統（Interactive AutoML）：讓人做人類擅長的事物，機器做機器擅長做的事。通過實時交互的方式，最終讓人們探索適合解決問題的高效機器學習算法。
AI 為汽車行業帶來 DNA 級革命
在數據智能產業化落地方面，上海市經濟和信息化委員會介紹了 AI 在學校、醫療等場景的落地，上汽重點介紹了 AI 為汽車行業帶來 DNA 級的革命，上海電氣則介紹了 AI 在能源管理中的智慧預警。
首先，上海市經濟和信息化委員會裘薇女士介紹，去年 12 月，上海在國內率先提出「上海市人工智能應用場景建設實施計劃」，解決 AI 公司技術落地和產業對 AI 需求的匹配問題，主要聚焦教育、醫療、製造業、城市管理等重點領域。面向十個場景，上海吸引了全球超 170 份解決方案，其中微軟、IBM、BAT 等國際知名企業均參與其中。
在具體落地上，上海閔行薔薇小學通過智能課堂行為分析系統，對課堂學習情況進行量化評估，指導教學實踐；還藉助計算機視覺、深度學習、數據挖掘等技術，實現綜合分析學生課內課外行為。
復旦大學腫瘤醫院開發了掛號預約系統，通過上傳患者近期病情信息，可用 AI 文本識別、語音交互等方式進行病情診斷，推薦合適的就醫路徑；還通過醫療語音錄入系統，幫助醫生快速錄入病歷和報告，準確率達 97% 以上；推出智能輔助診斷系統，降低乳腺 X 光的漏診、誤診情況。
下一步工作，上海會打造場景示範區，聚焦「大場景」，突出高端引領，破解痛點問題。
工業互聯網時代，汽車一直扮演著工業進化中的明珠。上汽乘用車公司首席數據官張亮稱，AI 和數據智能正為汽車行業帶來 DNA 級的革命和重塑。
他表示，上汽在 2016 年推出中國首款互聯網汽車，至今互聯網汽車已經銷售 70 萬臺。
汽車行業 130 多年的發展，主要基於經驗的積累，來建立標準。但張亮稱，用經驗建立標準存在 4 個不足：1. 具有極強的冗餘性；2. 標準的不完整性；3. 用戶使用中存在偏差；4. 過去標準主要聚焦實物標準，缺少感知標準。
而隨著 AI 的到來，將數據連接到一起，為產品的研發、故障預測、故障診斷，以及售後的質量問題解決等都帶來可能。比如電池壽命是新能源汽車中大家最擔憂的一個問題，上汽推出一款電池醫生產品，基於使用習慣可以預測電池壽命。
「真正改變汽車行業的是智能研發平臺」，張亮稱，上汽在前期產品的目標設定、產品研發方案、虛擬平臺仿真等都用到了數據的迴流，進行產品定義，加快研發節奏，滿足精準需求。
他還透露，榮威 RX5 MAX 將在今年下半年上市，將會是全球首款量產的智能座艙。
接著，上海電氣智能中心主任黃猛介紹了 AI 在能源管理中的應用。上海電氣風電集團是一家智能製造企業，風力發電機是它一項重要業務。
黃猛稱，風力發電機往往安裝到偏遠地區，在運維中往往存在很多難題，比如如何通過數字化手段進行集中管理；遠程管理風機時，如何讓數據有效的接入進來；以及如何通過蒐集的數據進行健康預警來避免故障。
數字化、大數據、AI 技術在能源管理中能夠發揮很大作用，但這些技術與實際應用落地還有距離。
他表示，在能源管理中，最關鍵最核心的是智能故障預警，通過海量歷史數據，提取特徵，用機器學習進行模型訓練，可以進行有效的故障預警。比如在上海東海大橋的風電場，對風機中的關鍵部件齒輪箱進行健康預警，可以提前十天左右發現故障，從而進行小範圍檢修，從而節省非常高的成本。
此外，到 2021 年國家將取消風電補貼，在降低成本提升效率，數字化、AI 技術將會起到重要作用。
在最後的圓桌論壇上，金棕櫚企業機構董事長、CEO 潘皓波，小 i 機器人高級副總裁杜玉清，華潤微電子控股有限公司應用技術研究院工藝集成首席專家李鐵生和中譯語通科技副總裁、首席技術官程國艮一通探討了實體經濟與數據智能融合的挑戰和機遇。
「我們和國內大型金融機構合作多年，這些銀行在近幾年業務量增長 20 倍，網點數增加了 6 倍，但是整個客服體系和業務人員其實沒有增加，反而從原來的四千人減少到了兩千四百人左右，」小 i 機器人高級副總裁杜玉清表示。「在這其中大數據應用起到了很關鍵的作用。AI 解放出來的人力，並不會形成裁員，而會解放出來從事系統管理、數據分析等更具創造性的工作。」
潘皓波則認為，人工智能公司未來會形成 B to C 服務的群體，如導遊領隊、私人醫生、法律顧問、諮詢師等等。過去的金字塔形組織架構會變成一個大平臺加上「超級個體」的形式。
7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。7 月 19 日上午，「市北·GMIS 2019 全球數據智能峰會」在上海市開幕。在今天的活動中，多位重磅嘉賓帶來了 12 場主題演講，內容涵蓋自然語言對話、認知智能、AutoML 等前沿技術，同時也圍繞數據智能經濟及產業生態的發展情況進行了深入交流。
撰文 | 李澤南、寓揚
本屆大會以「擁抱數智經濟，賦能產業生態」為主題，聚焦人工智能學術研究、工程技術與產業應用。「由大數據、人工智能引領的科技革命方興未艾，正對社會正產生著深遠的影響。」上海市大數據中心副主任朱儁偉在大會上表示。「滾滾的數據洪流、超強的雲計算大腦、自我進化的機器算法，這些都促成了當前從數據技術向智能化應用的爆發式增長，我們每天的生活都在發生著深刻的變化。」
「我非常高興能夠看到中國在人工智能領域的巨大能量。不論學界、創業公司還是大企業都在開展人工智能研究，已形成了完善的生態，」2018 年圖靈獎獲得者，MILA 主任 Yoshua Bengio 為大會做了寄語，「我們應該把眼光放長遠。今天我們擁有的機器學習系統，其智力甚至不如兩歲小孩——我們還有大量工作要做。我們正在研究強化學習、使模型在計算機視覺等應用中學習更好的表徵，包括 AI for Good 應用。所有這些都需要全世界範圍內大量企業和研究人員的合作。」
用空間信息技術落地精準農業
中科院院士、中國科學院上海分院院長王建宇主要分享了空間信息技術及在大數據中的應用。空間信息技術通過衛星對地球進行了解，主要應用對地觀測，導航定位，衛星通信、科學實驗等。
去年上海市發佈了《上海空間信息領域發展 2018-2035》白皮書，從頂層設計，自主創新，開放合作等四個方面進行規劃。空間信息技術就可以為長三角地區的綠色發展、環境保護提供很好的支撐。
他首先介紹了空間分辨率技術，衛星通過對地觀測，分辨率越高對地面看的越清晰。比如大家最熟知的氣象衛星，不需要太高的分辨率就可以實現對天氣的預測，還能用於火災、沙塵暴、森林破壞等地表變化的監測。在該領域，美國、歐洲、中國走在世界前列。
目前，全球最頂尖的衛星可以做到 0.1 米精確度的空間監測，已經可以清晰的識別建築物、車輛行人等，很多信息要保密幾乎是不可能的。
曾經有報道說，美國衛星水平非常厲害，地上放一張人民日報的報紙，它都能夠看到報紙的標題。但今天王建宇院士闢謠道，「這一說法是忽悠人的」。
他還介紹了成像光譜技術的進展，根據光譜，可以識別植被的類別、識別偽裝等，在這方面，中國已經走到世界最前列。
接著他著重介紹了空間技術與大數據的融合。一個典型的應用是精準農業，以小麥種植為例，首先通過衛星的對地觀測，範圍小的可以通過無人機實現，然後依據小麥在生長過程不同階段光譜的不同，可以判斷哪裡有了病蟲害，哪裡需要施肥等。
管理者就可以足不出戶，查看農田狀況，進行精準作業，還可以判斷作為的生長狀況，從而通過大數據估算產量。但他也表示，在技術轉換成落地應用方面，還需要企業進一步轉化落地。
最後他總結道，第一，空間信息技術的發展讓我們的地球變小、變清晰，古代說的千里眼，順風耳對我們已經不是不可能的事情了；第二，通導一體化，給我們帶來一個全新的地球；第三空間信息和大數據融合，可以讓我們「秀才不出門，盡知天下事」。
AI 開啟智能企業時代
歐洲科學院院士、德國人工智能研究中心（DFKI）科學董事 Hans Uszkoreit 在大會上分享了人工智能技術在未來智能企業中的展望。
「看看今天的機器學習，它既可以學習知識，你也可以學習行為。但最成功的學習方法，包括深度學習，是隻學習行為，卻不學習顯性的知識的，」Hans Uszkoreit 表示。「谷歌的機器學習翻譯系統並不能理解你的語句，但卻能夠完成翻譯工作，這是因為它的算法從大量數據中學習人類的翻譯方法，從而讓閱讀的人類可以理解翻譯後的內容。」
同樣的還有現在的自動駕駛系統，它們並不是理解了交通法規——自動駕駛汽車遵守交通法規，是因為他們學習的是行為，而非知識。
「想要實現超越人類的 AI 能力，我們要在基於知識、基於規則和機器學習系統中找到交叉的部分，真正的超級 AI 是超越人類的，但仍然不是人類形式的智能——它不會是伊隆·馬斯克所說的超級智能。」Hans Uszkoreit 說道。
目前歐洲學界普遍認為，AI 研究會存在四個階段：第一個階段是啟發式的搜索，隨後是基於知識的系統，目前的第三階段中，我們開發了學習系統，其中包括深度學習，神經網絡等等，並有了大規模的應用。我們現在的挑戰就是把這些技術整合起來建立認知系統，其中需要包括大量的知識。
對於企業智能化，Hans Uszkoreit 認為在發展的道路上會有兩波浪潮：第一波是數字化，把模擬內容轉化為數字內容。在第二波浪潮中，人工智能開始扮演重要作用。其中包括機器人的大規模應用、智能物聯網、IT 基礎設施的部署、工業 4.0 和商業智能的推進，技術的鋪開也意味著智能企業數量的增加。
未來的智能化企業就像人類的大腦，從不同感官收集情報，通過算法幫助人類進行決策，但人類還是必不可少的。「商業決策需要思考大量不同來源的內容。世界是動態變化的，我們不能簡單地使用過去知識訓練過的算法來對現在的問題進行決策，總會有意外發生，所以這裡需要人類把關。」Hans Uszkoreit 介紹道。
另一方面，機器學習算法可以處理大量數據——人類顯然無法觀察並處理所有數據。今天，知識圖譜已經可以在很多領域中幫助我們進行分析和決策了。
通過大數據、人工智能和物聯網的進步。智能企業可以實現更好的供應鏈管理、市場開發、質量控制，所有這些過程都會有 AI 的參與。「我們希望把這些工作結合到一起。連接不同的供應商，將不同的數據以多種形式提供給公司。我們需要處理非結構化的數據，變革公司內部的結構，結合公司內外部生產的不同數據，這樣才能實現更為廣泛的機器學習。」Hans Uszkoreit 表示。
把當今的企業整合在統一的數據戰略下，更好的運用數據，這樣才可以讓 AI 對與我們有更多幫助。不僅僅是百度、谷歌這樣的科技公司，所有傳統企業都應該有這樣的知識流程。我們需要結合最先進的知識學習。包括強化的學習和主動學習，將顯性知識與深度學習算法連接在一起。
李航：不要讓系統假裝智能
字節跳動人工智能實驗室總監、IEEE 會士、ACM 傑出科學家李航分享了自然語言對話技術的發展機遇、挑戰，以及他從事對話系統開發的經驗。
李航表示，開放域的對話仍面臨巨大挑戰，各種聊天機器人真正跟你聊起來的可能性非常低。他認為自然語言對話主要有兩個問題，一個是自然語言理解問題，語言理解涉及到人類智能的所有的方面，是非常困難的。
另外一方面對話是一種任務，兩個人需要能交流感情、交換信息，但在對話系統中，聊天不斷被終止、設置、恢復，用強化學習或者規則的方法能夠做一些事情，但是真正的去像人一樣定義任務、產生任務、完成任務，這涉及到整個人的智能的各個方面，也是非常具有挑戰的問題。
未來 5~10 年，一方面要做技術的突破，以提高技術可以達到的上限。另一方面又要將滿足用戶使用下限的技術落地，從而為用戶帶來更大的價值。
李航認為，在做對話系統時，我們不光要考慮技術，通過語言做一個交互，還要考慮設計，如何將技術和設計結合起來支持不同的功能。
結合在字節跳動與華為對話系統的開發經驗，李航總結了設計對話系統的四條規則：
- 要能夠在一個場景中自封閉，讓用戶不論怎麼說，能夠完成一件事情、一個功能。
- 機器不可能 100% 理解，失敗的時候，一定要能比較自然地應對。
- 對話不僅僅是語言的問題，也包括情感和文化因素，需要加入社交因素讓對話更富情感。
- 第四，不要讓系統裝智能（是不是暗指獲得首個獲得公民身份的機器人？）。
需要強調的是，當下的對話系統解決了一部分問題，但用戶真正痛點的問題還沒有真正的解決，商業化的關鍵，是一定考慮到怎麼樣給用戶帶來真正的價值。
人工智能多模態的未來
香港中文大學終身教授、騰訊優圖實驗室傑出科學家、IEEE Fellow 賈佳亞向我們介紹了人工智能發展的現狀，以及多模態方法的未來。
「媒體、投資人、各類公司的創始人和高管都在問我，人工智能現在發展到了什麼階段？我們對於它的樂觀可以持續多久？」賈佳亞表示。「我對這些問題有很長時間的思考，直到現在終於整理出了自己的觀點。」
對於 AI 的發展現狀，我們可以參考人工智能頂會的論文數量。過往五年每年的 CVPR 大會投稿數目都有 50% 的增長，在 2020 年，預計投稿數目會達到 7000 篇左右。論文數量的猛增意味著大量研究人員正在加入這一領域。在自然語言處理領域裡，ACL 大會今年因為 BERT 的突破性進展導致論文投稿數量突然提升了一倍——新的突破讓很多問題變得可解了。
但是我們在 CVPR 論文的文字雲中幾乎找不到「Language」，在 ACL 大會中也幾乎找不到「Visual」。這從一個側面說明了今天人工智能的發展現狀：每個方向的研究都在蓬勃發展，但這些領域基本上都是分離的。「雖然大家認為人工智能是一個整體，但現在實際上是一個個孤島，視覺、自然語言處理等方向互相獨立。」賈佳亞表示。
任何一個領域的發展都是以單點突破為方式發展的，從深藍、AlphaGo 到 ImageNet、德州撲克 AI、OpenAI Five 在 Dota2 上的技術突破都是這樣。但只有當所有組件整合在一起的時候，我們才能真正收穫技術發展帶來的紅利。
多模態是人工智能的基礎難點，機械要做到這一點需要識別圖像、分析 3d 模型，分析結構化信息，認識文本，識別聲音。
「下一代產品會最先出現在哪個方向？應該不是機器人。在未來 20-50 年裡機器人仍然無法達到人類小孩的智商水平，」賈佳亞表示。「我認為會是汽車，它有多種傳感器，需要強大的處理能力。車這個行業未來可能會有翻天覆地的變化。」
如果我們對機器人說：請給我桌子上左邊的瓶子。AI 解決這個問題需要語言模型、三維建模、自動導航、圖像分析等多種能力。對於人類來說非常簡單的一個問題，對於機器人來說卻是非常難完成的——我們需要對不同的模型進行監督訓練。我們今天看到的機器人都只能進行非常簡單的操作，這意味著未來技術的發展還有非常多的空間。
在多模態 AI 方面，騰訊優圖也已有自己的工作。其推出的手語翻譯器可為國內 7200 萬聽障人士提供幫助。「中國有 5% 的聽障人口，這個數字非常大，但是人們沒有意識到，」賈佳亞介紹道。「你的微信朋友圈可以有幾百人，但很可能一個殘疾人都沒有。這是一個可怕的現象：我們的社會和他們的社會是相互隔絕的，完全沒有交集。」
這就是騰訊開發多模態 AI 手語翻譯的動力。手語識別是一個多模態的問題，需要有姿態識別、動作識別、語義轉化和語言模型這個翻譯器是很有趣的工具，它對社會也很有意義。
除此之外，開發者們在內容平臺上實現了很多交叉融合，通過視頻內容和字幕文本，AI 可以對視頻內容進行精準理解。這在視頻平臺上已經收穫了不錯的反響。
「人工智能近年來的發展令人振奮，多模態人工智能是未來的方向。大家不用過分樂觀，也不用過分悲觀。走下去或許還有十年二十年。希望大家對於人工智能保持謹慎樂觀的態度。」賈佳亞表示。
從 AutoML 到認知智能：AI 前沿研究趨勢
下午，多位業界人士圍繞機器智能的前沿研究趨勢進行了演講。
復旦大學教授，極鏈科技首席科學家姜育剛的演講以視頻 AI 技術的發展為題。人工智能視頻的生成，DeepFake 換臉是最近人們熱議的話題，這種技術如果被濫用，可能會帶來很大威脅。
極鏈科技致力於開發視頻檢測系統，面向電影、電視劇、綜藝、短視頻、廣告等種類的視頻。不同內容的場景複雜，難以控制，在這樣的內容上做視頻識別難度很大。極鏈科技提出的視頻 AI 技術可以理解視頻內容，經過 AI 處理的視頻可以在中間插播具有關聯性的廣告，讓用戶產生更多的場景共鳴。
「我們都知道 ImageNet 對於計算機視覺領域的發展貢獻很大，然而在視頻領域，YouTube8M 和 ImageNet 相去甚遠，」姜育剛表示。「極鏈科技和復旦大學希望通過舉辦 VideoNet 視頻內容識別挑戰賽，形成新一代視頻識別算法評測標準。」
Video-Net 是一個新類型的數據集，其中包括業內標註粒度最為精細的視頻數據，全面覆蓋視頻中事件、動作、物體、場景等工作。姜育剛希望通過這項工作，讓人工智能也能根據場景推斷其他物體。
人工智能不僅可以在娛樂方面提升體驗，也可以幫助人們獲得更好的教育。松鼠 AI 的崔煒探討了如何使用人工智能提高學生的學習效率。
「人工智能的自適應學習或許可以實現千人千面的教育，」崔煒表示。「AI 和教育的結合可以幫助孩子獲得更好的學習能力。即使在未來知識本身被遺忘，學習方法在生活和工作中也可以幫助他們不斷獲取新的知識。」
松鼠 AI 開發的 K12 智能教育產品，做到了精準的診斷和高效的「治療」。可實現實時的學生畫像更新，瞭解學生的知識狀態，為學生規劃最佳學習路徑，進而實現個性化的學習內容推薦。最大化提升學生的學習效率。在沒有老師干預的情況下，人工智能系統可以幫助學生自行完成目標。
「基於信息論和知識空間理論的知識診斷可以使用最小的題量，最短的時間內診斷出學生的知識漏洞，」崔煒介紹道。「而基於貝葉斯認知診斷模型的知識狀態評測可以考慮相關知識點，以及歷史學習記錄，更準確地評估學生的學習狀態。」
深度好奇創始人、CEO 呂正東為我們分享了認知智能對於行業的幫助：「這是一種高級的，對於人類抽象思維的模擬，其中包括理解、推理，對於知識表達的使用。人類能夠輕鬆地理解自然語言，在解答問題時可以使用大量知識。」
對於深度學習模型來說，解決真實世界的大多數問題是非常困難的。新一代的神經符號智能需要三個維度的特質：擁有類似人腦的多異構處理器，算法機制基於聯結主義和符號主義，學習過程採用非監督、弱監督學習（強化學習）並與有監督學習進行有效混合。這或許就是下一代人工智能的範式。
深度好奇在近幾年來主要的技術框架有關解析和推理。解析框架以神經網絡的中央控制器驅動多個符號規則的協處理器，可以像人類一樣閱讀和理解長篇文章，它會將閱讀當做一個複雜的決策過程，總結並進行理解和推理。
推理框架有關圖結構計算，採取混合態的表示，以「神經·符號」方法進行多通道運算，對規則性知識進行動態查詢和吸收，其推理過程可解釋。
第四範式的塗威威回顧了自動機器學習技術（AutoML）的近期發展：「機器學習是非常複雜的技術，從最早的定義問題，導數據的收集和處理，最後的模型應用是非常複雜的過程。以往只有機器學習專家才能勝任這樣的角色。」
AutoML 可以將技術平民化，通過自動機器學習的方式讓更多的人來完成專業的人工智能算法構建工作。人們在這個領域研究了很長的時間。AutoML 是在有限系統資源情況下把機器學習系統實現最優配置的方法。機器學習的配置、評估配置的效果是需要了解的問題，高效求解的方法則是研究的目標。
AutoML 的未來會有哪些發展趨勢？從配置空間來講，我們需要尋找更緊緻的精確控件以降低算力開銷，提升評估的精確性。自動半監督學習（AutoSSL）已經可以自動預測數據的標記，實現很好的訓練效果。此外，神經網絡架構搜索工作適用範圍仍然狹窄，未來自動的圖像分割、自動文本分類或許可以為圖像分類之外的機器學習方向帶來更多的可能性。
為了解決更多現實問題，我們可能需要交互式的自動機器學習系統（Interactive AutoML）：讓人做人類擅長的事物，機器做機器擅長做的事。通過實時交互的方式，最終讓人們探索適合解決問題的高效機器學習算法。
AI 為汽車行業帶來 DNA 級革命
在數據智能產業化落地方面，上海市經濟和信息化委員會介紹了 AI 在學校、醫療等場景的落地，上汽重點介紹了 AI 為汽車行業帶來 DNA 級的革命，上海電氣則介紹了 AI 在能源管理中的智慧預警。
首先，上海市經濟和信息化委員會裘薇女士介紹，去年 12 月，上海在國內率先提出「上海市人工智能應用場景建設實施計劃」，解決 AI 公司技術落地和產業對 AI 需求的匹配問題，主要聚焦教育、醫療、製造業、城市管理等重點領域。面向十個場景，上海吸引了全球超 170 份解決方案，其中微軟、IBM、BAT 等國際知名企業均參與其中。
在具體落地上，上海閔行薔薇小學通過智能課堂行為分析系統，對課堂學習情況進行量化評估，指導教學實踐；還藉助計算機視覺、深度學習、數據挖掘等技術，實現綜合分析學生課內課外行為。
復旦大學腫瘤醫院開發了掛號預約系統，通過上傳患者近期病情信息，可用 AI 文本識別、語音交互等方式進行病情診斷，推薦合適的就醫路徑；還通過醫療語音錄入系統，幫助醫生快速錄入病歷和報告，準確率達 97% 以上；推出智能輔助診斷系統，降低乳腺 X 光的漏診、誤診情況。
下一步工作，上海會打造場景示範區，聚焦「大場景」，突出高端引領，破解痛點問題。
工業互聯網時代，汽車一直扮演著工業進化中的明珠。上汽乘用車公司首席數據官張亮稱，AI 和數據智能正為汽車行業帶來 DNA 級的革命和重塑。
他表示，上汽在 2016 年推出中國首款互聯網汽車，至今互聯網汽車已經銷售 70 萬臺。
汽車行業 130 多年的發展，主要基於經驗的積累，來建立標準。但張亮稱，用經驗建立標準存在 4 個不足：1. 具有極強的冗餘性；2. 標準的不完整性；3. 用戶使用中存在偏差；4. 過去標準主要聚焦實物標準，缺少感知標準。
而隨著 AI 的到來，將數據連接到一起，為產品的研發、故障預測、故障診斷，以及售後的質量問題解決等都帶來可能。比如電池壽命是新能源汽車中大家最擔憂的一個問題，上汽推出一款電池醫生產品，基於使用習慣可以預測電池壽命。
「真正改變汽車行業的是智能研發平臺」，張亮稱，上汽在前期產品的目標設定、產品研發方案、虛擬平臺仿真等都用到了數據的迴流，進行產品定義，加快研發節奏，滿足精準需求。
他還透露，榮威 RX5 MAX 將在今年下半年上市，將會是全球首款量產的智能座艙。
接著，上海電氣智能中心主任黃猛介紹了 AI 在能源管理中的應用。上海電氣風電集團是一家智能製造企業，風力發電機是它一項重要業務。
黃猛稱，風力發電機往往安裝到偏遠地區，在運維中往往存在很多難題，比如如何通過數字化手段進行集中管理；遠程管理風機時，如何讓數據有效的接入進來；以及如何通過蒐集的數據進行健康預警來避免故障。
數字化、大數據、AI 技術在能源管理中能夠發揮很大作用，但這些技術與實際應用落地還有距離。
他表示，在能源管理中，最關鍵最核心的是智能故障預警，通過海量歷史數據，提取特徵，用機器學習進行模型訓練，可以進行有效的故障預警。比如在上海東海大橋的風電場，對風機中的關鍵部件齒輪箱進行健康預警，可以提前十天左右發現故障，從而進行小範圍檢修，從而節省非常高的成本。
此外，到 2021 年國家將取消風電補貼，在降低成本提升效率，數字化、AI 技術將會起到重要作用。
在最後的圓桌論壇上，金棕櫚企業機構董事長、CEO 潘皓波，小 i 機器人高級副總裁杜玉清，華潤微電子控股有限公司應用技術研究院工藝集成首席專家李鐵生和中譯語通科技副總裁、首席技術官程國艮一通探討了實體經濟與數據智能融合的挑戰和機遇。
「我們和國內大型金融機構合作多年，這些銀行在近幾年業務量增長 20 倍，網點數增加了 6 倍，但是整個客服體系和業務人員其實沒有增加，反而從原來的四千人減少到了兩千四百人左右，」小 i 機器人高級副總裁杜玉清表示。「在這其中大數據應用起到了很關鍵的作用。AI 解放出來的人力，並不會形成裁員，而會解放出來從事系統管理、數據分析等更具創造性的工作。」
潘皓波則認為，人工智能公司未來會形成 B to C 服務的群體，如導遊領隊、私人醫生、法律顧問、諮詢師等等。過去的金字塔形組織架構會變成一個大平臺加上「超級個體」的形式。
作為大會的主辦方之一，上海市市北高新技術服務業園區是上海市唯一的大數據產業基地，集聚的大數據企業超過 250 家，佔據上海市大數據企業約 30%，已經形成了豐富的數據智能上下游產業鏈，成為上海市名副其實的「大數據名園」。
市北高新（集團）董事長羅嵐稱，市北是上海一個老工業基地轉型的一個標本，產業園區經歷了粗放型廉價土地租賃、形成產業上下游的產業對接，到突破邊界、形成平臺經濟，在人才、資本、技術上給予園區企業支持。
園區還與亞馬遜 AWS 達成合作，主要包括智慧城市展示中心、AWS 人才培訓、國際孵化等。目前每年入孵化器的企業達 100 多家。產業園還成立了上海市第一個大數據產業基金，第一期基金已募集完成，對園區企業進行基金助推。
在明天，GMIS 2019 還會有楊強、吳恩達等人有關聯邦學習和企業人工智能轉型的精彩演講，盡請期待！
相關推薦
