议题介绍｜当硅谷和中国的人工智能专家们相遇会碰撞出什么

编者注：更多人工智能业务方面重要的发展请关注2018年4月10-13日人工智能北京大会。

在过去的几年里我多次来到中国，我可以证明这里的技术人员、商业领袖和政策制定者对于人工智能的应用有着浓厚的兴趣。中国正在快速采用人工智能的工具和技术。而且由于目前的人工智能系统依赖大量的数据集，所以这里的初创公司能够更早地开始使用人工智能工具（中国的一家初创公司可以迅速拥有数百万用户）。西方对中国人工智能研究和商业模式的进展充满了好奇。另一方面，在北京组织了几次大型会议后，我知道中国人也希望了解国外的人工智能专家的观点和看法。
即将在北京召开的AI Conference里我们将展示来自中国和全球的人工智能专家、技术和应用。 我们将举行英语和中文（将提供一些翻译）的议题、社交活动和其他旨在促进对话的活动，而这些活动有望引起未来有趣的合作。

在这篇短文中我想重点介绍一下在中国召开的首届AI Conference上我们关注的一些领域。本次大会我们组织了来自中、西方的领先公司所带来的优秀内容。

特定领域的人工智能工具、方法和应用案例

人工智能解决方案和技术已经开始在多个行业被部署。许多任务都有了自动化的可能。如何找到人工智能的正确应用案例？ 候选任务的初始列表可以通过用下面几个简单的问题来收集：

任务是数据驱动的吗？
有数据支持任务的自动化吗？
是否真正需要自动化可以提供的规模？

了解人工智能技术潜力的最佳方法是了解机器智能如何在实际应用中被使用。我们组织了一系列的议题来重点介绍几个行业里的人工智能应用：

金融服务
保健与医疗
运输与物流，包括自动驾驶汽车
传媒、广告、娱乐
零售与电子商务
电信
制造业与工业自动化

大会主要探讨的议题如下：

1. 计算机视觉

人工智能的复兴可以被追溯到深度学习架构在图像分类和语音识别中的成功。自2012年出现以来，计算机视觉的研究人员在持续推动深度学习架构的发展。最近他们已经通过半监督学习来实现内容生成。计算机视觉是一个活跃的研究领域，充满了将创意转化为现实世界产品（特别是在中国）的案例。 我们将展示：
最近的研究进展（包括Reza Zadeh博士、王海峰博士和Hsiao-Wuen Hon博士的议题演讲）
工具、方法、平台
多领域的应用案例，包括保健与医疗、机器人、自动驾驶汽车和电子商务

计算机视觉 议题列表：https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2662

2. 自然语言与语音技术

在2011年左右微软和多伦多大学的研究人员创建了一个基于深度学习的语音识别系统，这个系统完全胜过了当时已有的系统。这标志着该领域向基于神经网络系统转变的开始。随后的日子里语音研究人员和语音产品已经融合进深度学习。自然语言处理和理解的研究人员也开始使用深度学习。但在许多商业产品中，其他的机器学习方法仍然很重要。由于它们的应用如此广泛，自然语言和语音技术会是北京大会的一个重点。

将深度学习和机器学习应用于涉及语音、语言和文本的问题。
构建会话界面和智能体、聊天机器人和对话系统时的现实考虑。
库和平台（我们有一个议题是关于一个新的库——Spark NLP，它可被用于大规模自然语言处理）
来自传媒/新闻、机器翻译、电信和教育行业的应用案例。

自然语言与语音 议题列表：https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2663

3. 增强学习

我们非常感兴趣的领域之一是增强学习的新兴应用。我们都看过增强学习在一些电脑游戏和经典棋盘游戏系统中超越人类玩家中所扮演的关键角色。但是增强学习可以用于实际的应用吗？与往常一样，从免责声明开始是最好的：增强学习需要大量的数据和模拟过程，而且研究结果往往很难被重现。不过，有两件事情似乎指出了增强学习应用的方向。首先，能编写增强学习模型并将其插入到模拟器中的工具正开始涌现，其中许多工具是针对非机器学习专家的开发人员。其次，企业对自动化非常感兴趣，尤其是对于使高技能工人的低技能工作自动化方面。在这种场景下，自动化有时被称为机器人过程自动化或企业工作流自动化。涉及贯序决策的许多任务都适合于学习/训练，这让它们成为基于增强学习的自动化解决方案的理想候选。工具的民主化加上对自动化的兴趣（使用学习而不是程序写死和规则），指出了在不久的将来的增强学习应用的兴趣方向。

我们将会有主题演讲、讲座和辅导课来介绍最新的增强学习的工具，以及增强学习在工业自动化和制造、自动驾驶汽车、软件开发等方面的应用。

增强学习 议题列表：https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2664

4. 深度学习

考虑到对人工智能技术兴趣激增背后依靠的是深度学习，就不会对我们有许多议题是关于机器学习技术而感到惊讶。

工具和平台：
工具库（包括TensorFlow、BigDL、MXnet和DL4J等）以及针对特定数据类型（文本、音频、视频、图像和时间序列）的深度学习应用的教程和议题。
深度学习应用的架构设计和部署的最佳实践。

应用
我们在自然语言和语音技术以及计算机视觉方面有多个议题。
物流和运输，包括自动驾驶汽车。
保健与医疗
其他领域，包括教育、地理定位和测绘以及科学。

深度学习 议题列表： https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2665
5. 设计人工智能平台

业界领先的公司如何设计和开发人工智能产品？ 在一系列的议题中一些公司将分享它们内部的机器学习和人工智能平台。 这些是在生产系统中使用的实战测试平台，有些的规模非常大。下面是本次大会里的几个议题：

SalesForce：跨越企业人工智能鸿沟
阿里巴巴的推荐系统和深度学习平台
TalkingData的机器学习平台
Uber的大规模机器学习平台
微软的Kensho平台，用以监控业务指标

人工智能平台 议题列表：https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2666

6. 人工智能应用的硬件和软件技术栈

我们很高兴能够在中国举办大会的原因之一就是：中国是整个人工智能硬件和软件技术栈创新正在发生的国家之一。深度学习需要大数据、大模型和大计算，因此硬件和软件基础架构的正确组合至关重要。如果退后一步看，数据收集通常涉及大量的传感器，其中许多传感器配备有计算资源。虽然大众媒体关注机器学习的故事，但实际上，端到端人工智能应用程序涉及许多重要的硬件和软件组件，它们需要无缝衔接工作。随着全球最近对硬件初创公司的投资增加，针对人工智能特定工作负载进行优化的新硬件将在不久的将来被推出。我们会有议题来介绍以下关键领域的最佳实践和最新发展：

硬件：人工智能系统的专用硬件是北京大会的重点关注的一个领域。

张量处理单元：由Google设计的神经网络处理器
传感器
物联网和自动驾驶车辆的基础设施
针对大规模深度学习来设计硬件和软件系统

软件
数据管理系统，包括图数据库和知识图谱
扩展深度学习

移动和边缘计算
人工智能应用的硬件和软件技术栈 议题列表：https://ai.oreilly.com.cn/ai-cn/public/schedule/stopic/2667

想了解更多信息，四月，春暖花开的北京，等着你。报名AI Conference,很简单，点击阅读原文，早鸟票等你入手！