人工智能在企业的落地是一门大学问，而且是一门艺术性的学问.doc

《人工智能在企业的落地是一门大学问，而且是一门艺术性的学问.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能在企业的落地是一门大学问，而且是一门艺术性的学问　　上周，清华AI公开课迎来最后一讲，本讲主题是：落地的人工智能。讲者杨强是香港科技大学讲座教授，华人首个AAAIFellow和IJCAI理事长，第四范式公司联合创始人。杨强教授作为邀请讲者，与清华大学海峡研究院大数据AI中心专家委员雷鸣等共同探讨了AI人工智能在企业的落地是一门大学问，而且是一门艺术性的学问　　上周，清华AI公开课迎来最后一讲，本讲主题是：落地的人工智能。讲者杨强是香港科技大学讲座教授，华人首个AAAIFellow和IJCAI理事长，第四范式公司联合创始人。杨强教授作为邀请讲者，与清华大学海峡研究院大数据AI中心专

2、家委员雷鸣等共同探讨了AI在当前和未来将产生的影响和落地的场景。　　在课程开始，雷鸣老师先概述了对产业有较大影响的技术，以及未来将发生的演变。　　从技术角度看，未来对产业产生比较大影响的技术有：　　基于视频的信息理解和处理技术。现在，基于静态的图片的处理技术，比如人脸识别、物体识别等，已经达到了可用的水平。但是，在视频分析和处理方面的研究才刚刚开始，还没有非常有效、成熟的技术。　　自然语言对话、理解和处理。尤其是半开放环境的对话，难度还很大。　　强化学习。未来将在自动驾驶、广告等领域产生影响。　　内容生成相关技术。　　小样本学习和迁移学习。在样本匮乏的情况下解决问题。　　产业在未来可能发

3、生的一些演变：　　首先是自动驾驶。以前我们还会讨论自动驾驶是不是有落地的可能，是不是太危险、太科幻了。但现在来看，我们认为自动驾驶的落地只是时间的问题。今年很快，百度的小批量量产自动驾驶汽车就会投入使用，真正实现商业化。　　第二是智能医疗。智能医疗最近的发展很快，以医学影像的发展为牵引，在一些特定领域的进展很不错。FDA最近刚给出了AI诊断的第二个license。　　智能教育。探讨教育的难度比较大，因为教育不是一个客观问题，是一个交互式的，高维度的问题。所以AI全面介入教育的“智能老师”难度很大，但是以个性化教育作为切入，在一些特定领域，比如作文评分、作业批改、个性化出题等，已经在不断改

4、变教育的生态。　　智能助理。去年开始进入一种非常白热化的竞争阶段，未来会进一步的落地，通过迭代，会在更多垂直应用上越做越好。　　游戏及娱乐。个性化、娱乐内容的生产。　　智能制造。中国是制造大国，如果叠加智能制造，可以大幅度提高中国制造的水平和能力。中国在软件方面发展较快，但硬件上的话，无论是芯片还是其他重要零部件制造，跟国际水平差距还很大。要承认差距的客观存在性，依靠中国巨大的市场，大力加大研发投入。不能仅靠国家，整个产业的企业和国家要一起把这部分发展起来。　　智能农业。中国是农业大国，在智能农业上已经有一些发展。比如用无人机进行病虫害巡检、定向农药喷洒、大棚的温控，病虫害检测等，未来都

5、有一些非常实际的应用场景。　　整体来看，AI在各个行业都有很多落地的场景，未来AI自身的发展结合落地的场景，应该会产生很多创新。　　杨强：一个AI，两种模式　　　　杨强：今天的题目很应景，叫“落地的人工智能”。这个题目是拿来跟大家探讨的，因为这是一个大题目。人工智能到现在已经60多年，几起几落，它的兴衰也是围绕着“AI是不是可以落地”进行的。　　今天的讲座，第一部分是人工智能概述。　　人工智能分为四个发展阶段。初级阶段是感知环境（Perception），我们知道单层的神经网络也叫perceptron（感知器），是60年代就出现的可以简单学习的神经网络。这是AI必要的一步，因为要有感知智能

6、，才能收集大量数据，这一阶段需要传感器、互联网、物联网等技术。　　第二个阶段是机器学习（machinelearning）阶段。能从数据里面学习。第三个阶段是自动推理（reasoning），需要搜索、逻辑、博弈论等技术。最后也是最高阶段是抽象迁移（abstraction），需要有新的理论和系统。　　　　一个AI，两种模式　　通用vs特殊：有很多人试图解决通用AI，但现在绝大部分工作还是在特殊的、任务驱动的人工智能。　　辅助vs自动：比如计算机视觉是辅助型的，相当于给机器戴上了眼镜。无人车是自动型的，因为它的整个运作是自动的，也有自动的学习能力，人类只是为它提供一些必要的资源。　　交互vs核

7、心：交互型的AI是为了跟人沟通，是闭环的。还有一种做法是把AI作为一个核心的系统，它的副产品是对人有用，但它可以完全按照自己的方式发展。AlphaGo就是一个例子。　　说到人工智能落地，第一个问题就是什么叫“落地”，谁来规范什么时候AI可以算作“落地了”？这个标准是首先要建立的。在任何科学与工程领域，都要首先建立测试“成功”的准则，否则就会事倍功半。要知道，智能的测试是非常难以做到公正的，也经历了很多的考验，比如著名的“聪明的汉斯”