2018中國人工智能最強引力波——AI WORLD 2018世界人工智能峰會圓滿結束！本文獻上周志華、Tom Mitchell、Max Tegmark、胡國平、張建中、周伯文等全球人工智能學術、產業領袖精彩演講精華，共同探索“萬物互聯，人機共生”的未來！

人工智能，震撼未來！

每個人都在生命中的不同階段，思考過：我從哪里來，又到哪里去這個問題。雖然答案不一，但有一點不變：與AI技術的快速迭代相比，從洪荒之初到如今萬物，從智慧生命的出現到人類社會的變遷，就像是一幀幀慢鏡頭。

有一點是確定的：萬物互聯，人機共生將帶來美好的世界。

在今年最值得一讀的人工智能書籍《生命3.0》中，作者MIT終身物理教授、被譽為“最接近理查德·費曼的科學家”邁克斯·泰格馬克（Max Tegmark），提出了一種新的觀點：“生命”具有幾個發展階段，現階段的人類只是“生命2.0”，人類命運的終極形態，將是脫離肉身束縛，實現對軟件（思維）和硬件（肉身）的快速完善和自我迭代，最終通往與宇宙融為一體的普智進程。

當前人類正處于這樣一個臨界點，由于人工智能及其應用，我們第一次看到了構建“機器意識”的可能。2018年，“AI落地與產業化”成為關鍵詞，隨著越來越多的智能應用出現，智慧機器——不再只是單純的機械，而是能與人交互，對環境做出響應的機器——逐漸深入我們的生活。

雖然你可能沒有意識到，但在你使用智能手機的時候，你已經用到了多項AI技術。計算機視覺、自然語言處理等技術的發展，讓機器能夠“感知”世界，擁有了“看”、“聽”乃至“說”的能力。人工智能、5G、物聯網……世界正朝著“萬物互聯，人機共生”的方向在發展。

具體到2018年，中興被禁、美國縮短量子計算、航空航天等高科技領域中國留學生的簽證年限，以及近來爆出的一起接一起知識產權案件，都愈發深刻地讓人意識到，中國以人工智能為代表的高新科技實力正在崛起，但未來將面臨越來越多的挑戰。

在人類探索并不斷攀登萬物互聯新智極的過程中，中國將扮演怎樣的角色？從關鍵的第一步起，在看到各種應用繁花盛錦的同時，更加不能忘記如何去塑造一個健康而又充滿活力的AI生態構建未來。

我們每個人都有責任參與其中，并發揮我們不可或缺的重要作用。為此，新智元攜手北京市海淀區管委會，共同策劃并舉辦AI WORLD 2018世界人工智能峰會，聚焦AI醫療、教育、芯片等熱點話題，與會嘉賓探討了芯片自主、機器學習算法創新、人與機器共存共生等議題。

這是一場站在當下科學和技術基礎上對未來展開的思辨，AI WORLD 2018世界人工智能峰會呈現出當前中國AI機遇與挑戰并存，中國和西方在人工智能領域各有所長、取長補短的可能。

峰會上，新智元創始人兼CEO楊靜發布了2018年度“AI Era創新大獎”，從AI人物、企業和產品/服務多個角度，呈現出中國AI產業的新生態。

萬物互聯，人機共生，AI帶來感知與進化

AI WORLD 2018世界人工智能峰會的聯合主辦方是中關村海淀園，海淀園管委會常務副主任、海淀區科委主任林劍華到場致辭，全程脫稿演講，一如既往彰顯著服務創新者的本色。

中關村海淀園管委會常務副主任、海淀區科委主任林劍華

林劍華常務副主任給出了他參加峰會的兩個關鍵詞，一個是“進化”，一個是“感知”。

“進化”是人工智能很重要的主題詞，開場視頻中也讓人能感受到進化。人工智能代表了整個技術的進化，也是人類生活方式的進化，舉辦峰會來共同探討進化的話題非常有意義。

“感知”則是從發展人工智能來說，感受這個時代的脈搏，感知整個世界的聲音。林劍華表示，從政府來說是感受創新者的需要。這樣能夠更好服務好大家。

人工智能行業共同的一個使命，是要感知生活的需要，不管學術、產業如何發展，最終人工智能的發展是要服務人類生活的進化，是人類生活的需要。

林劍華在致辭中表示，他對科技創新企業給予了滿滿的希望，希望大家通過峰會能夠形成更大的共識，凝聚更大的力量，也歡迎大家多多到海淀來，海淀一定不會讓大家失望。“我也相信，海淀一定會是人工智能的高地”。

目前，北京海淀正以人工智能為重要依托，全力聚焦建設中關村科學城，打造原始創新策源地和自主創新新陣地。海淀已經出現了全國第一個自動駕駛封閉測試場，同時在海淀北部布局了一百平方公里自動駕駛示范區，“AI海淀，連接無限”更成為海淀未來發展的新愿景和新驅動。

3萬人投票、101位智庫專家評選，AI Era大獎建設AI生態平臺

本屆峰會的重磅環節——AI Era創新大獎正式揭曉！新智元創始人兼CEO楊靜女士公布大獎結果。

新智元創始人兼CEO楊靜女士

AI Era創新大獎是根據新智元智庫專家評選、新智元用戶票選、網絡影響力指數、財務指數等四大維度大數據綜合評定，評選出2018年度對AI領域作出重大貢獻，切實推動AI進步和發展的人物、企業和產品。

楊靜女士在演講中表示，目前新智元有超過32萬微信訂戶、數千位AI智庫專家，每一個投票都是訂戶和專家用心作出的選擇和判斷。

這種選擇對未來的世界是有幫助的，為什么？因為現在存在著隔絕、割裂和沖突，這阻礙著AI融合和開放、開源。BAT之間、國內巨頭和國際巨頭之間沒有一個共通的生態，學術界和產業界之間也沒有一個共同的體系，新智元力圖用自己的平臺讓AI的從業者能夠參與生態體系的建設中，能夠吐露自己的心聲，參與到AI產業和AI學術的之中。

AI Era創新大獎歷時112天，超過3萬訂戶踴躍參與，投了16萬票，這是大家共同參與建設AI生態體系的過程。

同時，大獎還受到了101位全球頂級的華人專家評審，專家的投票是符合學術界同行評議的傳統，這些專家就像長老會、參議院一樣，他們的投票也給大獎評選提供了一種參考。

目前，AI Era創新大獎結果已經揭曉，今后，大獎將與時俱進，定期更新，收納產業界最新動態數據，后期還將進行開源，讓產業界的優秀人物、企業和產品參與到中國AI產業開放生態中來。

周志華：機器學習進一步突破，要克服三大挑戰

南大計算機系主任、人工智能學院院長周志華教授分享了他《關于機器學習的一點思考》。

南大計算機系主任、人工智能學院院長周志華教授

周志華教授表示，當前機器學習成功的背后，實際上離不開三點：

1）有效的深度模型，現階段基本上就是深度神經網絡；

2）存在強監督信息，也即數據都要有標注，而且越精準越好；

3）學習的環境較為穩定。

因此，如果未來機器學習要取得進一步突破，就必須：1）設計新的、多樣化的深度模型；2）讓智能體能夠在弱監督條件下學習；3）引入開放的、動態的學習環境。

周志華教授說，機器學習界早就很清楚，“沒有免費的午餐”，也即任何一個模型可能只適用于一部分的任務，而另外一些任務是不適用的。因此，深度神經網絡在語音、圖像和視頻類的數據上表現很好，但另一些任務，比如Kaggle競賽中常見的訂機票、訂旅館，還是隨機森林或XGBoost表現更好。

周志華教授著重介紹了他帶領團隊提出的“深度森林”，這是一種以決策樹為基礎構建的深度模型。在與螞蟻金服有關互聯網金融非法套現檢測的合作中，深度森林在近2億真實交易數據的規模上，性能超越了包括深度神經網絡在內的其他模型。這也驗證了周志華教授及其團隊的猜想——在很多其他任務上，非神經網絡的深度模型能找到用武之地。

不過，周志華教授也表示，任何一個理論的提出，都需要經過長時間的發展與完善。深度森林目前尚處于初級階段，好比打開了“深度學習”這間小黑屋的一扇門，還有更多需要去探索。

如今的GPU，已不再是單純的圖像處理器

作為NVIDIA全球副總裁、大中華區總經理，張建中的參與為AI WORLD 2018世界人工智能峰會帶來了很大的吸引力，而他的報告《AI與自動駕駛》，也讓人看到更全面的英偉達。

NVIDIA全球副總裁、大中華區總經理張建中

張建中從摩爾定律說起，但隨后話鋒一轉，“在浮點計算以及并行計算領域，GPU的性能還是能夠保持持續的增長。”張建中說。GPU大部分計算性能的提高，靠的主要不是工藝制程的變化，而是來自于架構、軟件和SDK到芯片和應用層面的結合。正亦如此，GPU的性能在每一代的計算上都有著驚人的提升。

“如果我們看今天的GPU，實際上它已經不再是傳統的圖形處理器了，而在圖靈最新的技術當中，里面已經集成了很多不同的核心處理器。”張建中說。

張建中特別介紹了RTX，英偉達最新推出的基于圖靈架構的GPU，它能夠實現實時光線追蹤，這不僅僅為計算機圖形學，也為AI推理帶來了極大的轉機，尤其是AI代碼處理。

張建中以自動駕駛為例，著重介紹了GPU在推理（Inference）情況下的應用。前不久，英偉達在日本GTC發布了AGX，它可以作為極小的單芯片Xavier對接自動駕駛汽車的各種不同接口，也可以用兩個Xavier芯片加上兩個GPU（名叫Drive Pegasus），用在L3~L5等不同的自動駕駛場景中。

“我們相信，凡是能夠運動或者移動的物體今后都能實現智能化，任何一部車無論是轎車、卡車、運貨的小車，或者是農用的機械工具等等都可以使用AGX實現自動化。”張建中說。

不是人人都該學Python，而是讓AI學會理解人

CMU的機器學習系是全球高校第一個專門的機器學習系，其創始人Tom Mitchell 教授也參與寫作了1983年出版的經典教材《機器學習：一種人工智能方法》，其中的一些思想即使在現在看來也依然深刻而歷久彌新。

CMU機器學習系創始人Tom Mithchell教授

被譽為“機器學習教父”的Mitchell教授，專為新智元AI WORLD 2018世界人工智能峰會撰寫了報告《人工智能與互聯的未來》，探討峰會主題“萬物互聯，人機共生”。

Mithchell 教授告訴新智元，在他長達30多年的職業生涯中，機器學習領域的產業化發展，是令他印象最深刻的一個變化。從上世紀八九十年代開始，再到如今的深度學習，機器學習技術轉變為越來越多的應用，走進人們的生活。“未來，我們可以有像手機一樣的電燈，”Mithchell 興奮地說：“在餐廳里的燈泡可以觀測客戶是否需要點餐或結賬，而醫院里的燈泡則檢測病人是否摔倒或需要幫忙，家里的燈泡可以檢測溫度、濕度、自動調節明暗……技術的發展讓我們未來的生活擁有無限可能。”

在演講中，Mitchell 教授也著重強調了他的觀點——不是人人都該學Python，而是讓AI通過自然語言學會理解人。這樣，每個人都可以根據自己的需要教會AI，讓自己的AI完成這個人的所需，聽力不好的人可以讓AI輔助聽覺，而視力不好的人，他們的AI則會自動幫主人實現文字放大、高清化等功能。

要實現這樣“萬物互聯，人機共生”的未來，不僅需要在技術，也需要在政策和倫理上進行一些輔助和約束。Mithchell教授認為，中國與西方在AI上側重不同，各有強項，這是好事，可以形成互補。而在教育、醫療等不涉及競爭的領域，則相互合作，發揮更大的作用。

通用人工智能會是人類歷史上犯下的一個巨大錯誤

MIT教授、《生命3.0》的作者Max Tegmark分享了他對“更遠的未來”的想法，他的演講主題是《人類如何通過人工智能“賦能”，而不是被其“操縱”》

MIT教授、《生命3.0》作者Max Tegmark

Tegmark在他的暢銷書《生命3.0》中設想了一個具有發展階段的生命歷程。生命1.0就是最原始的生命形式，如細胞，生命只是在不停復制。

到了生命2.0階段，這是人類所在的地方：人類能夠學習，適應不斷變化的環境，并能有意地改變這些環境。但我們還不能改變我們的身體自身，不能改變我們的生物遺傳。Tegmark 將這種對比比喻成軟件和硬件之間的對比。

第三個階段，即生命 3.0 階段。在這個階段，我們把人工智能用于所有任務，也就是所謂的AGI（通用人工智能）。人類不僅可以重新設計自身的軟件，還可以重新設計自身的硬件。

Tegmark說，我們現在技術發展和AI發展的現狀非常復雜，但是有一點可以確定，就是大多數的研究員在某種程度上已經能夠建立AGI。AI在很多任務上已經能做得比人類更好，如果阿里巴巴、Google、百度和騰訊把所有的AI開發程序整合起來，最終將帶來AI的持續進步。

當然，這也是非常有爭議的部分，可能會帶來技術的爆炸。因為我們一直去讓AI提升，最終AI可能會比人類做得好很多，我們需要時間去檢驗現實。

Tegmark表示，如果考慮未來可能面臨的挑戰，這會是人類歷史上犯下的一個巨大的錯誤。但是因為技術是如此的有力，我們在實現技術能力的道路上會犯下很多錯誤。我們應該如何引導技術的發展，為人類創造一個非常美好的未來，這是美國、中國以及所有國家都應該思考的問題。

若想在認知智能路上走得更遠，需要關注的是語言之下智慧本質

科大訊飛高級副總裁、研究院院長胡國平分享了《認知智能最新進展及下一步思考》。胡國平表示人工智能被分為三個臺階：計算智能、感知智能和認知智能，盡管機器在計算智能方面已經超過人類，感知智能方面也幾乎可以達到人類水平，但在強調知識、推理能力的認知智能方面，機器與人類仍有差距。

科大訊飛高級副總裁、研究院院長胡國平

胡國平說，認知智能涉及到語義理解、知識表示、聯想推理、智能問答和自主學習等領域，這些都是更為艱難且至關重要的任務。借助現在所掌握的技術，此前科大訊飛將一個擁有自然語言理解能力的機器人送去參加國家執業醫師資格考試，該機器人隨后以456分的成績成為全球首次通過國家執業醫師資格測試的機器，這就是認識智能一大進步的體現。

在此之外，現在不僅認知智能國家重點實驗室已經在訊飛落戶，科大訊飛還在人工智能+腦科學等諸多領域展開了探索。

胡國平還提到了關于認知智能下一步方向的思考。他表示現在多數產業在認知智能上面的做法大多停留在純文字層面，然而語言只是人類智慧的載體和表層，如果只純粹在文字層面做認知智能，可能會有著極矮的天花板。若想在認知智能路上走得更遠，需要關注的是語言之下智慧本質。

然而，胡國平表示要機器做到人類大腦所能達到的智慧實屬不易，因為學習和記憶是人類大腦工作的基本機制，人類智慧的通式是基本對物體、空間、時間感知的序列記憶和預測，而遺憾的是現在純軟件方式的人工智能算法，難以驗證該通式。在未來科大訊飛希望用更有效的方法去訓練機器的建模和預測能力，探尋智慧的本質，從而獲取智慧本質的通式。

狹義深度學習已死，廣義深度學習永生

上午的AI WORLD 2018產業領袖論壇環節，周志華、胡國平及京東集團副總裁、人工智能平臺與研究部負責人周伯文、百度技術委員會主席、百度自然語言處理首席科學家吳華共同參與，楊靜女士作為論壇主持人。

AI WORLD 2018產業領袖論壇（從左起：楊靜、周志華、周伯文、胡國平、吳華）

楊靜女士向嘉賓提問：AI遇到“寒冬論”的威脅，以深度學習為代表的AI主流算法現在到底是不是到了瓶頸期？

周志華認為，廣義的深度學習不再局限于深度神經網絡本身，人們可能就會有全新的天空。比如周志華的小組正在做的非神經網絡模型，這里可以探索的東西有很多很多。再往大來說，人工智能技術又遠遠超過深度本身的范疇，所以狹義的神經網絡研究本身會碰到一些瓶頸，但更大范圍的人工智能技術的研究空間非常的廣。

周伯文：深度學習最核心的思想并不是神經網絡，而是怎么將表層學習和Task-objective聯合在一起做Joint Learning，可以說是方興未艾，而且方向非常的多。

京東集團副總裁、人工智能平臺與研究部負責人周伯文

深度“隨機森林”是另外一個方向，所以從這個大的意義角度來講，如果把深度學習認為是一個表征學習和Task-objective放在一起的話其實是方興未艾，包括很多Transfer Learning，雖然是更新的領域、更好聽的名詞，實際上這些結合的思想還是在那里的。所以從這個意義上講，我認為絕對不能說深度學習已死。

胡國平：深度學習還在往前演進，也有很強的生命力，各種工業和行業還是有非常多的應用機會。只要還有成千上萬的頂級研究者在以深度學習為自己的研究課題，至少在未來的兩三年內說“深度學習已死”還早，我們認為技術的推動力應該是會足夠強大的。

百度技術委員會主席、百度自然語言處理首席科學家吳華

吳華：從學術研究的角度來看，深度學習本身也有很多的問題，是依賴于大數據、高能耗的學習方法，所以在小樣本學習、可解釋性和知識結合方面需要在理論上進行更深入的研究。從產業的角度來看，百度在做AutoDL、EasyDL等，其實是想降低深度學習的門檻，使得這種門檻降低，賦能傳統行業，這個方面還是剛開始，所以我們還有很長的道路要走。

更多嘉賓在論壇上精彩分享，新智元將推出專門文章進行報道。

深度網絡在極端復雜任務前不堪一擊

下午主論壇開場，計算機視覺的奠基人之一、約翰霍普金斯大學認知科學系和計算機科學系教授Alan Yuille發表了演講《深度網絡及其發展：數據不是萬能的》，為現場觀眾帶來又一場學術洗禮。

約翰霍普金斯大學認知科學系和計算機科學系教授Alan Yullie

Yuille教授認為，目前人工智能的成功歸功于三點：1）深度學習、強化學習等機器學習方法的成功；2）擁有大規模帶標記的數據集；3）強大的計算機，特別是GPU帶來的算力。但是，要構建像人一樣的通用AI系統，還有很長的路要走。

Yuille教授以他的專業領域——視覺為代表，分析了當前深度網絡存在的三大主要挑戰：1）可以學習和表示的函數是有限的；2）容易遭受對抗樣本與其他類型的攻擊；3）可用數據集的規模和標記都是有限的。

為此，Yullie教授指出，我們需要新的算法，能夠根據訓練樣本進行泛化或外插的模型，比如組合模型（compositional models），能夠從全新的視角去識別物體，尤其是那些由特殊材料制作或具有不明遮擋物的物體。

同時，我們還需要從有限的數據集中學習，但學出的模型必須在無限大的測試集上也保持有效和穩定。當然，創造無限大的測試集是不現實的，不過，Yuille教授指出，換一種思路，“敵人的敵人即是朋友”，我們可以用最極端的情況來測試模型。

Yuille教授總結道：深度網絡雖然很強大、很有用，但在極度復雜的任務面前不堪一擊。要構建像人一樣的人工智能，需要結合AI、認知科學和神經科學，還需要對人類智能有更好的理解。

做醫療人工智能需要保持對醫療領域的敬畏態度

依圖醫療總裁倪浩分享了《醫療人工智能的探索》。倪浩表示，中國醫療資源不平衡、不充分的現狀是世界級難題，而人工智能是應對這個挑戰的最有力技術。現階段，中國的醫療人工智能發展已經領先于美國，得益于醫療迫切的需求和專家創新的態度。

依圖醫療總裁倪浩

倪浩說，現今醫療人工智能發展比較快的領域是圖像領域，依圖科技尤其在放射領域投入了很多精力，單病種、單科室和單任務級別的任務完成得比較好。不過，他又指出在臨床科室方面，尚無影響力較大又受到醫療業界高度認可的人工智能產品誕生。

如同人類對醫學的探索，整個醫療人工智能領域目前也仍處于早期，開發尚不充分。倪浩預測，未來這一領域將經歷三個階段：第一階段智能科室，第二階段智能疾病診療，第三階段智能醫院。如今，無論是醫療影像領域還是現在大熱的腫瘤治療方面的免疫療法都處于比較早期的階段。

倪浩表示，現在人工智能領域主要面臨三大挑戰。首先就是人工智能與醫療數據，怎么形成供人工智能使用的醫療大數據，而這一過程需要有人工智能參與，不能只依靠原始數據；

其次，人工智能面臨著醫學挑戰，簡而言之，做醫療人工智能需要保持對醫療領域的敬畏態度，不可小看醫學數據和疾病本身的復雜度；

最后就是人工智能的行業從業者們：醫生、醫院、企業和政府這些角色未來以怎樣的態度擁抱醫療人工智能？這一問題值得關注。倪浩說，這一領域欣欣向榮充滿希望，但未來道路的確遠且長。

邊緣智能：人工智能的最后一公里

邊緣智能（EI），即互聯網和物聯網的邊緣，處于大量傳感器的領域，作為主要從事視覺領域的企業，EI正是小蟻科技的核心關注領域。

小蟻科技創始人兼CEO達聲蔚

小蟻科技創始人兼CEO達聲蔚表示，小蟻在計算機視覺和EI領域的三大核心競爭力是最強嵌入式神經網絡算力、面向落地領域的整套行業EI解決方案，以及可自我成長的網絡開發模型。

小蟻在邊緣端采用的嵌入式小比特神經網絡，在每TFlop等效算力上實現最大化。前端設備應用時產生的大量數據，反過來重新訓練算法，形成算法、訓練、數據的閉環，使前端算法精確度大幅提升。

在人類歷史上，只有數據會永遠保持指數級增長，達聲蔚以智慧零售為例，提出了海量數據利用中的關鍵幾個問題。即如何提高銷售業績，如何決策，如何優化人工成本效益，以及對人、貨、店的認知問題。

達聲蔚認為，只有數字化和可視化才是這個問題的最佳解決方法。小蟻通過可視化技術重構整個零售業空間，更清晰地對空間內的人、貨、場進行定位和認識，實現主動性的、變革性的閉環決策機制。

隨著未來對邊緣智能領域算力需求的提升，該領域未來五到十年會有新的摩爾定律誕生。目前小蟻推出的小蟻視網膜Box“萬物一瞬見”算力達到5TFlop，是目前NVIDIA最強的DX2算力的2倍。

達聲蔚最后表示，小蟻目前的目標是“萬物互聯，邊緣先行”，正與AI World 2018“萬物互聯，人機共生”的主題遙相呼應。

人工智能的目標是在機器上實現類似人的智能

悉尼大學教授、澳大利亞科學院院士、優必選人工智能首席科學家陶大程博士分享的主題是《AI破曉：機遇與挑戰》。

悉尼大學教授、澳大利亞科學院院士、優必選人工智能首席科學家陶大程

陶大程表示，人工智能的目標是在機器上實現類似人的智能。人有四個方面的智能：Perceiving、Learning、Reasoning、以及Behaving。他的演講圍繞這四個方面展開。

Perceiving包含了很多方面：物體檢測、目標跟蹤、場景分割、關鍵點檢測、人臉圖像分析等等。但是高性能perceiving還依賴于高質量的數據輸入。如果輸入圖像或者視頻受到噪聲、湍流、模糊、霧、低分辨率等因素的影響，那么需要對數據的質量進行提升。深度學習在這些方面也發揮了非常重要的作用。

深度學習的成功并不是簡單的對網絡層的堆積。設計合理的深度學習網絡，需要對問題本身有深入的理解，而且傳統的統計機器學習對于設計高效的深度神經網絡也非常重要。

關于learning方面，陶大程博士介紹了：多視角學習、多標簽學習、adversarial domain generalisation、tag disentangled GAN等等。尤其是遺傳對抗生成網絡（Evolutionary GAN）有效的解決了傳統GAN網絡學習的兩個痛點：

（1）訓練不穩定性。

（2）模型塌縮。這個工作也被麻省理工學院技術評論（MIT Technology Review）評選為熱點論文（The Best of the Physics arXiv）。

另外受到信息論中數據處理不等式的啟發，陶博士和他的學生們在理論上解釋了深度學習中兩個備受關注的問題：（1）為什么模型復雜度非常高的深度神經網絡，不會發生過擬合？（2）深度神經網絡是越深越好嗎？

最后陶大程博士介紹了優必選悉尼大學人工智能研究院在reasoning和behaving方面的一些進展。他的團隊最近在visual question answering（VQA，看圖回答問題）和visual dialog（看圖對話）的國際比賽中都取得了非常不錯的成績。

目前陶大程博士的團隊努力在人形機器人上實現示教學習（imitation learning），希望不久的將來能夠實現：機器人通過攝像機來理解人的行為，模仿人的行為，并且最終有效的和人進行互動。

區塊鏈和加密算法將給AI插上飛翔的翅膀

中國萬向控股有限公司副董事長兼執行董事肖風分享《AI、數據隱私保護與區塊鏈》。肖風表示隨著AI迎來第三次高潮，技術對數據愈發依賴，帶來了人們對數據估值的重新發現。

這也引來了人們對數據相關話題的熱烈討論，如：數據的產權確認、隱私保護、協同計算和價值分配問題。事實上，AI本身不能解決這些問題，但不解決這些問題必然阻礙AI的發展。

中國萬向控股有限公司副董事長兼執行董事肖風

加密算法成為了數據保護的“白馬騎士”，然而加密算法也有“力有不逮”的時候，互聯網也不能解決加密算法剩下的問題。肖風說，數據真正要有價值就必須把數據資產化，數據沒有能夠被資產化就無法就數據進行交易，無法給數據確定價值，也無法算得回報。這時，大家便紛紛加入區塊鏈行業，投身到數據的隱私保護和數據的協同計算。

肖風說，區塊鏈加上加密算法是一對絕配。區塊鏈的鏈式數據庫可以保證數據的真實性，作為事實機器，和信息機器最大的不同是，任何數據在區塊鏈上面不可能被“雙花”。防止“雙花”，數據才能成為資產。同時，在區塊鏈論壇上數據隱私保護也日益成為主要話題。

肖風總結稱，區塊鏈加上加密算法將會給AI帶來一片新的天地，它們的結合將滿足AI對數據的需求，數據隱私會得到保護，數據資產會得到確權，數據共享會得到激勵，數據計算會得以開放，數據治理會得以有序。未來三到五年內，一個去中心化的分布式AI平臺或將出現，那么它將不再需要依靠中心化的機構，也不再需要中心化機構的數據。

麒麟980詳解：驅動華為Mobile AI

華為麒麟AI首席科學家芮祥麟發表了題為《Mobile AI發動機——麒麟980》的主題演講，介紹了麒麟980芯片和HiAI平臺。

華為麒麟AI首席科學家芮祥麟

華為AI芯片從麒麟920開始，到950、970、980，經歷了不斷成長的過程。麒麟980采用7nm制程，集成了69億晶體管，面積持續縮小。

麒麟980在幾個方面做到了全球第一：

全球首款商用7nm手機SoC芯片；

全球首款Cortex-A76 Based CPU；

全球首款雙核NPU；

全球首款Mali-G76 GPU；

全球首款1.4Gbps Cat.21 Modem；

全球首款支持2133MHz LPDDR4X的手機SoC芯片。

芮祥麟博士詳細介紹了麒麟980芯片的設計和性能提升，以及麒麟980的融合能力開放架構中非常重要的HiAI Foundation。HiAI Foundation能力向搭載麒麟970，麒麟980的華為手機全部開放，具有強大的計算能力、多框架支持、更加豐富的算子和更加方便快捷的集成等優勢：

強大的計算能力：和CPU相比高達25x性能、50x能效比

多框架的支持：Caffe ,TF, Android NN；Caffe2/PyTroch, ONNX, Paddle…

算子支持：147算子

集成部署：集成簡單，易部署；多版本兼容

最后，當提到華為為何那么專注于開發AI芯片時，芮祥麟表示，目前數據隱私保護的情況之下，很多事情實際上無法單獨由云上的計算力完成，必須要在端側完成。

這是非常復雜的多目標的優化問題，有能耗、內存的限制，而且各種場景有不同的需求。華為的一個主要目的就是能夠在端側開發出很好的芯片，能夠將盡量多的處理能力在端側完成，最大地提升用戶體驗。

未來下一個十年就是“AI in All”

騰訊云AI平臺和物聯網數據總經理張文杰分享了《從行業應用到AI普惠化》。張文杰表示，過去的一年中，AI快速發展，AI整個產業應用層面已經形成了壁壘效應，技術層面已經在實現普惠化，落地在各個行業，幫助各個行業解決以前比較困難、投入比較高的問題。

騰訊云AI平臺和物聯網數據總經理張文杰

騰訊成立于1998年，在語音、視頻、機器人、量子計算等方面的AI技術都有布局與投入，那么，下一個十年應該是什么？張文杰表示，未來下一個十年就是“AI in All”，騰訊推出“超級大腦”，將會逐步助力所有的行業。

張文杰解釋稱，“超級大腦”其實是一個連接云邊端的智能操作系統，可以將該系統想象成一個坐標：從橫座標來看是連接云邊端三位一體的連接器，將包含百余項智能服務，用戶可以根據需求隨需隨取；騰訊將提供數據的增強服務，云邊端一體化，用來幫助客戶快速智能的在邊緣進行計算；除此之外還有軟硬件開放平臺以及大數據應用服務。從縱座標來看騰訊云在服務層面實現智能物聯，同時還提供AI平臺應用服務，包括騰訊云大數據實時可視交互系統 [RayData]，還有智能存儲計算以及網絡。

圍繞“超級大腦”，騰訊云還開發了智能鈦機器學習平臺。張文杰表示，智能鈦機器學習平臺是“超級大腦”的核心組成部分。騰訊云希望通過智能鈦機器學習加上“超級大腦”，以實現真實訓練環境和生產環境的雙向互動。智能鈦和“超級大腦”將幫助廣大行業客戶和領先廠商解決行業共性問題，在數據有限的情況下輸出模型自動更新，同時能夠快速地把原來已有的模型更新迭代，也為未來可能會出現的新場景服務，打造數據和模型的雙閉環。

2019年最值得期待技術：5G+AI+IOT

下午的AI WORLD 2018AI Vision技術領袖論壇，愛奇藝首席技術官劉文峰，曠視科技上海研究院負責人危夷晨，微軟亞洲研究院副院長、國際計算語言學協會（ACL）候任主席周明，三星電子中國研究院院長張代君，小i機器人創始人、CEO朱頻頻作為嘉賓同臺討論，新智元創始人兼CEO楊靜女士作為主持人。

AI WORLD 2018AI Vision技術領袖論壇（從左起：楊靜、劉文峰、危夷晨、朱頻頻、周明、張代君）

楊靜：各位都是CEO和CTO，你們想像2019年AI技術最大的突破和最有機會的落地點到底在哪里？

張代君：隨著5G技術的發展，5G+AI+IOT會非常精彩，因為這些Enable技術都已經具備了，再就是基于硬件加速和軟件加速的Undevice也會有很好的發展。

三星電子中國研究院院長張代君

周明：我認為多輪語義分析的進展會進一步推動多輪對話的進展。

微軟亞洲研究院副院長、國際計算語言學協會（ACL）候任主席周明

朱頻頻：從技術方面來說，Domain Knowledge要和Machine Learning進一步結合完成自然語言的對話，達到更自然的交互，再就是情感交互的能力如何融入對話的過程當中，現在機器只是模擬人類的情感，讓機器在為人類服務時，人類更加舒服。

小i機器人創始人、CEO朱頻頻

危夷晨：技術方面主要是網絡模型的智能化搜索，因為現在我們有很多不同的場景和不同的設備，包括針對精度的要求、功耗和計算力都不一樣，現在這種模型都是由人手工完成，模型自動搜索以后會使得整個產業化的效率提高很多，這個方面也在迅速發展，再過一年應該會有很大的提高。

曠視科技上海研究院負責人危夷晨

劉文峰：我期望的是2019年AI和娛樂的結合能夠給大家在娛樂方面帶來前所未有的體驗。因為之前的這些積累都是為了落地真正的內容、娛樂方式和用戶體驗，所以明年應該能夠看到非常顯著的成效。

愛奇藝首席技術官劉文峰

更多嘉賓在論壇上精彩分享，新智元將推出專門文章進行報道。

CPU+GPU+FPGA+XPU，AI計算系統面臨新挑戰

未來，算法的發展對整個計算的需求挑戰會更大，提高整個系統的性能與效率的將顯得尤為重要。

張清是《MIC高性能計算編程指南》專著的主要作者之一，開源深度學習計算框架Caffe-MPI 1.0的研發負責人，浪潮AI首席架構師，主要研究方向是大規模分布式AI計算系統、AI端到端應用方案系統架構、并行計算&異構計算。

20日下午的AI Connect&Cloud會場，張清帶來了《AI計算系統設計與優化：從實驗到生產》的主題演講。

浪潮AI首席架構師張清

張清認為，AI計算系統面臨如下挑戰：

1.計算規模從單機到大規模集群計算或云計算，規模呈量級、甚至是指數級增長，計算復雜度會越來越大，對系統的性能及性能可擴展性會提出更大挑戰。

2.計算架構從單一CPU+GPU異構架構到混合多元異構架構CPU+GPU+FPGA+XPU，通用與定制化計算設備的高效協同計算、異構并行計算將面臨巨大的挑戰。

3.系統環境從單用戶、單任務、單場景到多用戶、多任務、多場景復雜環境的構建，系統將面臨統一管理與調度、計算負載均衡等挑戰。

針對上述挑戰，AI計算系統設計優化將從四個層面考慮：

1.AI計算平臺層，其設計與優化需針對AI模型算法、應用場景進行Co-Design，讓我們的計算平臺與應用算法更加適配，達到更高的計算性能；

2.AI計算管理層，需針對AI開發的全流程，從數據預處理、模型開發、模型訓練、推理上線構建AI統一計算管理與調度平臺，實現對AI開發與AI運維的統一管理，達到對系統的高效利用。

3.AI計算框架層，需對開源AI計算框架進行深入優化，從性能及性能可擴展性兩個方向，滿足大規模計算需求。

4.AI應用算法層，需結合模型和算法特點以及框架的特點，從計算、通信、IO三個方面進行深度優化實現，進一步提供AI計算系統的應用性能。

未來的傳感器不僅是采集設備，更是認知設備

云天勵飛聯合創始人兼CEO陳寧發表題為《芯聯世界，智創未來》的主題演講。

云天勵飛聯合創始人兼CEO陳寧

陳寧首先介紹了云天勵飛打造的一套區域級“天眼”系統，這是一套融合了基于深度學習的人臉識別、人像結構化算法、處理器芯片技術、超多維向量檢索，以及大數據分析等多項技術的動態人像識別系統。

該系統在深圳上線近三年，已協助公安部門破獲案件6000多起，涉及經偵、技偵、網偵、刑警、打拐、反恐、緝私各類案件。

云天勵飛在去年年初于深圳推出了全國首套針對行人闖紅燈的監控系統，啟用僅三個月，相應路口行人闖紅燈的比例就下降了92%。

陳寧認為，在AI三要素：算法、芯片和數據中，算法是AI的靈魂，芯片是AI的軀體，而數據和應用場景是AI的營養。云天勵飛搭建了端到云的技術體系架構來承載這三要素。將基于深度學習的芯片放在終端。將有用的信息傳到云端，由云端承載的一系列算法，來挖掘大數據信息輔助決策。

陳寧表示，在未來，具備學習功能的大腦芯片會將傳感器由信息采集設備轉變為認知設備。由于對海量視頻和圖像信息的處理需求，未來的傳感器和終端設備中都需要AI芯片來實現。

陳寧認為，現在可以大膽預測，未來3-5年內AI芯片會突破傳統通信時代的芯片，實現壟斷。在這個過程中，云天勵飛計劃將AI技術與警務、城市治理和零售等行業領域相結合，讓這些行業煥發出新的生命力。

機器意識的興起與實現不是沒可能

倫敦大學學院計算機系教授汪軍作了《論機器意識的可能和實現》的演講。汪軍教授說：“我是學者嘛，所以要講一些不同的東西。”

倫敦大學學院計算機系教授汪軍

汪軍教授在研究方向之一是多智體強化學習，也就是有多個“agent”互動，包括溝通、協作與競爭。由于最近在研究“機器意識”這個課題，汪軍教授的演講也從“意識”講起，最后討論了機器是否也能擁有“意識”，如果答案是肯定的，那我們又該如何通過數學和計算機程序來實現這一點。

汪軍教授介紹了他們團隊研究用AI打橋牌的例子。相比完全信息博弈的圍棋和不完全信息但只需要一對一的德州撲克，橋牌是一種不完全信息博弈，而且需要選手兩兩組隊，相互合作與競爭。這個游戲更貼近于現實世界發生的情況。

研究結果表明，AI在打橋牌時，能夠學會相互隱秘地溝通，最終取勝。也是這一點，讓汪軍教授想到機器意識興起與實現的可能。

“很多原理實際上并沒有那么復雜，”汪軍教授說：“只要你去研究并做出來的話。”當然，現在還都是非常初步的探索，因為首先，目前學界對“意識”還沒有統一的定義。

清潔環衛自動駕駛，實現無人駕駛商業和社會雙重價值

自動駕駛是AI技術集大成者，也是當前人工智能最具挑戰也是最有吸引力的領域之一，不過載人的無人駕駛商業化也許還需要一些時間。

針對無人駕駛商業化方向，切入自動駕駛環衛清潔領域的Autowise.ai創始人兼CEO黃超總結了三點，分別是乘用車、貨運物流以及清潔環衛車。這三點商業化的方向都具有巨大的市場。

Autowise.ai創始人兼CEO黃超

黃超說，在自動駕駛車輛目前無法上路行駛的現狀下，該領域的創業及研發不應停滯，并且需要政策上給予更多的鼓勵與支持，允許在更多道路環境下進行測試。

目前，只能實現限定環境或封閉道路的無人駕駛商業化。乘用車自動駕駛可以作為園區內的擺渡車；貨運物流自動駕駛可以作為園區物流；而清潔環衛車自動駕駛可以是小型清潔車或者大型掃地機器人等。

黃超著重介紹了城市道路清潔環衛自動駕駛的社會和商業價值。

城市道路清潔環衛的痛點在于：

安全性：清潔工在路面作業的安全性無法保障；

環境因素：比如高溫、霧霾和嚴冬等；

工作時間：多處于深夜或凌晨；

人員管理、質量把控：逐層管理成本較高；

勞動力缺乏。而通過道路清潔環衛自動駕駛能夠克服這些痛點，也是其社會及商業價值的體現。

最后，黃超講了城市清潔領域的商業化進展，對于封閉道路已經展開了商業化運行。對于半封閉道路，處于試運營階段。而對于開放道路，目前只能是測試階段，需要各方面條件逐步完善后，才可以推進商業化的相關工作。

AI+教育：每個孩子該有個AlphaGo一樣的老師

每個孩子身邊都應該伴有類似AlphaGo一樣的超級AI老師，讓每個學生都能夠得到平等且個性化的教育，這是乂學教育首席科學家崔煒的愿景。

乂學教育首席科學家崔煒

崔煒在演講中提到，目前教育過程中存在的痛點：

教育效率非常低下

全國教學資源分配不均

老師針對不同學生無法把個性化教學

而通過AI與教育的結合真正能夠把個性化教育和因材施教規模化和普及化，讓每個孩子都能享受到個性化教育和因材施教帶來的好處，讓學生的學習效率不再那么低下，有更多時間去從事更有意義的事情。

崔煒研發團隊所研發出的國內第一個基于人工智能和大數據技術的AI智適應學習產品，主要是針對K12領域里的學生。

智適應學習系統模擬特級教師，目標是通過個性化的教學方式，改善或加速學生在學習上的收益。所涉及到的AI算法包括遺傳算法、神經網絡技術、機器學習、圖論、概率圖模型、邏輯斯蒂回歸模型、知識空間理論、信息論、貝葉斯理論、知識追蹤理論、教育數據挖掘、學習分析技術等。

通過這些算法可以規劃最佳的學習路徑，最大化學習效率；依據不同學生的個性偏好、學習習慣和風格，推薦最匹配的學習內容；以及系統實時對學生的能力水平進行動態評估等。

崔煒表示，在未來，不僅希望提升學生的學習效率，同時希望能夠進一步培養學生創造能力、想像能力以及終生的學習能力，認為這三點是未來每一個學生、每一個人在“與機器競爭”的時代中所應具備的能力。

硬件掣肘愈發明顯：哪個結構或平臺將成為未來的主流？

硬件的計算能力成為繼數據、算法之后，另一制約人工智能發展的主要瓶頸，硬件計算能力與能效對于人工智能技術主要影響云端和邊緣端兩大主要領域的應用。

杜克大學副教授、IEEE Fellow陳怡然

杜克大學副教授陳怡然博士在峰會做《制約人工智能發展的硬件瓶頸》的主題演講時表示，制約人工智能發展的硬件瓶頸有：

大容量存儲和高密度計算。由于模型復雜度越來越高，每年會增長大約一個數量級，而隨著每個層次參數的增多，其計算量也會加大。

面向特定領域的架構設計需求。由于應用場景越來越豐富，且每個場景的需求是各不相同的，所以特定的架構設計需求就增多了。

“云-終端”平臺特點不同。在設計的時候不能夠照搬同樣的設計理念。

芯片設計要求高、周期長、成本昂貴。

同時，陳怡然提到架構及工藝方面所面臨的挑戰。雖然芯片制造的節點不斷往“小化”發展推動，但實際上每個邏輯門生產成本沒有降低，這帶來了很大的問題。用更先進的制造工藝卻不能取得成本上的優勢。

針對新型器件電路，陳怡然表示做了大量嘗試與設計研究，包括CNN加速、圖加速等。通過這樣的設計，可以帶來幾十倍性能的提升及百倍效能的改進。

而針對“哪個結構或平臺將成為未來的主流”這一問題，陳怡然表示沒有任何一種設計能夠在所有五種特定條件下做到最好。所以需先確定所處理的數據特性、處理這些數據的頻次以及是什么樣的應用等一系列的細節信息。而后才能夠最合適的結構或平臺。

醫療行業中的“滴滴打車”：探索精細化醫療監管下的創新

與自動駕駛和教育不同，醫療行業是重監管的行業，如何實現精細化醫療監管，又不妨礙臨床療效和醫學創新，一直是行業難題。

復星集團首席人工智能科學家鄧侃分享了題為《不完全市場化的醫療行業及人工智能的醫療實踐》的主題演講，表示人工智能在醫療行業里長足的發展是2018年人工智能領域最火的一件事情。

復星集團首席人工智能科學家鄧侃

鄧侃首先提出了目前醫療領域中的痛點：醫療行業體系分為三級，但所有的患者都更傾向于去三甲醫院，導致“三家醫院醫生忙死，基層醫院醫生閑死”的現象。

而針對這一問題的解決辦法，鄧侃認為：

要給基層醫院醫生賦能

將基層醫院對普通病狀治療的專業性普及到老百姓當中去

鄧侃表示大數醫通是醫療行業中的滴滴打車：

提供面向患者的應用，讓患者對醫療有更深入的了解

給基層醫院、基層藥店賦能

并且公司低調地花了三年的時間，做了一個四缸引擎：

醫療私有云：在大型三甲醫院里部署了私有云，在保證數據安全的情況下，匯總醫院所有數據庫的所有數據文件；

病歷結構化：構建全世界最大的中文醫學詞庫，并使用機器翻譯方法，實現病歷結構化，把病歷翻譯成臨床路徑；

醫學知識圖譜：把幾億份病例，翻譯成幾億條臨床路徑后，疊加在一起，構建醫學的知識圖譜。

臨床導航：有了醫學知識圖譜，就可以實現臨床導航了。臨床導航能夠根據患者的具體病情，規劃出合理合規的臨床路徑。

把第四步規劃出來的合理合規的路徑，與第二步實際的臨床路徑，兩者相比較，可以十分精準并量化地甄別，實際的臨床路徑在哪個環節，偏離了正常的路徑。

2018年最深印象：技術落地，AI商業化

下午的AI WORLD 2018AI Connect&Cloud技術論壇，360集團副總裁、人工智能研究院院長顏水成，慈星股份副總裁、慈星機器人董事長李立軍，復星集團首席人工智能科學家鄧侃，Autowise.ai創始人兼CEO黃超作為嘉賓同臺討論，美團點評技術學院院長劉江擔任論壇主持人。

AI WORLD 2018AI Connect&Cloud技術論壇嘉賓（從左起：劉江、顏水成、鄧侃、李立軍、黃超）

劉江：2018年還剩下三個月時間，各位嘉賓對2018年怎么看？AI有什么事情特別深刻？

美團點評技術學院院長劉江

顏水成：總的來說2018年沒有像2015年或2012年那么好。2012年的時候，因為深度學習把傳統的算法打的落花流水的時候，大家都非常興奮。2015年，微軟AI上面確確實實是非常重要的一個往前一大步；2016年，VC只要看到是一個AI的公司馬上要投。2017年，大家開始在思考AI怎么落地。2018年更往前走了一步，落地還不行，要掙錢。這是一個趨勢，后面慢慢AI會越來越務實。

360集團副總裁、人工智能研究院院長顏水成

AI讓人印象最深的有兩個：一是今年區塊鏈的出現，一個是量子計算。

鄧侃：今年AI主題，學界沒有大的突破，但是產業界動作很快。一句話總結就是AI的產品化，而且要盈利，一旦盈利之后這個產業才會蓬勃發展，所以蠻讓人激動的。

李立軍：第一，今年印象深的有三件事情，一是“中興事件”及跟芯片相關的事情。到目前為止，在核心的基礎芯片方面跟美國有非常大的差距。

慈星股份副總裁、慈星機器人董事長李立軍

第二，關于量子芯片的事情。人類對新技術突破上一般預估不會特別樂觀，但事實上到了一個拐點，可能會有革命性的變化，2018年跟2016、2017年比沒有那么激動人心，而且負面新聞特別多，我們做產業的壓力都很大，如果在算力上，量子芯片能夠有大的突破，一旦突破了，后面的發展可能也遵循摩爾定律呈指數發展，在應用層面上可能會有極大的突破。

第三，產業化。2018年真正落地的也不是特別多，但是融資這塊還是可以的，有一些頭部企業，無論是商湯還是曠視，融資呈指數一樣往上漲。

黃超：美團今天上市，這是一個很大的事件，反映了：

第一，AI真的進入到了我們實際生活里。比如美團每天訂單如何分配，以及騎士人臉識別等問題，都需要AI技術去解決的，這就相當于在大公司已經有商業模式情況下，怎么樣用AI提升自己的效率。

第二，VC要求AI的創業公司要有自己明確商業化落地的方向，甚至有收入，這也是我之前一段時間會被問到的問題，因為我們是做無人駕駛的清掃車，奔著商業化去的方向，很多人問未來三年收入預期是什么？剛開始聽到時想打他，對一個無人駕駛公司提出三年收入預期，多聽了幾遍之后就習慣了，也能夠順利把這個問題回答回去。

更多嘉賓在論壇上精彩分享，新智元將推出專門文章進行報道。

AI Era創新大獎頒獎典禮集錦

AI Era創新大獎評選歷時112天，最終評選出中國AI領軍企業TOP10、中國AI創業企業TOP10、國際AI企業TOP10，華人AI人物TOP10和AI產品影響力TOP10，展現出AI產業開放崛起的新生態。

以下是大獎頒獎盛典精彩集錦：

華人AI人物TOP10：

陳天石、胡郁、黃仁勛、李飛飛、劉慶峰、王海峰、王小川、吳恩達、顏水成、余凱

華人AI人物TOP10頒獎

中國AI領軍企業TOP10：

阿里巴巴、騰訊、百度、華為、科大訊飛、字節跳動、螞蟻金服、京東、海康威視、小米

中國AI領軍企業TOP10頒獎

中國AI創業企業TOP10：

寒武紀、商湯科技、曠視科技、地平線、云從科技、依圖科技、深鑒科技、知乎、蔚來汽車、馭勢科技

中國AI創業企業TOP10頒獎

國際AI企業TOP10：

Amazon、Google、Microsoft、Apple、Facebook、DeepMind、NVIDIA、IBM、Boston Dynamics、Waymo

國際AI企業TOP10頒獎

AI產品影響力TOP10

AI產品影響力TOP10頒獎

寒武紀智能芯片MLU100、華為麒麟980、曠視Brain++、訊飛翻譯機2.0、百度Apollo3.0、阿里云ET城市大腦、英偉達Drive Xavier、百度大腦3.0、浪潮AI服務器、阿里量子計算云平臺

最具潛力AI企業

云天勵飛、Autowise、小i機器人、助理來也、小蟻科技

最具潛力AI企業頒獎

AI Era創新大獎頒獎盛典主持人：新智元副總經理張晶晶。

最后，奉上一張新智元團隊核心成員合影！