科技猎GMIS 2017：构建商业AI能力的五个要素
5月27日，由机器之心主办的全球机器智能峰会（ GMIS 2017 ）在北京898创新空间举行。“LSTM 之父”Jürgen Schmidhuber、《 人工智能 ：一种现代方法》的作者Stuart Russell、Citadel首席人工智能官 邓力 、腾讯AI LAB副主任 俞栋 、今日头条副总裁、人工智能实验室负责人马维英、第四范式创始人、首席执行官戴文渊、地平线 机器人 创始人 余凯 等嘉宾出席。
Jürgen Schmidhuber首先回顾了20世纪的人工智能发展，他说：“再过几年，90%的工作将是机器提供的。希望人工智能可以为我们提供更美好的未来”。 Jürgen预测，在未来几年人类将创造出具有灵长类动物智能的人工智能系统。人工智能仅仅经历了70余年的发展，这个速度相比数亿年的生物进化有了很多倍的提高。
无监督学习是深度学习很重要的一种方法，不用给系统提供一个非常具体的信号，只需要告诉它一些信息，让它以无监督的方式自己学习。Citadel首席人工智能官邓力发表了主题为“无监督学习的最新进展”的讲话。他说：“ 无监督学习比监督学习更有趣，但是也更困难。我们可以使用更多的一些数据来进行学习，比如说像SPDG方法，该方法不需要进行标记，但它可以直接进行学习来听声音的识别或者说做一些翻译。这样的一个线性的方式，我们也需要很多的发明来使无监督学习更加地有效 。”
腾讯AI LAB副主任俞栋介绍了最近在语音识别当中的前沿的研究方向： 序列向序列转换的问题。语音从一个序列向另一个序列转换的时候可能有问题，通过数据驱动让模型，可能找到更好的方法，使序列转换更准确。 序列转换主要有两个方向，一个是CTC模型，建模比传统建模非常更大，可以相对比较自由选择建模单元，而且建模较大可效果更好。但是，这种建模训练的稳定性不是很好。
那么如何解决CTC模型不稳定问题呢？目前最佳的解决方案就是把CTC与Attention结合起来，因为CTC有持续信息，可根据后面的语音信号生成词，这有助于Attention生成更好的表达。
人工智能热潮还很汹涌，新闻搜索也在发生巨变。 今日头条副总裁、人工智能实验室负责人马维英表示，今天的人工智能的本质是软件产业的革命，其实软件产业也在被颠覆，未来是 万物互联 、数字表达的世界。基于 云计算 、GPU、TPU和FPGA等一些芯片大运算能力，软件也变得越来越智能，反过来软件又会推动硬件的发展，这是一个正循环。
未来个性化的信息流成为新的方式，用户有大量碎片化的时间，很多工作都可以在手机上完成，同时产生源源不断的数据。
PC时代的信息源与消费者之间的关系不紧密，但是现在的大量的原创作者（比如头条有50万的作者）提供了大量内容，用户通过头条的平台可以获得个性化信息。头条就是要成为个性化信息流进流出的管道，通过机器来完成审核，过滤。
创作、分发、互动等每个环节，人工智能都可以进来，今天已经从数字化的时代向语义表达的时代转变。头条开发了很多人工智能的标注工具，帮助他们标注得更好，他们标注的结果可以得到一些另外的反馈，又重新来帮助我们的机器学习，机器学习又学出更好的算法，又提供更好的工具给审核标注人员，审核标注人员又更高效的标注了很多新的样本，形成一个闭环。
他还提到，未来的相机是一个视觉智能的相机。人工智能将连接人与信息，帮助用户交流、学习，用户使用数据又将反馈到机器，形成一个良性的循环，未来是超级智能时代。
第四范式创始人、首席执行官戴文渊谈到了VC维理论。统计学家很早就给我们奠定了机器的理论：VC维理论。 它是指一个模型的维度越高，能力就越强。机器超越专家的界限是VC维度大于或等于1000万。
他还谈到构建商业AI能力的五个要素：
1、 大数据
大数据不是指有数据就行，一定要有意义的过程数据才行。比如用户浏览网站数据，不只是点击量，还有客户正负反馈。用户投诉是正反馈，如果没有投诉是负反馈。优秀的AI模型，至少要1000万以上的大数据和样本。
2、外部反馈
例如搜索的点击，过去的推荐是相关的内容，这种“相关”机器听不懂，不可度量；现在把“相关”数字化了，它包括点击、阅读时长、转发、收藏和投诉，是可以被度量的。
3、算法
算法科学家是非常稀缺的，尤其在AI领域，那么如何不用科学家也可以做应用呢？过去做一个AI可能需要上百个科学家，现在可以把这些业务封装起来，我们希望一个业务人员，再加上有一定数据思维基础，经过平台培养一两个月的数据工程师，就能达到过去算法科学家的效果。
4、降低门槛
现在机器的门槛主要是数据清洗，特征变换。这对科学家来说不是很大的问题，但对于开发人员门槛很高，我们要使这些事情自动化，比如做线性分形的算法，用分型技术让线性的模型做更好的特征工程。
5、Inferential，大数据下没有简单的问题，比如机器超过100台，不能保证任意两台机器传输数据都是一样的，也不能保证机器不会宕机。如果超过一千台机器，甚至任务分配都会非常不均衡，有的机器是空闲的，有的机器会很忙，这些都是需要解决的问题。
国内谈AI，更多的是互联网的应用，很少提及它对工业领域的改变。 英伟达人工智能城市CTO Mulind Naphade谈到AI在交通领域的应用。
他表示，交通行业是一个非常复杂的系统，这里面有车辆、桥梁，人员等，非常复杂。AI在交通行业的应用潜力巨大，可以通过AI系统把很多的东西通过物流送到各个地方。在行人方面，可以探索AI集成一个系统，利于安全出行。
此外，AI还可以做安全监测，包括机场、地铁还是很多人群聚集的地方，在应急情况下，通过分析视频信息及时疏散人群。
而且AI货运将影响未来的物流行业，未来最后一公里的快递可能会是 无人驾驶 汽车运送，它还能实时了解仓库，形成一个高效的物流体系。
随着这一轮人工智能的浪潮涌起，自动驾驶也被推向高潮，在CES2017展上，它也代替去年的VR成为全球媒体关注的主角，自动驾驶很可能会颠覆万亿级的传统汽车行业。 地平线机器人创始人余凯谈到了“深度学习如何引领驾驶革命”，他认为，中国是世界第一大汽车市场，但是交通事故的死亡率也是世界第一，AI可能改变这一现状。
我们知道人工标注数据成本非常高，但是现在机器不仅可以用实际的数据学习，还可以通过虚拟的数据学习，人工智能系统在迈向一个方向：人工智能系统自己学习。
最后，他总结了四个观点：
1、汽车行业一定会被大数据和深度学习改变；
2、构建一个自主学习的汽车，而不是被人工标注数据训练的车；
3、我们需要努力设计神经网络的结构，使它透明，可理解，可以被控制；
4、我们要联合软件和硬件，最大化整个计算的效率、安全性和系统的可靠性。
重磅福利！【 2017中国互联网+新商业峰会 】， 6月15-16日两天3000人次，携程创始人梁建章，嘉御基金创始人、前阿里巴巴CEO卫哲，分众传媒创始人江南春等嘉宾已确认出席，期待你的参与， 限量钜惠 票 等你拿！
本文作者许伟军，亿欧专栏作者；微信：xuweijun24（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。