会议 | 人工智能前沿峰会（AI Frontiers）：从六大主题解读人工智能前沿

硅谷人工智能和大数据协会近日宣布将在明年 1 月 11-12 日与加利福尼亚圣克拉拉举办人工智能前沿峰会（ AI Frontiers）。机器之心作为本次大会的媒体合作伙伴，欢迎读者们报名参与，近距离接触来自各大公司的技术大牛，报名链接点击阅读原文打开。

　　

硅谷人工智能和大数据协会近日宣布将在明年 1 月 11-12 日与加利福尼亚圣克拉拉举办人工智能前沿峰会（ AI Frontiers）。这次大会邀请来自谷歌、Facebook、微软和亚马逊等人工智能前沿公司的顶级科学家，分享他们在人工智能研究及应用上的最新成果。谷歌和亚马逊团队还将在此举行深度学习软件的培训课。这是一次与人工智能领域的大公司、数据科学家及工程师还有前沿技术亲密接触的绝佳机会。

大会共设六大主题，涵盖了人工智能的主要前沿领域：自动驾驶、语音人工助手、自然语言处理、计算机视觉、物联网、和深度学习框架。在大会的第一天，主办方安排了上述六大主题的演讲，以下是所有演讲者及演讲主题介绍：

　　

演讲者

活动地点：圣塔克拉拉会议中心，5001 Great America Parkway，Santa Clara，CA 95054

报名链接：http://www.aifrontiers.com

　　

　　

　　

作为本次大会的媒体合作伙伴，机器之心采访了大会主席胡峻玲博士，她深入地介绍了本次会议的发起初衷，以及会议背后的故事：

机器之心：第一个问题是请胡老师介绍一下 AI Frontiers 的由来以及目的。

胡峻玲 ：人工智能和深度学习在过去这一年有了飞速进步, 但是大部分人仍然觉得深度学习神秘且不实用。我们这个会议的目的就是打开这个神秘的面纱，展示深度学习目前最前沿的商业成果，使大家有一个近距离学习观摩的机会。

这次大会由硅谷人工智能及大数据协会主办，我是这个协会的会长。 我们的协会成员主要是来自硅谷前沿公司的数据科学家和数据工程师们，也有不少人工智能的创业者。我们之前举办过多场关于人工智能及深度学习的讲座和教程，感觉人们对这方面的知识、技术有强烈的了解欲望，创业者也想知道最前沿的应用领域。通过这次大会，我们邀请了各个前沿公司的技术带头人，想给大家一个全面学习观摩的机会。

机器之心：为什么会选择自动驾驶、语音人工助手、自然语言处理、计算机视觉、物联网、和深度学习框架这六大领域作为会议的主要议题？

胡峻玲 ：这六大领域代表了深度学习下一步能实现突破或有实际商业应用的领域。

自动驾驶技术目前呼之欲出，从早年的谷歌自动车到特斯拉的自动驾驶仪（Autopilot），到百度在中国的率先发展，还有各大传统汽车公司目前这个领域的进军，我们可以看到深度学习在自动驾驶的物体识别、方向控制等起到了不可或缺的的作用。

语音人工助手在过去几年也取得了非常长足的进步，从苹果的 Siri 到微软小冰、小娜，再到亚马逊家的家居助手，深度学习的已经彻底改革了这一领域。我们这次大会请来了这个领域的开创者，其中微软的邓力是深度学习在语音识别上的发明人之一，百度的 Adam Coates也在这方面有开创性的贡献。

选择自然语言处理这个领域是因为它是深度学习的下一个最大突破点。继计算机视觉之后，机器翻译和自然文本处理都开始运用深度学习。一个月前，谷歌的神经机器翻译文章突破了传统的机器翻译的方法，得到了与传统方法持平的结果，且省略了传统的人工抽取特征，这是一个革命性的突破。这次大会我们请来了《神经机器翻译》的作者之一：谷歌大脑的高级研究员 Lukasz Kaiser。

计算机视觉是深度学习中第一个取得突破的领域，目前在静态图片上已经有很大的成功。我们更关心下一步的突破，比如在机器人的三维立体成像、增强现实的表达和视频的分析识别上。我们请来了代表了这个领域最新方向的专家给大家做演讲。

物联网对大数据的分析需求是已经非常明显，在这个领域我们这次请来的嘉宾来自华为、博世这些传感器的领先制造商，它们都开始涉及深度学习，所以我们想请他们展示最新的技术成果。

最后一个是深度学习框架。要把深度学习应用在各个实用的商业领域中，我们必须要采用某一个学习语言和学习框架。目前比较主流的框架就是谷歌的 TensorFlow、Facebook 的 Torch、传统的 Caffe、亚马逊的 MXNet 等。

这些框架各有优点，比如 Caffe 对视觉成像分析做的非常好，谷歌的 TensorFlow 对自然语言处理做得非常好，MXNet 对多台机器平行处理做得非常好。我们把这些创始人邀请在一起，让他们给大家分别介绍自己的工作，使大家有一个全面的了解。

机器之心：这些演讲者是如何挑选和沟通的？中间有哪些趣事？

胡峻玲 ：我们的挑选原则各个嘉宾都是是这六大领域中的前沿创新者，比如刚才提到的六大领域的创始人、开创者，包括深度学习框架 TensorFlow 的创始人 Rajat Monga，他原来是谷歌大脑的带头人之一。

在深度学习框架中我们选了4个，而放弃了Theano. 我们选择这四个框架的标准是其工业应用。在一个小机器上可以用的方法不是我们主要选择标准。这4个框架背后有大公司在支撑，公司内部有人力在支撑它们。这样我们才能看到某个语言在未来的几中会不会有长足的发展，会不会有足够强的竞争实力。因为我们发现在深度学习的领域几乎是每半年就有一个革新性的成果出来，某个语言也会被淘汰掉。在这种飞速发展地过程中，我们关心一个框架的后劲有多大。选择 Torch 是因为它的背后有 Facebook，选择 MXNet 因为其背后是亚马逊。亚马逊最近投入了一个近百人的团队在推动 MXNet ，所以它来势凶猛。我个人认为MXNet将来的实力会非常强大，同时亚马逊占据了整个云计算平台的一大块，所以后面会有更多人的关注它。Caffe 的历史悠久，而且应用很广，我个人认为还是很有前途的。

机器之心：目前人工智能领域的会议有很多，你们是如何邀请到了如何大的阵容的？

胡峻玲 ：能请到这样的阵容有几个原因。第一，我们组委会的成员都比较资深。比如我们其中的一个Sean Ding 是华为的Sensor Lab 的首席科学家。我自己在人工智能领域做过 20 年，以前在三星做技术总监，也在业界认识很多资深的人。我们团队里还有来自谷歌、微软、Facebook 的人。所以我们嘉宾都是通过组委会邀请到的。

第二，我首先联系了百度的首席科学家吴恩达，我本来想请他做 Keynote。他非常支持，看到我们大会的内容之后表示非常愿意来。但是百度正好在这个星期在北京开会，所以他就推荐了百度人工智能实验室的 Adam Coates 来演讲。

嘉宾来的原因也有技术上的原因。目前反映深度学习应用的大会还很少。深度学习会议本身在过去几年都还是学术性的会议，包括数据挖掘大会 KDD 才开始引入深度学习， 但在工业界中还没有大量的宣传和推动。所以我们算是目前第一个真正把深度学习最前沿的技术和实际结合起来的一个大会。所以他们也非常高兴看到有这样的一个大会。

机器之心：您认为硅谷现在的 AI 生态是一个什么样的情况？从业者们主要关注的问题有哪些？

胡峻玲 ：我们已经看到谷歌、Facebook、微软这些大公司囊括了大部分的人工智能人才。这是一个现实。博士毕业生毕业之后大都想去大公司。大公司有一个很好的平台，研究人员不需要担心基础设施问题。他们待遇很好，且这些公司都有很好的人工智能应用，所以他们也有了发挥自己才能的地方。

但我们还是看见硅谷有大量的人工智能创业公司。比如客服领域，今年出现近十个人工智能的客服创业公司，且得到了投资。还有一些做文本处理、做视觉的创业公司都得到了风险投资。小公司切入某个具体的应用领域，机会仍然很多。

机器之心：这些创业公司一般主要是什么样的背景？是以从学校里面出来创业的为多？还是说从工业界出来的为多？

胡峻玲 ：我觉得工作几年后出来创业的创始人为多。因为人工智能创业需要大量的知识积累，一般必须是博士。也有博士一毕业就创业的，比如说去年卖给Salesforce的 MetaMind，它的创始人的Richard Socher (吴恩达的学生)博士刚毕业就办公司，这样的情况比较少，更多的是一些在谷歌、Facebook 工作过几年的工程师出来创业。小公司的优点是在某个特定的领域中，集中精力在一个切入点上，取得突破进展。小公司发展速度比大公司要快很多，所以小公司总会有机会的。

机器之心：请谈谈您对人工智能创业的理解。

胡峻玲 ：人工智能的创业者主要是人工智能领域的人，不过我看到一些不是人工智能行业的人也在做。但是涉及到深度和精度的时候，他必须要理解人工智能的尺度――哪些些是人工智能能做的，哪些是人工智能不能做的。比如说，有人希望能用人工智能来简单处理一些大型文本，那么人工智能能处理到多好，能够拿到怎么样的数据内容，能够分析出怎么样的结果出来，这些都涉及到一些根本性的AI技术。

我以前给一个网络安全公司做过顾问，他们当时没有数据科学家，也苦于没有真正的人工智能技术。最近他们招募了一个数据科学家，进步得非常快。所以任何一个 AI 公司必须有懂AI的人在里面。而且我个人认为最好要有好几个非常懂技术的人。这是区分 AI 公司和其它公司的一个根本途径，也是它的一个门槛。

我个人认为AI 公司的另外一个特质是数据为主。这个数据可以是来自其他公司的数据，也可以是自己的数据。我个人认为，如果能拿到自己的数据是一个巨大的优势。

机器之心：刚才您谈到数据这一块，现在有很多公司主要还是依赖大数据。您觉得随着研究不断取得进展和突破，公司对于数据的依赖是否会不断减小？

胡峻玲 ：我个人认为，未来的方向是所有公司都会涉及大量的数据。传统的方法是在小型数据上去突破技术、突破算法。但是过去 10 年已经证明这个方法并不实用，最实用的方法还是通过收集大量的数据，然后采用大数据方法来分析。需要大量数据的小公司的出口在于可以拿到很多公共数据，比如说卫星成像的数据。现在有一个创业公司用的就是公共的卫星成像数据集来分析停车场的停车量，从而了解人们购物的模式（pattern）。

因此小公司必须要有足够的创造性去发现有哪些公共领域的数据可以为自己所用，比如说政府公开的那些卫生数据、人口数据等统计数据。我个人认为，数据的收集是人工智能创业公司的一个必要技能。另外它们当然也可以和大公司合作，到大公司内部去拿数据，这是一个切入点。我认为现在已经到了一个离不开数据的时代了。

机器之心：中国国内的产业界、投资界和大众都对人工智能有一种很强的热度，您如何看待现在国内的人工智能行业的发展？

胡峻玲： 我非常高兴看到国内人工智能的发展非常迅猛，而且其实国内现在有很多从谷歌、Facebook等大公司回去的创业者，他们手中有着目前最前沿的人工智能技术。而且从人工智能大会和国际学术会议上来看，从中国学者的论文投放和录取量已经接近美国，也就是说国内在这方面已经算是数一数二的了。这说明中国在人工智能领域有非常大的机遇。

机器之心：除了这个机遇之外，是否还存在一些挑战？

胡峻玲 ：我个人认为存在的挑战是技术的交流和开放。湾区硅谷有一个优点，我可以把不同公司的人请到一起，互相讲他们的技术。硅谷还有一个优势是这些人聚集在距离很近的地方。谷歌就在我们这个城市边上，旁边就是 Facebook，然后再左边就是苹果。如果我举办一个活动，活动参与者中可能就会有来自这 3 个大公司的员工，他们也可以互相交流，也可以和讲演者交流。所以大家对于哪个公司做了哪些事情都非常了解，这是硅谷的一个特色。

我想如果能在中国能创造硅谷这样的氛围的话，也会有助于中国人工智能的发展。

机器之心：最后，您觉得机器之心和 AI Frontiers 有哪些契合的地方？

胡峻玲 ：我个人认为，在宣传人工智能和机器人上，机器之心是做得非常好的一个平台。我们这个大会是以人工智能应用为主，机器之心也有这一类的读者，在这一点上我们是有很好的契合。另外一点，机器之心有国内国外的读者，横跨中国与北美，正是我们这个大会所面对的群体。

　　 点击阅读原文参与报名↓↓↓