合肥新闻网

市北GMIS 2019:对于AI的未来,我们需要保持谨慎乐观

7月19日上午,“ShibeiGMIS 2019全球数据智能峰会”在上海开幕。许多主题演讲者发表了12篇主题演讲,内容涉及自然语言对话,认知智能和AutoML等尖端技术。同时,还就数据智能经济和产业生态的发展进行了深入的交流。

会议以“拥抱经济智慧,赋予行业权力”为主题,重点关注人工智能学术研究,工程技术和工业应用。 “由大数据和人工智能引领的技术革命方兴未艾,它对社会产生了深远的影响。”上海大数据中心副主任朱俊伟在会上说。 “大量的数据洪流,强大的云计算大脑以及自我发展的机器算法促成了当前从数据技术到智能应用的爆炸性增长,我们的日常生活正在发生深刻的变化。”/p>

“我很高兴看到中国在人工智能领域的巨大能量。无论是学术界,初创公司还是大公司正在进行人工智能研究,都形成了良好的生态学,“2018年图灵奖得主,MILA Yoshua主任说。 Bengio在会上发表了讲话。 “我们应该从长远角度来看。今天我们有一个机器学习系统甚至不像一个两岁大的孩子那么聪明。我们还有很多工作要做。我们正在研究强化学习和制作模型在计算机视觉方面。在AI for Good applications等应用程序中学习更好的特性,所有这些都需要与世界各地的大量公司和研究人员合作。“

1488482291.jpg

利用空间信息技术实现精准农业化[/p>

王建宇,中国科学院院士,中国科学院上海分院院长,主要分享空间信息技术及其在大数据中的应用。空间信息技术通过卫星了解地球,主要使用地球观测,导航和定位,卫星通信和科学实验。

去年,上海发布了《上海空间信息领域发展 2018-2035》白皮书,计划从四个方面进行:顶层设计,自主创新和开放式合作。空间信息技术可以为长三角地区的绿色发展和环境保护提供良好的支持。

他首先介绍了空间分辨率技术。卫星通过地面观测,分辨率越高,地面越清晰。例如,最熟悉的气象卫星可以在没有太高分辨率的情况下实现天气预报,也可以用于监测火灾,沙尘暴和森林破坏等地表变化。在这一领域,美国,欧洲和中国处于世界前列。

182963660.jpg

目前,世界顶级卫星能够以0.1米的精度实现空间监测,并且可以清楚地识别建筑物,车辆行人等。几乎不可能保密大量信息。

据报道,美国卫星的水平非常高。 “人民日报”的报纸摆放在地上,它们都可以看到报纸的标题。但今天,王建宇院士发誓说,“这句话是虚张声势。”

他还介绍了成像光谱技术的进展。根据频谱,它可以识别植被类型,识别伪装等。在这方面,中国已经走到了世界的前列。

然后,他专注于空间技术和大数据的整合。典型的应用是精准农业。以小麦种植为例。首先,通过卫星观测,无人机可以实现小范围,然后根据生长过程中不同阶段的不同小麦谱,可以判断病虫害存在的地方。受精的需要在哪里等等。

管理人员可以留在家中,检查农田状况,执行精确操作,并判断增长状态,以此作为通过大数据估算生产的方式。不过,他还表示,在技术转化为登陆应用方面,企业需要进一步转型。

最后,他总结道,首先,空间信息技术的发展使我们的星球更小更清晰。我们谈论古代的洞察力并非不可能。二,整合指南,带给我们一个崭新的大地;第三个空间信息和大数据的整合使我们能够“走出秀场,了解世界正在做什么”。

AI打开了智能企业的时代

Hans Uszkoreit是欧洲科学院的成员,也是德国人工智能研究中心(DFKI)的科学主任,他在智能企业的未来分享了人工智能技术的愿景。

“看看今天的机器学习,既可以学习知识,也可以学习行为。但最成功的学习方法,包括深度学习,是学习行为而不学习明确的知识,“Hans Uszkoreit说。 “谷歌的机器学习翻译系统并不理解你的陈述,但它完成了翻译工作,因为它的算法从大量数据中学习人类翻译方法,因此阅读人类可以理解翻译的内容。”

今天的自动驾驶系统也是如此,它们不了解交通法规。自动驾驶汽车符合交通法规,因为他们学习行为,而不是知识。

“为了实现超越人类的AI能力,我们需要在基于知识,基于规则和机器学习系统中找到相交的部分。真正的超级AI超越人类,但仍然不是人类的智力形式。不会是伊拉克。 Long Muske说超级智能,“Hans Uszkoreit说。”

3383564170.jpg

目前,欧洲学者普遍认为人工智能研究分为四个阶段:第一阶段是启发式搜索,其次是基于知识的系统。在第三阶段,我们开发了一个学习系统,包括深度学习,神经网络等,并有一个大规模的应用。我们现在面临的挑战是将这些技术整合到需要大量知识的认知系统中。

对于企业情报,Hans Uszkoreit认为在发展的道路上会有两波:第一波是数字化的,将模拟内容转化为数字内容。在第二次浪潮中,人工智能开始发挥重要作用。其中包括机器人的大规模应用,智能物联网,IT基础设施的部署,工业4.0和商业智能的进步,以及技术的推出也意味着智能企业数量的增加。

未来的智能企业就像人脑。它从不同的感官中收集情报,并帮助人类通过算法做出决定,但人类仍然是必不可少的。 “业务决策需要考虑来自不同来源的大量内容。世界充满活力。我们不能简单地使用过去训练的算法来决定当前的问题。总是会发生事故,所以人们需要在这里检查。“Hansz介绍Uszkoreit。

另一方面,机器学习算法可以处理大量数据。人类显然无法观察和处理所有数据。今天,知识地图可以帮助我们在许多领域进行分析和决策。

大数据,人工智能和物联网的进步。智能企业可以实现更好的供应链管理,市场开发和质量控制,所有这些都涉及人工智能。 “我们想要结合这些任务。连接不同的供应商,以多种形式向公司提供不同的数据。我们需要处理非结构化数据,改变公司的内部结构,并结合公司的内部和外部生产。数据,以实现更广泛的机器学习,“汉斯Uszkoreit说。

将当今的企业集成到统一的数据战略中并更好地使用数据可以使AI对我们更有帮助。不仅仅是像百度和谷歌这样的科技公司,所有传统公司都应该拥有这样的知识流程。我们需要学习最先进的知识。强化学习和主动学习将显性知识与深度学习算法相结合。

李航:不要让系统假装聪明

IEEE研究员Byte Beat人工智能实验室主任,ACM杰出科学家李航分享了自然语言对话技术的发展机遇和挑战以及他在开发对话系统方面的经验。

865236079.jpg

李航表示,开放领域的对话仍然面临着巨大的挑战,各种聊天机器人与你聊天的可能性非常低。他认为自然语言对话存在两个主要问题。一个是自然语言理解的问题。语言理解很难涉及人类智能的各个方面。

另一方面,对话是一项任务。两个人需要交换感情和交换信息。但是在对话系统中,聊天会不断被终止,设置和恢复。有些事情可以用强化学习或规则来完成,但真正的事情就是去。定义任务,生成任务和完成像人一样的任务涉及整个人的智能的所有方面,也是一个非常具有挑战性的问题。

3904275878.jpg

在未来5到10年,一方面,我们必须在技术上取得突破,以增加技术可以达到的上限。另一方面,有必要采用满足用户使用下限的技术,以便为用户带来更多价值。

李航认为,在我们进行对话系统时,不仅要考虑技术,还要通过语言进行互动,还要考虑设计,如何将技术与设计结合起来,以支持不同的功能。

规则:

1.为了能够在场景中自我关闭,让用户完成一件事,一件事就是完成一件功能。

2.机器不可能100%理解。当它失败时,它必须能够自然地响应。

对话不仅仅是语言问题,还包括情感和文化因素。有必要增加社交因素,使对话更加情绪化。

4.第四,不要让系统变得聪明(这是否意味着你得到第一个获得公民身份的机器人?)。

需要强调的是,目前的对话系统解决了一些问题,但用户真正的痛点问题尚未解决。商业化的关键是考虑如何为用户带来真正的价值。

人工智能多模态的未来

香港中文大学终身教授,腾讯Youtu实验室杰出科学家,IEEE贾嘉亚研究员介绍了人工智能发展的现状和多模式方法的未来。

“各类公司的媒体,投资者,创始人和高管都在问我,人工智能现在处于什么阶段?我们的乐观能持续多久?“贾家亚说。 “我一直在考虑这些问题,直到现在我终于找到了自己的意见。”

对于当前人工智能的发展,我们可以参考人工智能峰会的论文数量。在过去的五年中,CVPR会议提交的数量增加了50%。到2020年,提交的数量预计将达到7,000个。论文数量激增意味着大量研究人员加入该领域。在自然语言处理领域,由于BERT的突破性进展,ACL会议突然使提交的论文数量翻了一番。新的突破使许多问题得以解决。

1923489340.jpg

但是,我们很难在CVPR论文的词云中找到“语言”,在ACL会议中我们很难找到“视觉”。这从一方面说明了人工智能的发展现状:各个方向的研究都在蓬勃发展,但这些领域基本上是分开的。 “虽然每个人都认为人工智能是一个整体,但它实际上是一个岛屿,视觉和自然语言处理的方向是相互独立的。”贾家亚说。

任何领域的发展都基于一个突破,从Deep Blue,AlphaGo到ImageNet,Texas Hold'em AI,OpenAI Five,以及Dota2的技术突破。但只有当所有组件都集成在一起时,我们才能真正获得技术发展的好处。

多模态是人工智能的根本难点。为此,机器需要识别图像,分析3d模型,分析结构化信息,识别文本和识别声音。

“下一代产品首先出现在哪个方向?它不应该是一个机器人。在接下来的20 - 50年里,机器人仍然无法达到人类儿童的智商水平,“贾加亚说。 “我认为这将是一辆汽车。它有各种传感器,需要大量的处理能力。汽车行业未来可能会发生翻天覆地的变化。“

如果我们对机器人说:请给我桌子左侧的瓶子。 AI解决这个问题需要各种功能,如语言建模,3D建模,自动导航和图像分析。对于机器人来说,人类非常简单的问题非常困难。我们需要监督不同的模型。我们今天看到的机器人只能非常简单地操作,这意味着未来的技术发展仍有很大的空间。

在多模式人工智能方面,腾讯U-Map也有自己的工作。它的手语翻译可以帮助中国7200万听障人士。 “中国有5%的听力受损人口。这个数字非常大,但人们却没有意识到这一点,“贾加亚说。 “你的微信朋友圈可以有数百人,但很可能没有残疾人。这是一个可怕的现象:我们的社会和他们的社会彼此孤立,根本没有交集。”/p>

这是腾讯开发多模式AI手语翻译的动力。手语识别是一种多模式问题。它是一个非常有趣的手势识别,动作识别,语义转换和语言模型工具。这对社会也很有意义。

此外,开发人员已在内容平台上实现了大量的交叉融合。通过视频内容和字幕文本,AI可以准确理解视频内容。这在视频平台上产生了很好的响应。

“近年来人工智能的发展令人兴奋。多模式人工智能是未来的发展方向。你不必过于乐观,也不必过于悲观。可能有十年或二十年我希望每个人都对人工智能持谨慎乐观的态度。态度。“贾家亚说。

从AutoML到认知智能:AI前沿研究的趋势

下午,许多业内人士就机器智能的前沿研究趋势发表了演讲。

复旦大学教授傅玉刚教授就视频人工智能技术的发展发表了演讲。人工智能视频的产生,DeepFake面临的变化是最近的热门话题,如果被滥用,这项技术可能是一个很大的威胁。

3648991625.jpg

Extreme Chain Technology致力于开发电影,电视剧,综艺节目,短片,广告和其他类型视频的视频检测系统。不同内容的场景复杂且难以控制,并且很难对这样的内容执行视频识别。 Extreme Chain Technology提出的视频AI技术可以理解视频内容,AI处理的视频可以在中间插入相关的广告,让用户产生更多的场景共鸣。

“我们都知道ImageNet为计算机视觉的发展做出了很多贡献,但在视频领域,YouTube8M与ImageNet相距甚远,”姜玉刚说。 “极点链技术和复旦大学希望通过举办VideoNet视频内容识别挑战,形成新一代视频识别算法评估标准。”

Video-Net是一种新型数据集,包括业界最精细的视频数据,涵盖视频中的事件,动作,对象,场景等。蒋玉刚希望通过这项工作,人工智能还可以根据现场推断出其他物体。

人工智能不仅可以增强娱乐体验,还可以帮助人们获得更好的教育。松鼠AI的崔薇探讨了如何利用人工智能提高学生的学习效率。

“人工智能的自适应学习可能能够为成千上万的人提供教育,”崔伟说。 “人工智能与教育的结合可以帮助孩子获得更好的学习技能。即使将来忘记知识,学习方法也可以帮助他们获得生活和工作方面的新知识。“

由松鼠AI开发的K12智能教育产品实现了准确的诊断和高效的“治疗”。它可以实现实时学生肖像更新,了解学生的知识状态,为学生规划最佳学习路径,实现个性化学习内容推荐。最大化学生的学习效率。在没有教师干预的情况下,人工智能系统可以帮助学生自己实现目标。

“基于信息论和知识空间理论的知识诊断可以用最少量的问题在最短的时间内诊断出学生的知识漏洞,”崔伟说。 “基于贝叶斯认知诊断模型的知识状态评估可以考虑相关知识点和历史学习记录,以更准确地评估学生的学习状态。”

Deep Curious创始人兼首席执行官吕正东与我们分享了行业认知智能的帮助:“这是对人类抽象思维的高级模拟,包括理解,推理和知识表示的使用。在回答问题时,人类可以轻松理解自然语言并使用大量知识。“

对于深度学习模型,解决现实世界中的大多数问题非常困难。新一代神经符号智能需要三个维度的特征:具有类似人类大脑的方法的异构处理器,基于连接主义和象征主义的算法机制,以及具有监督的非监督,弱监督学习(强化学习)学习混合有效。这可能是下一代人工智能的范例。

近年来,好奇心一直是解析和推理的主要技术框架。分析框架使用神经网络的中央控制器来驱动符号规则的多个协处理器。它可以阅读和理解像人类这样的长文章。它将阅读视为一个复杂的决策过程,总结,理解和推理。

推理框架与图形结构计算有关,采用混合状态表示,采用“神经符号”方法进行多通道操作,动态查询和吸收常规知识,可以解释推理过程。

Tu Weiwei的第四个范例回顾了自动机器学习技术(AutoML)的最新发展:“机器学习是一项非常复杂的技术。从最早的定义问题,数据的收集和处理,最终的模型应用非常复杂。过去,只有机器学习专家才有资格担任这个角色。“

AutoML可以使技术平民化,让更多的人通过自动机器学习完成专业的人工智能算法构建。人们长期以来一直在研究这个领域。 AutoML是使用有限的系统资源优化配置机器学习系统的方法。机器学习的配置,评估配置的效果是需要理解的问题,有效解决方法是研究的目标。

AutoML的未来趋势是什么?从配置空间,我们需要找到更精确和精确的控件,以减少计算开销并提高评估的准确性。自动半监督学习(AutoSSL)可以自动预测数据标记并获得良好的训练结果。此外,神经网络架构搜索工作的应用范围仍然狭窄。在未来,自动图像分割和自动文本分类可以为机器学习方向带来更多的可能性,超越图像分类。

为了解决更多实际问题,我们可能需要一个交互式自动化机器学习系统(Interactive AutoML):人们做人类擅长的事情,机器做机器擅长的事情。通过实时交互,人们终于能够探索适合解决问题的高效机器学习算法。

AI为汽车行业带来了DNA级革命

在数据智能产业化方面,上海市经济和信息化委员会在学校,医疗和其他场景中介绍了人工智能。 SAIC强调了AI对汽车行业的DNA水平革命,上海电气在能源领域引入了AI。管理中的智能警告。

首先,上海市经济和信息化委员会魏伟女士介绍说,去年12月,上海率先提出“上海人工智能应用场景建设实施方案”,解决人工智能技术着陆匹配问题。人工智能对工业的需求。重点关注教育,医疗,制造和城市管理等关键领域。面对十个场景,上海已经吸引了全球170多个解决方案,包括微软,小发猫和BAT等国际知名公司。

在具体落地时,上海闵行薇薇小学采用智能课堂行为分析系统对课堂学习情况进行定量评估,指导教学实践。它还利用计算机视觉,深度学习,数据挖掘等技术,对学生的课外行为进行全面分析。

复旦大学肿瘤医院开发了注册预约系统。通过上传患者最近的医疗信息,艾滋病文本识别和语音交互可用于诊断疾病并推荐适当的医疗路径。医疗语音输入系统还用于帮助医生快速输入医疗记录和报告。准确率超过97%;引入智能辅助诊断系统,减少乳腺X线摄影的漏诊和误诊。

下一步,上海将为现场创建一个示范区,重点关注“大场景”,突出高端领先优势,突破痛点。

在工业互联网时代,汽车一直扮演着工业演变的幻觉。上汽乘用车首席数据官张亮表示,人工智能和数据智能正在为汽车行业带来DNA水平的革命和重塑。

3365350298.jpg

他说,上汽在2016年推出了中国首款上网车,到目前为止已售出70万辆上网车。

在汽车行业130多年的发展基础上积累经验,建立标准。然而,张亮说,使用经验建立标准有四个缺点:1。冗余性强; 2.标准不完整; 3.用户使用偏差;过去的标准主要集中在物理标准上,缺乏感知标准。

随着人工智能的出现,数据汇集在一起,带来产品开发,故障预测,故障诊断和售后质量问题解决。例如,电池寿命是新能源汽车中最令人担忧的问题之一。上汽推出了电池医生产品,可以根据使用习惯预测电池寿命。

“汽车行业的真正创新是智能研发平台。”张亮表示,上汽产品的目标设定,产品开发计划和虚拟平台仿真都采用了数据回流,产品定义,加速研发和精度。需求。

他还透露,荣威RX5 MAX将于今年下半年推出,并将成为全球首款量产智能驾驶舱。

然后,上海电气智能中心主任黄萌介绍了人工智能在能源管理中的应用。上海电力风电集团是一家智能制造企业,风电是一项重要的业务。

黄萌说,风力涡轮机经常安装在偏远地区。在操作和维护方面经常存在许多问题,例如如何通过数字方式集中管理它们;远程管理风扇时如何有效地进行数据访问;以及如何收集它们。数据是健康警报以避免失败。

数字,大数据和人工智能技术可以在能源管理中发挥重要作用,但这些技术仍远未实际应用。

他说,在能源管理方面,最关键的核心是智能故障预警。通过大量的历史数据,特征提取和模型训练的机器训练,可以进行有效的故障预警。例如,在上海东海大桥的风电场中,可以在大约十天之前找到风力发电机中关键部件的变速箱的健康警告,从而进行小规模维护,从而节省了非常高的成本。

此外,到2021年,国家将取消风电补贴,数字和人工智能技术将在降低成本和提高效率方面发挥重要作用。

3039641920.jpg

在最后的圆桌论坛上,金棕榈企业董事长兼首席执行官潘茂波,孝义机器人高级副总裁杜玉清,华润微电子控股有限公司应用技术研究院首席技术集成专家李铁生,中国翻译技术副总裁兼首席执行官技术官程国钧讨论了实体经济与数据智能整合的挑战和机遇。

“我们与国内大型金融机构合作多年。近年来,这些银行的业务量增加了20倍,网点数量增加了6倍。但是,整个客户服务系统和业务人员没有增加,但他们已从4,000减少到2。大约一千四百人,“孝义机器人高级副总裁杜玉清说。”在这种情况下,大数据应用程序起着关键作用。人工智能解放的人力资源不会形成裁员,但可以自由地从事更具创造性的工作,如系统管理和数据分析。“

潘一波认为,人工智能公司将来会形成一组B到C服务,如导游,私人医生,法律顾问,顾问等。过去的金字塔组织结构将成为一个大平台加上“超级个人”形式。

作为会议的组织者之一,上海北方高科技服务产业园是上海唯一的大数据产业基地。它拥有250多家大型数据公司和约30%的上海大数据公司。数据智能上下游产业链已成为上海名副其实的“大数据园”。

该市北方高科技(集团)董事长罗伟表示,该市是上海老工业基地改造的标本。工业园区经历了广泛的低成本土地租赁,形成了工业上下游产业对接,突破边界,形成了平台经济。在人才,资金,技术上给予园区企业支持。

该园区还与亚马逊AWS建立了合作伙伴关系,包括智慧城市展示中心,AWS人才培训和国际孵化。目前,每年有超过100家公司进入孵化器。工业园区还建立了上海第一个大数据产业基金。该基金的第一阶段由园区企业筹集和资助。