2016全球人工智能技术大会
开会地点：北京国家会议中心
开会时间：2016.4.23
演讲嘉宾
- 芮勇 微软亚洲研究院常务副院长
- 杨强
- Marc Hamilton NVIDIA 工程架构副总裁
- 张代君 三星电子中国研究院院长
- 胡郁 中国人工智能学会副理事长 科大讯飞轮值总裁
- 李德毅 中国人工智能学会理事长 中国工程院院士
- 苏中 IBM 中国研究院大数据及认知计算研究总监
- 徐伟 百度深度学习研究员 “杰出科学家”
- 杨铭 地平线机器人联合创始人
- 陈天石 寒武纪科计创始人 CEO
- 梁家恩 北京云知声信息技术有限公司董事长、CTO
- 李磊 今日头条实验室总监
- 王铮 阿里巴巴资深技术专家
会议笔记
人工智能之趋势 芮勇
芮教授从60年前AI诞生说起，并将提出了发展过程中的4个AI
1.Aggimoerative Intelligence 聚合的智慧
a.智能api、how-old.net、
b.最大的图像数据集imageNet（1000类别的图片 ）
最新错误率3.5% 深度学习
深度学习层 9、15、152层（残差学习的应用）
c.图片物体检测
d.像素级分类 每一个像素是属于人或桌子
2.Adaptive Intelligence 自适应的智能 机器自适应的帮助人类
a.微软自拍 识别性别年龄 美颜
b.skype translator 实时语言翻译
1966星际迷航幻想-2010发布-2012演示
3.Ambient Intelligence 隐形的智能 隐于环境的智能
a.图像理解 人在滑滑板 盲人听到眼前的场景
b.microsoft hololens 实时3d会议 四个柱子收集3维数据 传输
回放，不同角度观看、体验
4.Augmented intelligence 增强的智能
人脑 左脑 记忆不如机器
最后总结人的右脑比机器更有创造力 以后的趋势是机器有更增强的智能
自学习的人工智能 杨强
1.60年代智能来自逻辑
2八十年代 神经网络
1997 ibm 深蓝 状态空间的搜索与智能
2011 知识就是力量 大数据
2010 深度神经网络 全局计算需求->本地计算 不同层次看同一数据
识别图片
单个例学习 bayesian program learning case-based reasoning
无需大数据 学会知识概念
3.金融+智能
4.小数据 是否可以机器学习
下一个突破 强化学习 只能解决小数据量
“端到端的深度学习” google结合深度学习和强化学习
永动机器学习 不断自我学习 有上限知识会矛盾 来源于有偏数据
基于模型的迁移学习 已有训练模型的转移 eg.学过文字
The next frontier for HPC Marc Hamilton
1.GPU提升了计算速度 解决的现状
2.AI CNN RNN LSTM need GPU
3.专门制作适于大数据计算的GPU
4.illustrate a new computing model
人工智能中的虚拟现实 张代君
1.人工智能架构（需要APU、专门的操作系统）
service product
algorithm
platform standard
2.离不开移动
电子冰箱、智能汽车、如何改变。风口
3.soc与未来将达到人脑的300亿个神经元
4.connectivity 5G 对人工智能的支撑 嵌入到智能这设备中
5.gear 360 双目摄像头 4K视频 2600w像素
未来分享vr 视频
能听会说到能理解会思考 胡郁
1.alphaGo 利用机器学习提前了10-15年
计算机计算能力覆盖围棋全路径还不够
固定规则下的完全信息博弈 已经输了
2.语言的广泛应用 产生了认知革命 （历史学家）
运算智能->感知能力->认知能力
3.讯飞智脑 结合感知能力和认知能力
人工智能在奔跑 李德毅
1.北邮lingo 9路棋盘
2. value networks police networks
a.alphaGo 和李世石 复盘可以么？
b.比赛结束程序变了么
c.对赛结局如何
d.和菜逼下棋会不会降低
3.alphaGo 不足
只有逻辑思维，缺少交互认知能力，感官、手等
卷积缺陷
前馈神经网络缺少大反馈
学习参数随意、不能保证算法收敛
4.驾驶脑：驾驶认知的形式化
a.感知->认知 （飙车机器人）
b.ADAS 导航的未来
情绪、性格、工作记忆、长期记忆、瞬时记忆
科研方向 无人驾驶 先视后觉、边视边觉、后视先觉、视而不觉
决策脑
脑启发计算 苏中
1.人脑低功耗 20W 主频100 高并发 高链接（少量长连接）
2.计算机 主频越来越快 每平方厘米100w（2004-2005）->多核
3.synapse项目
目标：2升空间达到3亿神经元 类似猫脑
TrueNorth芯片 70mW
人类离实现通用人工智能还缺少什么 徐伟
1.深度学习实验室
2.PADDLE 深度学习平台
3.细粒度图像识别
4.端到端的语义识别 端到端的机器翻译
5.统一的视觉和语言深度学习模型
eg.看图说话
6.RAM
Reasoning 推理 Attention 注意力 Memory 记忆
7.自我学习和创造能力 是人智能的核心
8.很难从少量标注数据的学习
eg.小孩认知图片只需几张
深度学习发展的新趋势 杨铭
MARS
Memory Network:learning to memory
Attention Model:learning to focus
Reinforcement Learning:learning to act
Sequentialization
支撑智能时代的芯片 陈天石
深度学习让计算机和你我说话对答 李磊
值得一提的是我期待了半天他讲，然而。。。
