7月22日功正君一早来到了在杭州国际会议中心举行的「第三届中国人工智能大会」现场。
活动规格很高，开幕式由中国人工智能学会理事长李德毅，副理事长谭铁牛院士以及阿里巴巴王坚博士致辞。
主题报告环节由香港科技大学计算机系主任杨强和蚂蚁金服首席科学家漆远主持。
中国工程院院士中国人工智能学会理事长李德毅院士
—------ L3设备的挑战与量产
演讲摘要：
* 当下人工智能火热，无人不谈无人驾驶。
* 无人驾驶技术从Self-Driver,AutomatedDriving,Autonomous Drivers到Connected Autonomous Drivers智能网联机器自驾驶；
* 对应的是L0(辅助驾驶 warning off),L1(部分自动)L2（有条件自动）,L3高级自动，L4,陆全自动驾驶，对应于mind off,driver off；
* 当下最前沿的科技正处于L2阶段，而L2到L3是质变，L3之后是量变，所以L3的难度可想而知，即便这样，奥迪和特斯拉都宣称年底会量产L3汽车，让我们拭目以待；
* L3的基本问题在李院士看来不是解决车的问题而是解决人的问题；
* 与生活就是记忆类似，驾驶就是记忆，李院士进而提出驾驶脑，大脑小脑既有协作又有区别，并主要依靠小脑的仿生学训练他们的产品；
* 产品用到了当今硬件领域的所有技术如CPU,GPU,FPGA,ASIC等等；
* 最后李院士介绍了驾驶脑，超脑交互，城市大脑等概念，最后以人工智能以润物无声的柔软改变着整个世界作为报告的结尾。
香港科大CS系主任杨强
——论深度学习的迁移模型
精彩语录：
* 迁移学习的难点在于找出不变量；
* 上层领域间距离，有一个复杂的公式，在不同层次之间迁移的能力在下降，深度学习模型下层容易迁移上层不容易；
* 可以让迁移过来的参数让之后在目标领域得到重新描述；两个领域相差太大迁移能力直线下降;
* 两个领域间的距离有没有量化指标；目标领域的标注，从下层到上层，从通用到个体的演化，距离的描述；
* 对于不同的知识迁移的场景进行总结，第一个是两个领域都没有标注非结构的目标和元数据都没有标注，直接迁移；
* 在上层可以放开，利用的方法可以减少两个领域的距离；
* 两个领域的距离有没有一个很好的衡量，这也为我们的研究提供了一个很好的指引方向，像这里几条线就是更进一步地说明我刚才表明的观点，第一个是细微的调参，就是目标领域帮助我们继续调参是有帮助的。
* 迁移学习有小数据、可靠性、个性化等优点，虽然深度学习模型已在语音、图像、推荐等众多领域非常有影响力，但是在如医疗、教育等领域还无法运用，究其原因，主要存在这样三点：
1. 我们遇到的数据往往都是小数据，而不是大数据；
2. 深度学习模型非常脆弱，稍微移动、离开现有场景，其效果便会大打折扣；
3.再有就是应用问题。
澳大利亚新南威尔士大学教授Toby
——AI是中性的，如何用它更好地为人类服务
精彩语录：
* 在中国，人工智能技术非常有潜力，而且我相信这种潜力是无法预估的，因为每次我来到中国，都会惊异于中国人工智能的发展是多么如火如荼。
* 相信大家都关注过 AlphaGo 的新闻，来自中国和韩国的顶级棋手最终都败在了它的手下，结果令人惊讶。2014 年，法国研究人员写出了围棋程序，他当时预测：要让计算机打败专业棋手还需要花费几十年时间。然而事实证明他的预测错了，我们只花了几年的时间就实现了这一点。
* 有时候软件做得要比人更好，比如说最近日本有一家人寿保险公司，采用了 IBM 的Watson ，用它来替代公司数十名雇员。
* 在英国，我们可以用聊天机器人获得医疗服务，它能够为你诊断病情，告诉你头痛是否真的病情严重，还是只需要吃点止痛药就可以了。
* 未来人工智能对伦理会产生什么样的影响。我们能从工业变革中学到一些东西，因为在未来人工智能会改变社会，而社会又将做出什么样的改变？答案是，从心理学和社会学角度，生活的方方面面都会受到影响。
* 第一个就是教育，如果未来要和机器抢饭碗，人类要做好准备，其中将改变的一个领域那就是教育。
* 人工智能是中性技术，它可以用于好的方面，也可以被坏人利用。它可以让生活更加美好，提高经济繁华度、降低贫穷，提升医疗质量、教育质量，可以极大地提升生活质量，但是同一个技术也可以引发战争，可以带来伤害，可以带来大规模的失业等。
* 我们看到了非常多的线上分配问题，现在也用到了很多特殊的特征，比如说共同的偏好等。我们也可以做一些非常好的规范化分析，这也是非常有用的，因为我们可以在公平和效率之间取得平衡，我们要知道如何去看待问题。我相信现在人工智能技术已经为社会福祉做了很多工作，如社会安全等、健康、医疗领域等。人工智能技术能够解决社会很多方面的问题，我们要让人过得更加幸福。
蚂蚁金服首席科学家漆远
——蚂蚁金服AI技术大揭秘，开放模型服务平台
精彩语录：
* 在金融里面我们有大量的服务，从支付、保险、财富、到风控、微贷等各个领域，其中典型的场景就例如要判断某个小企业是否具备相应的信用能够承受贷款的风险。
* 我们构建了一个金融智能的平台，从底层的图像理解，以及使用阿里巴巴集团的语音识别能力，在此之上发展了NLP的能力，然后这上面进行机器学习、深度学习，分析时间序列，比如说预测余额宝的利率变化；在最顶层，我们发展推理和决策的能力，使我们能够帮助我们的用户和金融合作伙伴做出明智的决策。
* 这个金融智能平台中包括了一系列的人工智能技术，比如说强化学习、无监督学习、图推理、共享学习。这些技术具备金融领域的实时对抗性、大规模以及安全加密性。
* 我们的产品有安全风控，智能助理，城市大脑，定损宝等；
下午两场讨论会，分别是自然语言处理和智能金融
NLP分会场
中国科学院自动化研究所研究员宗成庆
中国科学技术大学计算机学院教授陈恩红
阿里云智能语音交互技术总监初敏
香港中文大学工程学院副院长黄锦辉
北京云知声信息技术有限公司创始人梁家恩
奇点机智联合创始人林德康
哈尔滨工业大学教授刘挺
上海交通大学计算机系研究员俞凯
智能金融分会场
李小龙蚂蚁金服人工智能部技术总监
上海交通大学计算机系教授邓小铁
香港FDT-AI联合创始人兼CEO柳崎峰
乔治亚理工学院金融学教授Chava
普林斯顿大学运筹与金融工程系助理教授王梦迪
香港中文大学计算机系副教授张胜誉
今天两场讨论会，各位嘉宾妙语连珠，频频赢得大家的掌声，功正君总结了以下精彩语录如下：
* 大家都用高频交易算法最后钱被谁赚去了，柳总说得看角度我只关心从公司的角度，谁先做谁挣钱谁先获取到信息谁挣钱；
* 年轻的王梦迪教授总是能把各种问题映射到具体学科某个具体问题中去，增强学习是深度学习的下一代，deepmind在游戏中学习;
* 香港中文副教授张胜誉谈到通过医疗险鼓励运动实时看到保费降低，AI充满金融会提高效率，有更好的公平机制，更加地保障大家的安全和健康;
* 柳总说我们有近乎真实的证券交易数据数据来自哪里，内部数据自营交易，几百位职业几千万条交易记录，校园公益事业模拟交易训练100W用户KW条记录；
* 当移动员工提问智能客服上线后哪些话务员该怎么办时，教授们说总会创造出更多的工作，你们做总比不做好，早做总比玩做好
* 哈工大刘挺说道NLP之前多是互联网企业来找合作，现在各行各业都有需求，不过最看好信息化程度比较高的行业如银行司法教育金融等领域;
* 俞凯研究员提到语言学对语音识别的价值问题，当通过大数据达到一定识别比例后，不再是没解雇一名语言学家识别比率就提升，而靠语言学家标准规则能够更好地提升效率;
* 现场一位自言会四五门外语脑洞大开提了一个问题给语言学家们，得到的回复是我们是CS方面的专家，您提到的是NS方面的问题，也许未来有一天会有你要的答案
* 美国高频交易已近从70%上升到80%毫秒级交易，国内只有百分二三十，国外都是机构操作，国内主要是散户；
* 关于股灾的预测，大家更是妙语连珠，我们看到最多的是预测对了所有过去的股灾，即便我们预测对了股灾，当你执行的时候千股跌停执行不了。（全文完）
来源：中生代技术
