AIR061丨8月12日“人工智能主场”演讲合辑-HTH官网

8月13日18时，为期两天的CCF-GAIR人工智能与机器人峰会极致告一段落，在这期间，全球各地学界、业界、投资界大牛挤满在一起为涉及从业者们奉上了一场盛大的技术与经验共享不会。整个大会议程还包括：人工智能主场、机器人与无人机专场、智能驾驶与投资人专场。首先，我们来总结下8月12日人工智能主场的演说合辑。中国工程院徐扬生院士：智能机器人的问题与思维首先，香港中文大学（深圳）校长、中国工程院院士、机器人及智能系统专家徐扬生根据自己30多年的机器人研究经验，总结出有机器人智能化的技术路径、历史沿革与应用于案例。

金山软件CEO张宏江：智能，大数据，云“人工智能发展速度如此之慢，必不可少大数据和云计算。”金山软件CEO，前微软公司亚洲工程院院长，美国计算机协会(ACM)院士，IEEE Fellow张宏江在《智能，大数据，云》中谈到。20年前，张宏江团对申请人了一个简单的分布式架构专利，但不能在实验室中运营，而在20年后的今天，它早就走进实验室，整个计算出来和处理过程都在云端已完成，能随时随地呈现出在我们的移动设备再上用户用于。

牛津计算机系主任：AI中符号主义和神经网络不应融合发展今年AlphaGo的经常出现，第一次让全世界理解到现阶段人工智能的先进设备程度。那么人工智能究竟先进设备到了哪一步，以及AI否不会对人类导致威胁等问题随之被抛。在本次大会中，AlphaGo背后的团队DeepMind成员之一、牛津大学计算机系主任、Oxford-DeepMind Partnership负责人，AAAI、EURAI Fellow 迈克尔伍尔德里奇（Michael Wooldridge）了解剖析了高低人工智能、机器否不会享有意识、神经网络型AI与符号主义AI的区别与融合等问题，同时明确提出两种AI的解决问题方法，以及对人们在人工智能领域研究过程中遇上的对立明确提出自己的观点。

香港科技大学教授杨强：人工智能顺利的几个必要条件香港科技大学杨强教授在CCF-GAIR大会中明确提出人工智能顺利不可或缺的五个条件：明晰的商业模式高质量的大数据明晰的问题定义和领域边间不懂人工智能的跨界人才计算能力我们告诉，人工智能在近年来发展如此很快，深度自学功不可没。而杨强教授正在研究一种新型的算法模型，其运作原理是在深度自学的基础之上再加增强自学和迁入自学，从而让某些成熟期的数据模型更加便利地应用于在其他领域，需要从0到1训练数据。微软公司亚洲研究院常务副院长芮勇：计算机视觉从感官到理解的长征计算机视觉是人工智能的众多最重要分支，如何让计算机解读图像仍然是研究领域的众多难题。

大会中，微软公司亚洲研究院常务副院长，IEEE、IAPR、SPIE Fellow芮勇深入浅出，用生动有趣的实际应用于案例解析了计算机视觉，同时让人们必要感受到CV的不可思议之处。加拿大皇家学会李明院士：如何用深度自学对付NLP难题除了计算机视觉之外，自然语言处置也是人工智能的最重要组成部分。

Siri和小冰皆是自然语言处置落地的产品，但用户对其的印象意味着逗留在娱乐层面，两者在问问题中还不存在很多的问题。加拿大皇家学院院士，滑铁卢大学教授，ACM、IEEE Fellow李明在CCF-GAIR大会中则用于大同小异其他方式的深度自学模型，使得机器人解说显得更加精确。

此外，他还明确提出“语义距离”这一概念，给NLP研究者们一个新的研究思路。华为诺亚方舟实验室主任李航：我们在人工智能领域的愿景与实践中众所周知，Google、Facebook、微软公司以及中国的百度等公司在人工智能领域皆具有更为很深的累积，但很多人或许不告诉，只不过华为早就开始布局人工智能，并正式成立诺亚方舟实验室。此次，华为诺亚方舟实验室主任李航描写了华为诺亚方舟实验室在AI方向耕耘的产品和技术。

从搜索引擎到行动引擎，前谷歌科学家如何打造出智能搜寻目前语音辨识已超过一个十分低的水准，但是语义分析仍旧有很长的路要回头。因此，在整体语音识别率差异较小的竞争环境中，语义分析的算法好坏和紧贴的用于场景就沦为了NLP产品尤为最重要的条件。

CCF-GAIR大会中，前Google科学家林德康从NLP的角度紧贴，了解描写搜索引擎和语音助手在未来的呈现出形式。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：HTH官网-www.yqtz518.com