via 曹雨晨
夏天到来，学术圈即将迎来一个会议小高潮。放眼海外，有 7 月在美国举办的 CVPR、加拿大的 ACL 及 SIGGKDD；还有 8 月的 ICML 及 IJCAI。而在国内，第三届 SSIST 于 7 月 2 日至 7 月 4 日于上海科技大学举行。SSIST 全称 ShanghaiTech Symposium on Information Science and Technology，即信息学会国际研讨会，每年夏天根据不同议题邀请各领域的顶尖嘉宾到场做学术分享。SSIST 举办的主要目的是为了将前沿的研究成果与工业界技术介绍给中国的青年研究者及研究生，并辐射上海及周边地区。
本次 SSIST 所定的主题为人工智能、网络安全及智能引擎，组委会欢迎与会者（尤其是学生）投递包括机器学习、计算机视觉、NLP、优化问题及安全问题的最新研究成果。
这场持续三天的研讨会分为两个部分，一个是 7 月 2 日的工业界报告；接下来是 3-4 日持续两天的学术报告。雷锋网 AI 科技评论第一时间与参与本次研讨会的清华大学博士生王奕森取得联系，带来 SSIST 的一手消息。
王奕森告诉雷锋网 AI 科技评论，从议程上看，SSIST 更像是一次暑期课程。理由有以下几个方面：
首先，各位讲者所分享的内容互不交叉，并不像 workshop 一样会围绕某个特定的主题进行讨论，SSIST实际上更倾向于采取覆盖面广的“打开方式”。如果看 SSIST 的官网，从标题就可以很容易发现，不论是邀请了 LeCun、沈向洋的 Keynote Talk，还是各大高校教授的 invited talk，所定的题目都比较宏观。王奕森觉得这是一个很好的平台，可以在短时间内宏观地了解每个领域的以往研究经历及最新研究动态。
以 CV 场为例：
此外，上台做报告的讲者都是各高校或企业的领袖级人物，没有学生。尽管 SSIST 中提及有 poster 环节，但亲临现场的王奕森告诉雷锋网 AI 科技评论，本次论坛并没有安排特定时间展示 poster，而提交的数量也相对较少。这一点其实也不难理解，作为一个仅创办三年，且每年议题都会发生调整的研讨会，SSIST 目前在学术界内的知名度还不是很高。
而这也从另一个侧面体现，SSIST 是一个偏向于单向输出的会，主要希望让听众更多地理解受邀嘉宾所分享的内容，因此学生间的讨论与交流也相对而言少了一些。
via 曹雨晨
其中，Yann LeCun 的分享让王奕森印象尤深，此次他来到 SSIST 的主要目的就是奔着 Yann LeCun 来的，看来大神的魅力着实不浅。除了 3 月份清华经济管理学院及 6 月底的台湾大学，Yann LeCun 仿佛还没有接受过其它学校的邀请。他这次的演讲主题是《Obstacles to Progress in AI and Deep Learning 》，而熟悉 LeCun 演讲内容的同学，一定不会对蛋糕 PPT 感到陌生的。
via 王奕森
王奕森还提及了商汤科技 CEO 徐立的演讲，这个以《人工智能忽悠史》为题的演讲首先调侃了一番自家公司，比如特意强调商汤科技名字的由来并不是「商业化的汤晓鸥」，或是将首席执行官说成是「首席忽悠官」等，可谓是最爱自黑的 CEO 段子手。徐立在演讲中除了层出不穷的幽默金句，实际上主要还是阐述商汤在创业中的一些思考，王奕森表示让他受益匪浅。
via 曹雨晨
徐立在演讲中表示，人工智能的能力在突破三个阶段的过程中不断进步。首先是「技不如人」的第一阶段；其次是超越大众的第二阶段；最后便是超越专家的第三阶段。徐立表示，目前 AI 处于第二阶段。雷锋网 AI 科技评论由此联想到，目前人工智能在某些方面已经超越人类，比如计算机视觉领域但在 NLP 上，依然处于追赶人类的阶段。此外，徐立提及了人工智能创业过程中需要做的两件事是立与破。立指的是在「应用中重新定义问题」，破指的是「算法突破达工业红线」。这两个总结在王奕森看来「非常到位，一针见血」。
而回顾本次的 SSIST，王奕森的最大感受在于学术研讨会对工业界的关注正在逐步加强。以他参加的 AAAI 2017 上，最火的一个议程不是某个 workshop，或是哪个讨论技术细节的演讲，而是一个名为「AI in Practice」的 session，该议程邀请了谷歌、亚马逊、Facebook 等顶级科技公司领袖前来分享他们是怎么做人工智能的。雷锋网 AI 科技评论此前在参加 AAAI 时也做过演讲覆盖与报道。而学生们在参加 AAAI 的过程中，除了收获学术前沿的交流心得外，也能了解大公司是如何做研究的。
这一点，在上周雷锋网 AI 科技评论提及的 ACM EC'17 上也有类似情况。这个原本偏理论性的会议如今也开始增加社会议题，增加了应用层面的关注与讨论。不论是对于学术界还是工业界而言，无疑这是一件值得振奋的事情。
至于在学术界与工业界做研究的区别，王奕森表示，360 首席科学家颜水成在演讲中以一张图解释了二者的不同，让他深受启发。
颜水成表示，学术界的人工智能/深度学习倾向于针对特定的问题，探索新算法，追逐精度的极限，也就是从模型、平台、计算资源、预测学习等多项内容进行最高精度的融合；而工业界的人工智能本身并不是产品，而是需要结合具体业务/场景才能体现价值。「有落地场景的 AI 才是真爱（AI），」颜水成如是说，一个成功产品化的 AI 技术需要考虑用户刚需内容、技术成熟程度、是否形成技术壁垒，还要打通产品的变现模式。科学家与产品工程师的组合，不一定会有完美的算法，但提供给用户的一定是无瑕疵的用户体验。
纵观本次的 SSIST，王奕森向雷锋网 AI 科技评论表示，本次研讨会另一个明显的感觉在于，不论是从议程的设置或是演讲的主题来看，大家都意识到了人工智能的泡沫，因此能更加理性地看待 AI。「以往的观点可能会对人工智能无限地看好与放大，缺乏各种批判的声音，但现在可能很多工作会倾向于思考如何真正推动智能化的进步。」
正如香港科技大学计算机系主任杨强教授此前接受雷锋网 AI 科技评论采访时提及的，去年的 CCF-GAIR 到现在一年过去，随着技术走向平稳发展时期，大家看待 AI 的态度趋向于理性，这也是有益于人工智能的发展的。相信在未来，以更加平和的心态做研究，并重视工业界的应用前景，也将是学术会议的一个普遍趋势。
附现场照片集锦（via 曹雨晨）：
附彩蛋一张：LeCun打代码（via 王奕森）
（本文所有图片由上海科技大学曹雨晨与清华大学王奕森授权雷锋网AI科技评论使用，特此感谢）
正在生成分享图...
Nemo