AIR 061丨8月12日“人工智能主场”演讲合辑

8月13日18时，为期两天的CCF-GAIR人工智能与机器人峰会完美落幕，在这期间，全球各地学界、业界、投资界大牛聚集在一起为相关从业者们奉上了一场盛大的技术与经验分享会。整个大会议程包括：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，我们来回顾下8月12日人工智能主场的演讲合辑。

中国工程院徐扬生院士：智能机器人的问题与思考

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，总结出机器人智能化的技术路径、历史沿革与应用案例。

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快，离不开大数据和云计算。”金山软件CEO，前微软亚洲工程院院长，美国计算机协会(ACM)院士，IEEE Fellow张宏江在《智能，大数据，云》中讲到。20年前，张宏江团对申请了一个复杂的分布式架构专利，但只能在实验室中运行，而在20年后的今天，它早已走出实验室，整个计算和处理过程都在云端完成，能随时随地呈现在我们的移动设备上供用户使用。

牛津计算机系主任：AI中符号主义和神经网络应融合发展

今年AlphaGo的出现，第一次让全世界认知到现阶段人工智能的先进程度。那么人工智能到底先进到了哪一步，以及AI是否会对人类造成威胁等问题随之被抛出。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）深入剖析了强弱人工智能、机器是否会拥有意识、神经网络型AI与符号主义AI的区别与融合等问题，同时提出两种AI的解决方法，以及对人们在人工智能领域研究过程中遇到的矛盾提出自己的看法。

香港科技大学教授杨强：人工智能成功的几个必要条件

香港科技大学杨强教授在CCF-GAIR大会中提出人工智能成功必备的五个条件：

• 清晰的商业模式

• 高质量的大数据 

• 清晰的问题定义和领域边间

• 懂人工智能的跨界人才

• 计算能力

我们知道，人工智能在近年来发展如此迅速，深度学习功不可没。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学习的基础之上加上强化学习和迁移学习，从而让某些成熟的数据模型更方便地应用在其他领域，无需从0到1训练数据。

微软亚洲研究院常务副院长芮勇：计算机视觉从感知到认知的长征

计算机视觉是人工智能的一大重要分支，如何让计算机理解图像一直是研究领域的一大难题。大会中，微软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案例解析了计算机视觉，同时让人们直接感受到CV的奇妙之处。

加拿大皇家学会李明院士：如何用深度学习对付NLP难题

除了计算机视觉之外，自然语言处理也是人工智能的重要组成部分。Siri和小冰均是自然语言处理落地的产品，但用户对其的印象仅仅停留在娱乐层面，两者在回答问题中还存在很多的问题。加拿大皇家学院院士，滑铁卢大学教授，ACM、IEEE Fellow李明在CCF-GAIR大会中则使用有别于其他方式的深度学习模型，使得机器人问答变得更准确。此外，他还提出“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

众所周知，Google、Facebook、微软以及中国的百度等公司在人工智能领域均有着较为深厚的积累，但很多人似乎不知道，其实华为早已开始布局人工智能，并成立诺亚方舟实验室。此次，华为诺亚方舟实验室主任李航讲述了华为诺亚方舟实验室在AI方向深耕的产品和技术。

从搜索引擎到行动引擎，前谷歌科学家如何打造智能搜索

目前语音识别已达到一个非常高的水准，但是语义分析仍旧有很长的路要走。因此，在整体语音识别率差异较小的竞争环境中，语义分析的算法优劣和切入的使用场景就成为了NLP产品最为重要的条件。CCF-GAIR大会中，前Google科学家林德康从NLP的角度切入，深入讲述搜索引擎和语音助手在未来的呈现形式。