[GMIC2017] 当我们说到人工智能

---

背景

年后参加GMIC2017
如果说QCon专注于技术的实践，那么GMIC应该是更重于“势”，今年的GMIC大会就把关注点放在了近两年最火热的人工智能领域
在这里记录自己参会的内容与感悟，作为一名工程师，希望能和各位对人工智能感兴趣的同学一起交流讨论
后续的内容主要分为三部分：

• 参会内容，及每个环节的干货（由于大会官方尚未放出视频和PPT，资源均收集于网络，有道云笔记中搜索GMIC有全套速记内容）
• 个人对于人工智能的理解与展望
• 参会的一些花絮

转载请注明
作者和平北路
原文点击链接

---

内容

• 04.27
  • 全球领袖峰会
    • 斯蒂芬·威廉·霍金——让人工智能造福人类及其赖以生存的家园
      霍金在演讲中强调AI是为人类服务，AI有可能生成超出人类理解的智慧形态，我们需要确保AI不会脱离人类的束缚，并对某些领域（例如智能武器操控）有足够的重视。
      “我们站在一个美丽新世界的入口，这是一个令人兴奋的、同时充满了不确定性的世界”
    • 李开复——人工智能时代的科学家创业
      科学技术需要结合商业需求，只有idea是很难做大的
      李开复演讲的核心是：高校的教授们在看到别人创业赚大钱的时候动心了应该怎么办
      1.自己撸袖子干是不靠谱的，因为创业不止是技术
      2.把专利授权出去赚钱是好的，这样教授们在象牙塔里可以专心研究，不用接触俗世的繁杂
      3.也可以找个商业合伙人（比如创新工场）帮你处理商业问题
      4.多发论文，促进行业发展
    • 圆桌论坛——AI的黄埔军校：开启新时代
      三位嘉宾分别是：张亚勤、李开复、张宏江，都出身于微软
      张亚勤：百度要做AI时代的操作系统
      李开复：AI在跨行业的场景中会有更大的作用
      张宏江：人才是AI时代的核心
    • 赵明——风物长宜放眼量
      荣耀17年一季度市场份额全国第一，当前互联网手机的红利仍未被完全发掘出来
      荣耀不跑分，更重视用户体验
      荣耀不抹黑友商
      荣耀的炫酷蓝是迄今最美的手机之一
      这场分享拉低了我对峰会的期待，听到一半就走了，分享的质量实在不敢恭维，几乎没有干货，全是吹牛逼，堪比刘超同学在IXDC的表现
  • 视界智变 创见未来——2017移动视频峰会
    整场会议实际是一下科技（秒拍、小咖秀、一直播背后公司）的站台会
    韩坤：随着网络环境的改善，短视频和直播赶在了风口上，优质的内容开始凸显价值
    陈彤：直播并不只有秀场，从媒体人的角度看短视频和直播对信息传播的影响，以及由此带来的管控等问题
    戴自更：传统纸媒在互联网时代的转型，比较巧妙的回答了“内容为王还是渠道为王”
• 04.28
  • 人工智能公开课
    • Tom Mitchell——对话中的机器学习：让每个人会写程序
      1.脑科学和AI的结合，会爆发出能量
      2.现在的AI都是我们教授它应该怎么做，使用强化学习让AI实现自己学习
    • Yoav Shoham——为什么知识表达很重要？（2015年底的文章，未搜索到今年GMIC的报道）
      以AI如何处理“some time/day when I'm free”为例，介绍明确语意的重要性
      其中涉及一些算法问题（语句拆分转化为向量分解等）没有听懂
    • Mark Nitzberg——建立人类兼容人工智能的成果和挑战（未搜索到相关内容）
      现在AI的决策取决于人的控制，每个人类个体间的认知和价值观又存在差异，如何通过技术手段化简为繁的解决问题是他们的研究方向
    • 许静芳——From Search Engine to Conversation AI
      搜索功能从PC到移动互联网再到人工智能时代的变迁，之前技术不成熟，需要人去适应技术（关键字搜索），到了AI时代，技术会让搜索体验和结果有飞速的发展，完成从匹配到理解的转变
    • Apoorv Saxena——人工智能在谷歌的应用
      略，没有新内容，是对之前Google AI技术与应用的介绍
    • Adrien Kaehler——OpenCV 3.0 中的 Keypoints 用法
      Learning OpenCV的作者，介绍OpenCV基于特征点的图像处理技术及应用
    • Michael Tsang——AI and Cloud Service（未搜索到相关内容）
      阿里云利用大数据和AI算法，帮助我们解决实际难题（举例智慧城市）
    • 凌棕——认知计算在IBM中的应用
      1.AI需要大数据，我们需要更多的存储和更高速的计算能力，这是IBM目前的优势
      2.数据是一种自然资源
      3.IBM和Google类似于一头老虎和一群狼（解释超级计算机和分布式的计算优劣）
• 04.29
  • 人工智能公开课
    • 熊辉——商业大数据分析（参会前的采访稿，未搜索到今年GMIC的报道）
      1.α + λβ（常量+影响因子*变量=事件的可能性），以易经的变与不变做引子，介绍自己的研究思路
      2.在人工智能领域，算法迭代的进步不大，但人类收集信息的能力有了质的提升
      3.举四个实例（潜在商业客户的筛选与引导、智能设备在医疗领域的作用、通过一卡通的大数据抓小偷、在人力资源领域更高效的匹配候选人&机器人筛选面试）
      4.10年左右的时间后，AI替代大量工作岗位，读博会成为一种必然的选择，除AI相关技术领域外，与人沟通的岗位不可替代性强
      5.人员、人才、人物的三层分级，要有气度和眼界
• 04.30
  • 极·科技庙会
    • 略

---

感悟

• 什么是人工智能？
  参会前预习会议内容的时候，我问过自己
  五年前我可能会回答“机器人像人一样思考和处理问题”
  两年前我可能会回答“深度学习算法”
  “基于大数据的知识+基于深度学习的判断”是我当前的答案
• 跨界合作带来的突破
  答案好像越来越窄了
  在8岁看《变形金刚》的时候，虽然我连“人工智能”这个词都不知道，但我脑袋里有1000种关于汽车人的幻想
  人类现在关于AI的研究有没有可能也是一座乌龟塔呢？
  人工智能已经超出传统计算机科学的范畴了，可以预见的未来，当我们在人脑科学、材料学、遗传学等方向出现重大突破的时候，人工智能一定也飞速发展。想象一下当我们完全解析了大脑电信号的含义，当我们破译了生物智慧的原理，再结合上机器近乎永恒的生命，我们的社会会发展到怎样的一个程度
  从另一个角度，AI要想应用在各个领域，一定需要一批跨界的人才，能够把核心的问题抽象为公式或模型，化繁为简，实现“AI+”的功效
  无论是想还是做，AI的未来绝不仅是算法
• 数据的重要性
  在熊辉教授开讲前，我确实很少去思考数据的问题，无论哪个领域，海量的数据的存在好像是必然的（只要你付得起价钱）
  细想下，随着移动互联网的发展，我们要想了解一个人，简直能深入ta的每一个毛孔
  用地图app，我们知道ta每天几点出门几点回家走哪条路堵了多久住多贵的房子
  用支付app，我们知道ta什么收入去什么馆子出国游还是家里宅
  用健身app，我们知道ta身高体重BMI腰围食谱
  用社交app，我们知道ta从小学到大学学什么专业谈几次恋爱
  这些无处不在的数据使得用户画像描绘的越来越精确
  正是由于数据采集能力爆炸性的增长，才使得从中提取共性变的更加容易，由量变引起的质变终会引发医疗、金融等方方面面的变革
• 未来的挑战
  美国人说中国人抢走了他们的工作
  中国人反驳说是机器人抢走了美国人的工作
  多个嘉宾在演讲时都提到在今后5-10年的时间里，人类大部分的工作岗位都可以被机器替代
  李开复说的很直白，除了顶级科学家或是医生、教师这类需要让人体会到“温暖”的职业，其他都是可替代的
  熊辉教授说高速公路上收费员存在的原因绝大部分是为了解决就业问题
  第一天公开课上午散场，遇到Mark Nitzberg在等组委会的圆桌讨论，我问他“程序员在10年后会被AI取代吗？”，他告诉我说伯克利现在有50（或是15？poor english..）位教授从事AI方向的研究，他们都认为中期内AI取代人类编程几乎是肯定的，程序员写出代码很烂（无论是运行效率还是bug问题）
  所以我们会失业吗？

---

花絮

• 第一天领袖峰会，前面一哥们帮同事占了个位，来两个人看他说有人就走了，后来一个妹子一听有人就坐下了，说“他来了我就让”，听了全场那人都没来——论主观能动性
• 移动视频峰会上，钢琴家李云迪做了短视频助力慈善的演讲，拍照人数秒杀陈彤
• 人工智能公开课国外嘉宾都是英语讲，没有同传，三个小时在底下查了200多个单词
• 从和平西桥打车，堵在惠新西街南口，走了700m，打表21块，熟悉的大北京