由中國計(jì)算機(jī)學(xué)會（CCF）主辦、雷鋒網(wǎng)與香港中文大學(xué)（深圳）全程承辦的 AI 盛會 --「全球人工智能與機(jī)器人峰會」（CCF-GAIR），將于 7.7-7.9 日在深圳召開。

CCF-GAIR 為國內(nèi)外學(xué)術(shù)、業(yè)界專家提供一個廣闊交流的平臺，既在宏觀上把握全球人工智能趨勢脈搏，也深入探討人工智能在每一個垂直領(lǐng)域的應(yīng)用實(shí)踐細(xì)節(jié)。

在去年的 CCF-GAIR 上，香港科技大學(xué)計(jì)算機(jī)系主任楊強(qiáng)教授親臨大會現(xiàn)場，并做了題為《人工智能成功的幾個必要條件》的主題演講。而 CCF-GAIR 2017 再次榮幸地邀請到了楊強(qiáng)教授擔(dān)任本屆大會的程序委員會主席，并將在 7 月 7 日「人工智能前沿專場」的「AI 學(xué)術(shù)前沿」Session 擔(dān)任主持人。

時隔一年，楊強(qiáng)教授在人工智能領(lǐng)域又有了哪些全新的思考？為此，楊強(qiáng)教授近期與雷鋒網(wǎng) AI 科技評論進(jìn)行了交流。

回憶起去年的 CCF-GAIR 大會，楊強(qiáng)教授表示印象最深的一點(diǎn)在于與會者人數(shù)很多，且交流的熱情非常高漲。據(jù)組委會統(tǒng)計(jì)，CCF-GAIR 2016 共邀請了 8 位頂尖學(xué)術(shù)院士、25 家前沿創(chuàng)新企業(yè)、100 位技術(shù)創(chuàng)新領(lǐng)袖參與，并吸引超過 1200 位行業(yè)精英到現(xiàn)場交流，是一場融合了產(chǎn)業(yè)界與學(xué)術(shù)界的盛會。「工業(yè)界可能更加關(guān)心落地的需求，而學(xué)術(shù)界會更關(guān)注展望與前景方面的內(nèi)容?！箺顝?qiáng)教授認(rèn)為，工業(yè)界與學(xué)術(shù)界能擁有這樣一個平臺進(jìn)行觀點(diǎn)的碰撞，實(shí)際上是挺有意義的一件事情。

作為 IEEE、AAAI Fellow、人工智能和數(shù)據(jù)挖掘?qū)＜?，楊?qiáng)教授在去年大會的演講令人印象深刻，他提及人工智能成功必要條件包括清晰的商業(yè)模式，高質(zhì)量的大數(shù)據(jù)，清晰的問題定義和領(lǐng)域邊界，擅長應(yīng)用和算法、懂人工智能的跨界人才，以及計(jì)算能力等五個條件。

此外，他也強(qiáng)調(diào)了遷移學(xué)習(xí)在未來的重要性。遷移學(xué)習(xí)，顧名思義是將深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)疊加的一個結(jié)果，算法模型能夠?qū)⒁延械囊粋€模型遷移到一個新的領(lǐng)域。

值得玩味的一點(diǎn)在于，目前學(xué)界的一大研究趨勢是「小數(shù)據(jù)」，即通過更少的數(shù)據(jù)訓(xùn)練模型，這也與楊強(qiáng)教授所提倡的「遷移學(xué)習(xí)」特性相符。但楊強(qiáng)教授同樣也強(qiáng)調(diào)了大數(shù)據(jù)在商業(yè)化的重要作用，那么二者是否代表著學(xué)界與產(chǎn)業(yè)界的兩種研究路徑？

楊強(qiáng)教授在去年 CCF-GAIR 上表示，「大數(shù)據(jù)設(shè)計(jì)出來的模型用于小數(shù)據(jù)上，它的副產(chǎn)品就是個性化。這就是遷移學(xué)習(xí)的目的。」而在與雷鋒網(wǎng) AI 科技評論交流時，楊強(qiáng)教授認(rèn)為這二者并不相悖，而是一種研究的分工：「從學(xué)界落地到產(chǎn)業(yè)界需要經(jīng)歷一個時間差，當(dāng)前凡是成功的案例都依賴大數(shù)據(jù)，如 AlphaGo、智能推薦系統(tǒng)、圖像識別及無人車等；而目前小數(shù)據(jù)的應(yīng)用場景尚不成熟，學(xué)術(shù)界現(xiàn)在也需要將重點(diǎn)放在小數(shù)據(jù)的探索上。」

而在遷移學(xué)習(xí)領(lǐng)域，楊強(qiáng)教授表示目前人在知識遷移領(lǐng)域可以做得比較自然，研究者也一直在模仿人做知識遷移的工作。但現(xiàn)在，機(jī)器在知識遷移的規(guī)律上可能有著截然不同的邏輯，因此研究者也開始嘗試幾種不同的做法。

第一種嘗試是將結(jié)構(gòu)與內(nèi)容進(jìn)行剝離，前者的遷移相比起后者要容易一些。

第二種則是通過深度學(xué)習(xí)來達(dá)到遷移的效果。以往深度學(xué)習(xí)在分層時，研究者可能只是籠統(tǒng)地覺得，不同的層可能具備不一樣的遷移能力，但目前研究者們開始關(guān)注遷移能力的定量化。

第三種方法則是采用模擬的方法產(chǎn)生數(shù)據(jù)，這種方法以 GANs 為代表，通過設(shè)計(jì)一個模擬器產(chǎn)生數(shù)據(jù)，再用另一個判別器識別生成數(shù)據(jù)是否有效?！高@樣一來可以生成很多新的數(shù)據(jù)來解決小數(shù)據(jù)的問題?！?/p>

「機(jī)器學(xué)習(xí)一開始也有很多專家在背后進(jìn)行算法的設(shè)計(jì)，但最后的理想狀態(tài)，應(yīng)該是系統(tǒng)自動進(jìn)行學(xué)習(xí)?！箺顝?qiáng)教授表示，目前也有一些實(shí)現(xiàn)的路徑。一方面是做出一個易用的機(jī)器學(xué)習(xí)服務(wù)平臺，在上面積累不同領(lǐng)域的經(jīng)驗(yàn)與數(shù)據(jù)。楊強(qiáng)教授表示，團(tuán)隊(duì)此前嘗試做過沒有源領(lǐng)域的遷移，即在眾多數(shù)據(jù)中找到一個最合適的大數(shù)據(jù)，并適配對應(yīng)的遷移方法，為當(dāng)前的小數(shù)據(jù)領(lǐng)域來服務(wù)。另一方面，研究者可以在統(tǒng)計(jì)學(xué)習(xí)的基礎(chǔ)上，讓統(tǒng)計(jì)知識向邏輯知識的路徑上更進(jìn)一步。

算法的設(shè)計(jì)與性能的提升只是一部分，更重要的問題是商業(yè)化落地的可能性。楊強(qiáng)教授在去年 CCF-GAIR 大會上提及，金融領(lǐng)域是他最看好的 AI 應(yīng)用方向。

為什么是金融領(lǐng)域？楊強(qiáng)教授告訴雷鋒網(wǎng) AI 科技評論，主要有三個原因。首先是數(shù)據(jù)方面。因?yàn)榻鹑谝驗(yàn)橛斜O(jiān)管的要求，所有數(shù)據(jù)需要進(jìn)行報備，反而使得經(jīng)營的數(shù)據(jù)特別全。其次是金融領(lǐng)域的競爭比較直接，如果比競爭對手快一秒，或是正確率多 1%，可能市場份額就會發(fā)生根本性的改變。第三點(diǎn)在于金融領(lǐng)域的鏈條比較短，沒有實(shí)體經(jīng)濟(jì)的「摩擦力」?！笍牡玫椒答伒较到y(tǒng)更新的整個過程鏈條非常短，因此做端到端的機(jī)器學(xué)習(xí)相對容易些?！?/p>

而回顧過去一年的變化，楊強(qiáng)教授也驚喜地發(fā)現(xiàn)，場景式的人工智能已經(jīng)找到了屬于自己的位置，并且開始發(fā)揮它的作用。以亞馬遜為代表，Echo 獲得了巨大的成功，已經(jīng)成為智能家居的重要入口，能讓人在安靜的家庭環(huán)境下表達(dá)自己的意愿?！溉ツ甏蠹铱赡苓€在宣揚(yáng)通用型的人工智能，此外 AI 威脅論也比較盛行。但我覺得到了今年，大家在這一方面開始認(rèn)識得比較清楚了。因?yàn)橛泻芏喙镜漠a(chǎn)品現(xiàn)在開始碰壁，有好些普遍認(rèn)為人工智能積累比較深厚的公司，現(xiàn)在所拿出來的成果也比較有限?！?/p>

一個典型的例子便是醫(yī)療領(lǐng)域。在楊強(qiáng)教授看來，醫(yī)學(xué)影像會成為人工智能在醫(yī)療領(lǐng)域的第一個落地點(diǎn)，但如果涉及到診斷或健康保障方面，囿于數(shù)據(jù)的質(zhì)量及結(jié)構(gòu)化問題，以 IBM Watson 為代表的公司所面臨的困境也比想象的大?！赶喾?，那些場景比較清晰的，像京東的物流與倉儲，或是微眾銀行的客戶需求，在人工智能的滲透上就做得比較扎實(shí)?！?/p>

在與雷鋒網(wǎng) AI 科技評論交流的時候，楊強(qiáng)教授表示，目前國內(nèi)的 AI 創(chuàng)業(yè)公司主要分為兩種，一種傾向于只關(guān)心技術(shù)，而另一種則有具體的場景和數(shù)據(jù)，這也是他個人更加看好的?！溉斯ぶ悄苣壳耙耆嵏惨粋€領(lǐng)域的可能性還是比較渺茫，比較成功的案例還是集中于漸進(jìn)的模式。也就是說，人工智能作為整個產(chǎn)業(yè)鏈條的一部分而存在，但并不會取代后者。因此，數(shù)據(jù)需要不斷循環(huán)更新，而場景則提供了數(shù)據(jù)更新的環(huán)境?！?/p>

值得一提的是，與 CCF-GAIR 同期舉行的「AI 最佳雇主」頒獎典禮，正是組委會針對人工智能與機(jī)器人前沿領(lǐng)域而評選的一份榜單，旨在探尋一批國內(nèi)最具創(chuàng)新力量、最具價值的 AI 創(chuàng)業(yè)公司。相信這些入選榜單的企業(yè)都將會在具體應(yīng)用場景中發(fā)揮它們最大的功用，助推人工智能的發(fā)展。

而作為今年 CCF-GAIR 2017 的程序委員會主席，楊強(qiáng)教授表示今年的人工智能專場覆蓋得格外全面，包括醫(yī)療、金融、智能助手等多個領(lǐng)域都有涉及，且邀請了各領(lǐng)域產(chǎn)業(yè)界與學(xué)術(shù)界的領(lǐng)袖親臨現(xiàn)場，也讓他感到非常期待。

如果您也對人工智能感興趣，希望在短時間內(nèi)了解各個領(lǐng)域最前沿的應(yīng)用方向，歡迎和我們一同見證今年的 CCF-GAIR 大會！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。