七大大咖嘉宾主题报告，指明AI发展新趋势

技术争鸣，座无虚席！

11 月 8 日，北京诺金酒店，2018 AI开发者大会（AI NEXTCon）第一天议程圆满结束，这是值得铭记的一天。

上午 9 点，由中国 IT 社区 CSDN 与硅谷 AI 社区 AICamp 联合出品的 2018 AI 开发者大会（AI NEXTCon） 拉开帷幕，就人工智能的最新技术及深度实践，进行了全方位解读及论证。本次大会也是年度人工智能领域面向专业开发者的一次高规格技术盛会，对我国人工智能产业的发展和技术应用的深入落地有着极大推动作用。

大会全力聚焦 AI 开发者，以“AI 技术与应用”为核心，在主题报告之外，设置有 10 个主题论坛，包括 7 大技术专题以及 3 大行业峰会，深度聚焦人工智能的技术创新与行业应用，为 AI 从业者展示前沿技术、优秀产品、行业应用案例，并深度解读产业发展趋势。

围绕“只讲技术”的宗旨，大会邀请到具有超强 AI 落地环境的硅谷巨头与国内领军企业的重磅演讲嘉宾，其中包括百度、阿里、腾讯、京东、小米、滴滴、美团等各大互联网公司的技术负责人，更有 Google、Facebook、亚马逊、微软、LinkedIn 等硅谷王牌团队的实力讲师团降临现场，超密集 AI 技术干货风暴，整体绘制出一幅 2018 年度 AI 技术实力的大图谱。

下面，就让我们一起回顾下今天技术大牛们的精彩演讲内容。

▌七大大咖嘉宾主题报告，指明 AI 发展新趋势

大会的第一位嘉宾是亚马逊资深主任科学家、Alexa&Echo 技术负责人 Nikko Strom，他讲述了亚马逊 Alexa 语音识别的核心技术及深度学习的应用。Nikko 表示，目前亚马逊 Echo 主要涉及了远场语音交互、ASR、NLU 等语音语义方面的核心技术。自 2014 年上线以来，亚马逊 Echo 和其他由 Alexa 提供支持的设备已经进入数百万家庭，并作为家居、音乐、购物、视频通话的语音接口提供给第三方平台进行深度开发（目前可提供上万种功能）。

这也意味着 Echo 和基于 Alexa 提供 API 接口的第三方设备上的数据积累量也越来越多，这时就需要大规模学习——深度学习在语境中的应用，而这主要涉及四个场景：语音交互、多模态语境、不同交互设备、个人身份语境。

小米首席架构师、人工智能与云平台副总裁崔宝秋带来了《小米的AI与开源技术探索》主题分享。

他在演讲中指出，虽然智能手机看起来很小，却无疑是如今最大的AI赋能平台。而作为新一代 AI 背后的技术，深度学习算法的发明使人工智能进入了实用阶段。现在谈大数据过时还为时尚早，相信在未来，以大数据、深度学习为基石的 AI 技术还将造福人类生活的方方面面。

众所周知，云计算和大数据离不开开源软件，事实上，AI 时代我们更加离不开开源，包括Google、微软、Facebook、Amazon、百度，以及 IBM 等在内的一线 AI 公司都在竞相开源 AI 技术。此次分享也着重介绍了开源对于 AI 领域的重大意义。

首先，开源有助于企业在特定领域建立、扩大领先优势；其次，深度学习框架通常由企业主导，对学术界和工业界都有帮助；再次，模型算法通常由学术界主导，有助于创新；此外，还能有效减少行业垄断，促进差异化竞争；最后，开源将鼓励外部开发者参与，准确把握行业方向和用户需求。开源让我们得以站在巨人的肩膀上，接触到那些已经非常成熟的软件。

崔宝秋在分享最后再次强调"开源是AI软件的未来"，并呼吁“更广义的开源”和“更加开放的开源”，不仅代码开源，同时保证数据和知识图谱也以开源模式来打造。

在 AI 开发者大会上，CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛发表了以《AI 时代的开发者画像》为题的演讲。他指出，在 AI 时代，开发者岗位是 AI 生产线上的“经理”，开发者更要学会研究数据，改进算法，而顶级 AI“生产线”需要顶级 AI 开发者，这些开发者既需要人才数量，也要求人才质量。

他还发布了 CSDN 出品的《2018 人工智能产业路线图》V2.0，总结了 AI 产业发展的五大重要发现和趋势：

1、信息化水平全面提升，半数企业实现数字化和商业智能化；

2、AI 热潮蔓延，各地政府上演 AI 人才争夺战；

3、高校掀起 AI 热，超 50 家高校开设人工智能本科专业；

4、国内掀起造芯浪潮，智能制造超越金融，最受投资者青睐；

5、热钱大量融入 AI 头部公司，中小企业“寒冬”将至。

最后，蒋涛宣布了 CSDN 与美国波士顿 AI 创业公司 Neurala 的合作，一起致力于AI的“平民化”，并号召更多的行业领先公司、社区积极分子和 CSDN 一起打造中国人自己的开源、开放平台。

如何通过机器学习、语音、工程师语言实现人类创造？京东技术副总裁、AI研究院常务副院长何晓冬发表了《自然语言处理进展：从理解到创作》的演讲。他从感知、认知、创作三个层次分享了人工智能相关技术近年来的重大进展和发展历程。

首先是感知层，主要涉及了语音识别、图像识别技术。从 1990 年开始，基于统计机器学习模型取得的进步，去年最佳的语音识别水平达到了近乎人类的水平；而图像识别也在 2011 年后有了新突破，甚至在某些方面超过了人类在测试集上的水平。其次是认知层，即对语义的充分理解，特别需要指出的是多模态认知（包括语言、图像、知识图谱、语音语态信号）问题。那么对于机器智能而言，如何从理解到创造呢？何晓东认为，创作是一个更高程度的智能，对于人类而言抽象的事物都不能完全很好的理解。

领英（LinkedIn）人工智能研发总监张梁发表了《AI 在大规模招聘求职上的应用》主题演讲。他着重介绍了人工智能技术在全球互联网招聘求职场景下的落地及其解决的问题。张梁表示，人工智能于领英而言是氧气般的存在，是所有用户体验的 DNA，贯穿智能问答系统等多个应用。面对大规模计算平台上的海量数据，如何在毫秒级的延迟范围内最大化提升用户体验是极为关键的问题，人工智能技术在这里便扮演了一个重要的角色，包括推荐系统、知识图谱和标准化，以及深度学习等技术的应用。

随后小 i 机器人解决方案中心副总裁孙欣围绕《AI 技术创新及产业化实践》主题深入分享了如何将 AI 用解决方案落地到真正的商业化中。孙欣表示，在商业化过程中最重要的一点就是货币化，直至今日在 AI 领域，应用最成熟、最先落地的就是智能客服领域。

小 i 机器人以 iBot 会话平台，通过自然语言的处理能力、多模型知识库、大数据分析能力以及多模态处理层等相结合面向行业提供了智能化会话平台。同时提供会话式人工智能 5 大 Bot：Chatting Bot 智能闲聊解决日常聊天问题，FAQ Bot 基础问答解决简单、明确的问题，Deep Bot 深度交互解决复杂场景问题，Recommendation Bot 解决营销场景问题，Discovery Bot 知识探索解决未收录知识问题。

最后一位重磅嘉宾是美团点评研究员、美团配送AI方向负责人何仁清，他以《即时配送中的机器学习技术》为题做了演讲。对美团而言，即时智能配送系统堪称美团的“智慧大脑”。何仁清指出，懒是全球人民的共性，对方便、快捷的服务有着直接的需求，以外卖配送为主要形式，近年来在全球范围内掀起一波浪潮。

不过，即时配送同样存在一定的业务挑战，从商业模式上讲，效率、体验、成本是实际配送环节中需要关注的核心问题。目前美团构建的即时配送系统主要涉及两大部分：一是 LBS、机器学习、感知技术、算法数据和计算平台等技术相关的水平领域；二是智能调度系统、定价系统、规划系统等垂直业务的相关技术。

精彩的“AI 技术新趋势与新应用”主题报告环节落下帷幕后，真正的技术盛宴才刚刚开始。

今天下午共有计算机视觉、自然语言处理、机器学习工具、数据分析技术四大论坛，以及二十三位重磅嘉宾，下面摘取各位嘉宾的精彩分享。

▌四大技术专题，二十三位重磅嘉宾的技术风暴

在今天下午的计算机视觉技术专题，以商汤为代表的计算机视觉公司讲述了他们在各自领域的技术应用和探索，比如计算机视觉算法在移动端相机上的应用，物体检测与语义分割的算法创新及实践等议题。

计算机视觉专题

商汤科技副总裁、工程院院长 沈徽

计算机视觉技术不是单点突破，而是需要整个技术平台性的提升。AI 技术本身必须要跟行业实际的场景结合，才会使社会生产力进步。

字节跳动人工智能实验室总监 文林福

围绕计算机视觉算法在移动端相机上的应用，他从算法、硬件、手机端的适配、量化框架四大方面出发，给出了相应解决方案。

旷视科技研究院 Research Leader、Detection 组负责人 俞刚

他讲述了物体检测和分割在 Face++ 的产品落地情况，指出 Face++内部会有一个工程角度的训练平台，配置 Brain++ 集群，通过建立不同网络的分类模型，再基于算法做出手机产品、安防相机搭建等。

比特大陆人工智能产品市场及开发总监 曹希康

从各种摄像机、多样的智能家居、甚至涵盖机器人领域景出发，比特大陆每 9 个月完成一次芯片迭代，每一代算力都会提升 2 倍以上，从而完成更多功能的集成并维持同样的功耗水平。

腾讯 Turing Lab 技术负责人 周大军

AI 技术的通用性能力可以快速帮助游戏开发提升产品质量，实现不同游戏的自动化测试，提升工作效率，为商业化游戏提供潜在优势。

金山云高级产品专家 夏午阳

他分享了金山云金睛的场景化应用实践，基于图象识别技术，他们设置了三大落地场景，每种场景都在不同层面上考验产品能力。例如内容服务考验产品的精益运营能力，智慧城市考验系统集成能力，数据业务考验的是精细管理能力以及AI落地能力。

好未来 AI Lab、AI 赋能平台负责人 杨非

基于科技推动教育进步理念，AI 可以为教育行业带来更优质的教学内容，更科学的评测体系、更有效的教学体验，从而推动教育资源的公平化。

自然语言处理技术专题

思必驰副总裁、北京研发院院长 初敏

移动互联网和物联网发展需要 AI 助力信息精准流动，每家企业都有很多信息需要跟用户沟通，但目前的大部分沟通都效率太低。人机语音交互将成为信息和知识传播的重要途径。

Facebook 语音识别科学家 BaiyangLiu

语言非常的多样化，对人来讲很容易，如果让机器来理解，语义上的多样性如何表达？ 现在社交平台的信息量非常大，没办法将所有内容推荐给用户，如何从用户搜索的关键词关联到用户想要的信息，这是社交产品需要深思的问题。

字节跳动高级技术总监&杰出科学家 Xiaobing Liu

序列化模型是一类端到端的学习内在结构和依赖的模型方法，他的演讲涉及这个领域最新的研究进展，从 RNN, LSTM, Transformer 到 BERT 都有涉及，此外重点谈了序列化模型在 ASR, MT, TTS 和大规模推荐系统中的应用，以及实际中需要注意的点。

阿里巴巴智能服务事业部资深专家 孙健

传统交互到对话交互的本质改变是什么？AI 正在重构 B-C 的关系模式。未来 3 年内，开放场景下的对话交互能力上界还达不到用户满意度的下界。企业已意识到客服服务对维系客户粘性的重要性，也在有意识地进行客服的智能化升级改造。但在这个过程中，企业依然面临很多挑战。

微软（亚洲）互联网工程院资深应用科学研发总监 陈一宁

他讲述了搜索中的自然语言先验知识，并总结出搜索中自然语言先验知识的应用：跨语言、长尾 Query、开放场景。

机器学习工具技术专题

北京一流科技有限公司董事长、首席科学家 袁进辉

横向扩展是解决算法模型效率问题的关键，一定是通过静态调度和流式执行实现，使数据像流水一样流过这个过程，只要流水线能填满，每个数据就会同时干活。

Google Brain 高级软件工程师 卢一峰

AutoML 是典型的大力出奇迹的领域。AutoML 的核心思路是用神经网络来设计神经网络，用AI来设计 AI。AutoML 里有两个神经网络，一个负责生成模型，一个负责反馈，随着循环的进行，就会产生越来越好的模型，最终实现进化。

Google Developers Experts 林嵩

如何将机器学习模型移植到手机端？除了基本的建模，还有优化模型的过程。一个是通过量化的方法，一个是把复杂的神经网络变小一点。

百度深度学习技术平台部主任工程师 胡晓光

从生态角度来讲 PaddlePaddle 跟 TensorFlow 还有差距，但我们会用自己的力量，包括公司内部的力量，尽可能把主流的官方模型都加进来，让我们的开发者们在做每个任务的时候都有一个最好的模型实现。

微软亚洲研究院 AI 团队高级工程师 胡晓武

胡晓武老师介绍了微软的认知服务，机器人服务，Azure平台，亚洲研究院系统和网络研究组做的PAI和AutoML工具包NNI，以及Windows ML。

谷歌开发者生态中国区负责人 李锐

明年 TensorFlow 2.0 会有一些重大的更新，在里面最重要的部分就引入认知服务，让社区和开发者的声音快速反映到产品最后的功能上。

数据分析技术专题

滴滴数据科学部首席数据科学家 谢梁

无论是机器学习还是人工智能，其可解释性都极为重要，这也恰恰是以往大家容易忽略的一点。未来 AI 应用的关键将会是“真正理解 AI 告诉我们应该做什么”，而非“精准预测”，可解读的人工智能模型将得到更广泛的应用。

GoPro 数据科学负责人 Chester Chen

GoPro 的相机、无人机等移动设备以及网络、桌面应用正在生成数十亿量级的事件日志，这就需要快速有效地分发产品、工程和营销团队决策的分析指标和见解。本次演讲中，Chester Chen 分享了 GoPro 取得的一些进展以及如何使用 Slack + Plot.ly 来交付分析指标和可视化，此外还探讨了 Google Facets 和 Apache Spark 可视化大型功能集方面的工作。

Figure Eight 高级 HCI 开发者 Kiran Vajapey

Kiran Vajapey 主要从大数据和机器学习，大数据标记的挑战，主动学习教程，深度挖掘四方面介绍了主动学习。在他看来，优质数据有助于机器学习，但大多时候数据是非结构化和无标记的，而主动学习能在提高模型准确性的同时降低成本。

易观 CTO 郭炜

现代企业往往面临大数据“大而不强”，人工智能“人工”而不“智能”的问题，这就导致我们在数据分析环节消耗了大量时间。基于边缘计算的新一代计算架构——IOTA 数据架构是解决这一困境的可行方法之一。

携程 AI 研发部平台核心架构组工程师 吕彦龙

OTA 用户的根本诉求在于对世界的探索，而 OTA 公司的产品则会以产品和产品信息两种形式呈现给用户。若能综合 AI 分析能力、大数据分析能力以及我们的平台能力，则可实现产品的自由迭代，同时赋予业务自主化数据上线和程序上线的能力。