人工智能已成为新的科技竞技场

6月1日，由深圳市千人专家联合会组织的2018年第六届中国大数据产业峰会（暨2018年国际服务联邦大会（Services Conference Federation, SCF 2018）卫星会场）在深圳召开。本届大会以“新时代的人工智能、区块链、云计算（New ABC）”为主题，汇聚近600位人工智能、区块链、云计算等领域的权威专家、行业精英及优秀企业家，共同探讨新时代下以ABC为代表的一系列技术的未来发展趋势。

图为亚马逊AWS首席云计算技术顾问费良宏进行“云计算推动的人工智能革命”主题演讲。

随着以人工智能、区块链、云计算等一系列新技术开启新的ABC（即AI、Blockchain、Cloud Computing）时代，物联网迎来了新一轮的发展高潮。如何让人工智能为人类所用，产生价值？如何在云计算的大潮中通过智能化的应用脱颖而出？会上，亚马逊AWS首席云计算技术顾问费良宏进行“云计算推动的人工智能革命”主题演讲，作出精彩诠释。

人工智能已成为新的科技竞技场

物联网被视为继互联网之后的又一次信息技术革命，作为新一代信息技术，近年来物联网技术逐渐被应用到更为广阔的场景中去，大大地改变了人们的生产和生活方式。“人工智能已经成为新的科技竞技场！”在费良宏看来，人工智能已经是一个新的发展方向，这个方向有一个与众不同的地方就在于：它几乎成为了所有新技术的支撑和载体。目前在技术发展的趋势预测当中，人工智能已经和这些技术发展方向融为一体，它几乎与所有密切相关的新概念，新技术已经融合在一起。无论区块链、云计算还是其他的任何一种人们的概念，都会看到人工智能在其中发挥的巨大作用。

费良宏随后分析了人工智能在过去60年间的发展轨迹，他指出，从1955年麦卡锡提出人工智能的概念，到1956年达特茅斯会议上正式奠定了人工智能学科的出现，20多位科学家通过他们的头脑碰撞，产生智慧的火花，推动人工智能发展；1957年Rosenblatt提出了感知器的概念，使得我们今天的人工智能有着一个非常好的理论支持；1965年乌克兰一位数学家提出深度学习概念，目前已经成为人工智能中最为重要的发展方向；1975年反向传播算法的出现，使我们对于神经网络的处理能力得到了极大的提升，反向传播算法也已经成为深度学习中最重要的算法；1989年出现了第一个利用反向传播算法的应用，实现对手写字符的识别。“当时的现象看起来微不足道，但是所有一切的努力都奠定了今天的人工智能爆发。”费良宏表示。

卷积神经网络成为人工智能发展的重要方向

据记者了解，卷积神经网络是一种前馈神经网络，通过人工神经元可以响应周围单元，从而可以进行大型图像处理。费良宏向记者表示，卷积神经网络目前成为了人工智能发展的重要方向。“我们看到这个理论的基础和算法的实践，都已经日趋成熟，它在许多领域都产生了巨大的成果。这些成果中就包括了大家可能熟悉的自动驾驶技术。”费良宏指出，在过去的几年里面，自动驾驶技术已经成为了推动人工智能行业发展的重要助力，并且L5级别的无人驾驶技术未来会走进大众的生活当中。“我们相信随着越来越多的应用和技术发展，人工智能可以帮助我们在自动驾驶的研究上取得突破性的进展，从而解决人类在交通问题上面临的各种痛点。”

此外，人工智能中还有很多传统行业也在利用相关的技术发展，从中受益。“其中一家就是Expedia。这家传统企业曾经遇到过很大的困境，当它面对全球35万家酒店，1000万张各种图片的时候，传统的处理方式已经无能为力，于是它尝试使用了人工智能进行深度学习，利用了亚马逊AWS的计算实例，实现了图片的自动匹配，最终达到高匹配、低成本的结果。”费良宏说。

云计算成为人工智能最好的解决思路

随着物联网技术在研发、生产中的不断应用，云计算越来越成为人工智能中科学家关注的重点。那么，云计算能够为人工智能带来什么？哪些类型的产品在研发过程中需要用到云计算？费良宏表示，今天我们看到在全球范围内，有数以万计的用户利用云计算进行了创新和突破，将人工智能和他们的业务结合在一起，产生了巨大的效应。费良宏认为，人工智能在云计算的发展方向上有三个趋势：

第一，数据趋势。费良宏表示，人工智能非常重要的一点就是数据，数据对于人工智能的算法和利用来说是最重要的一个环节。“利用数据趋势，人类可以不再受限于无限的算法进行处理，我们在计算资源上没有内存了限制，就可以对海量的数据进行训练和建模。甚至我们训练的过程不再是反复重复的过程，每一次训练结果可以作为再训练的基础，也意味着我们的训练速度大大加快。”

第二，形态趋势。费良宏认为，目前已经出现通过云计算将成熟的人工智能以一种服务的形式提供给社会的形态，我们可以利用这样的形态加速人工智能的发展。“比如说在AWS的平台上看到各种的图像处理，我们可以利用它作为人工智能突破的一个选择。同样我们也可以选择最广为接受的框架和平台，通过与目前比较热门的容器结合，将容器深度学习的框架以更有效的方式打包部署应用，从而带来巨大的灵活性和便捷性。”

第三，速度趋势。费良宏表示，对于开发人员来说，人工智能追求的就是速度。这些速度包括了对模型的训练速度，对模型应用的推理速度等方面，在深度学习应用上消除无差别的繁重任务，不断地进行快速迭代。“在迭代的选择方面，我们可以有很多尝试的方向。比如说可以利用大家熟悉的Notebooks进行训练，也可以利用SageMaker进行训练，通过云计算的不断迭代和训练，所有的难题都可以迎刃而解。从未来发展趋势来看，人工智能具备的另外一个优势就是分布式能力，即所有问题都可以通过计算找到最优解决方案。”费良宏说。