人工智能高燒不退，智能識別+算法+深度學習成AI當紅炸子雞

現(xiàn)在處于全球熱議中的“人工智能”，并不完全等同于以往學院派定義的人工智能。你可能沒有意識到，我們?nèi)粘Ｉ钪幸呀?jīng)用到了許多人工智能技術(shù)：蘋果將人工智能應用Siri放進了大家的口袋里；拍照、簽到時用到的人臉識別技術(shù)，智能音箱的語音對話系統(tǒng)，以及我們現(xiàn)在主流的新聞推薦引擎，也都用到了深度學習的算法。

人工智能正在深刻影響和改變所有行業(yè)，這一點毋容置疑。2017年被認為可能成為“人工智能應用元年”，語音交互、人臉識別、機器學習、神經(jīng)網(wǎng)絡技術(shù)等人工智能領域的熱點都在快速演進。

2017 年12月7日，電子發(fā)燒友網(wǎng)在深圳科興科技園國際會議中心舉辦的第四屆中國物聯(lián)網(wǎng)大會人工智能分論壇已圓滿結(jié)束。本次盛會匯集高通、微軟、MathWorks、Cypress、和而泰等人工智能領軍人物，吸引了包括華為，騰訊，美的，興業(yè)證券，海爾等業(yè)內(nèi)知名企業(yè)以及投資機構(gòu)和資深工程師朋友等專業(yè)人士，針對“物聯(lián)網(wǎng)+”背景下物聯(lián)網(wǎng)的創(chuàng)業(yè)和投資機遇及挑戰(zhàn)，進行了深入探討。為方便更多業(yè)內(nèi)人士，本文對論壇做總結(jié)分享。

第四屆中國物聯(lián)網(wǎng)大會人工智能分論壇現(xiàn)場

Cypress Simon Yang：如何將AI做進IoT應用

Cypress Simon Yang

數(shù)據(jù)、算法和算力是我們常說的人工智能的“三駕馬車”，是人工智能得以應用的基礎。

Simon Yang 風趣地表示，Processor（處理器）+Algorithm（算法）是“發(fā)動機”，Datas是“汽油”。只有將盡可能多的數(shù)據(jù)“喂”給Processor和Algorithm，深度學習才會在IoT煥發(fā)生機，也只有這樣才會真正體現(xiàn)出人工智能的真正魅力，他補充道。

他強調(diào)，AI加速進入IoT時代。正是由于數(shù)以十億計的IoT設備產(chǎn)生不可估量的數(shù)據(jù)，然后通過數(shù)以百萬計的網(wǎng)關節(jié)點傳輸送到云端進行存儲和分析，最后被全球各地的數(shù)據(jù)中心進行深度處理和機器學習，最終提高AI的深度學習能力。

微軟中國區(qū)首席技術(shù)顧問管震：微軟認知，對話機器人實踐

微軟中國區(qū)首席技術(shù)顧問 管震

微軟中國區(qū)首席技術(shù)顧問管震指出，理解場景是人工智能應用的核心。人工智能必須落到精準的場景，才能實現(xiàn)實在的價值。理解人工智能能力可落地的場景及對應的流程，將AI納入決策流程。

他表示，人工智能并不是靜態(tài)的東西，訓練出來的模型要用到某個業(yè)務場景里，業(yè)務場景里產(chǎn)生新的數(shù)據(jù)，這些數(shù)據(jù)進一步提升人工智能模型的能力，再用到場景中，形成一個閉環(huán)和迭代。

MathWorks FAE經(jīng)理 陳建平：從算法到實現(xiàn)深度學習

MathWorks FAE經(jīng)理 陳建平表示，MATLAB 廣泛應用于汽車主動安全系統(tǒng)、行星際宇宙飛船、健康監(jiān)控設備、智能電網(wǎng)和 LTE 蜂窩網(wǎng)絡。它用于機器學習、信號處理、圖像處理、計算機視覺、通訊、計算金融學、控制設計、機器人學等。

MathWorks FAE經(jīng)理 陳建平

陳建平指出，人機回環(huán)，即human-in-the-loop?！叭藱C回環(huán)”的第一層含義是人工智能應用中需要用戶，即人的反饋來強化模型。更進一步，機器學習是一種嘗試創(chuàng)建允許通過讓專家與機器的一系列交互參與到機器學習的訓練中的系統(tǒng)工作。機器學習通常由工程師訓練數(shù)據(jù)，而不是某個領域的專家?！叭藱C回環(huán)”的核心是構(gòu)建模型的想法不僅來自數(shù)據(jù)，而且來自于人們怎樣看待數(shù)據(jù)。專家會成為垂直領域的AI顧問，把關模型的正確性。

深度學習的挑戰(zhàn)

基于深度學習的檢測和定位

高通產(chǎn)品市場總監(jiān)Dennis Liu：人工智能解決方案

Dennis Liu強調(diào)，終端側(cè)的智能至關重要。由于移動終端會常遇到隱私性，可靠性，低延時和高效利用網(wǎng)絡帶寬等諸多挑戰(zhàn)，再加上在最靠近數(shù)據(jù)源的位置處理，是對云端處理進行很好的補充，因而AI+終端側(cè)相得益彰。

高通產(chǎn)品市場總監(jiān)Dennis Liu

Dennis Liu表示，構(gòu)建良好的終端側(cè)智能需要對高性能硬件/軟件以及優(yōu)化的網(wǎng)絡進行設計。這里主要涉及到三點：

高效硬件。開發(fā)異構(gòu)計算需要在散熱限值內(nèi)以低功耗，運行要求嚴苛的神經(jīng)網(wǎng)絡。此外還要選擇合適的計算單元處理合適的任務；

算法改進。算法研究受益于最先進的深度神經(jīng)網(wǎng)絡及面向空間和運行時長效率進行優(yōu)化；

軟件工具。面向深度學習的軟件加速運行時間。

此外，Dennis Liu還對高通驍龍845處理器進行最新劇透：

驍龍845 是 Qualcomm 的第三代 AI 移動平臺。與前代系統(tǒng)級芯片（SoC）相比，驍龍845 帶來了近三倍的 AI 整體性能提升！

驍龍神經(jīng)處理引擎（SNPE）SDK 除了已支持 Google TensorFlow 和 Facebook Caffe / Caffe2 框架之外，現(xiàn)在還支持 Tensorflow Lite 和新的 ONNX，支持 Google Android NN API。

和而泰數(shù)據(jù)與人工智能實驗室（419實驗室）負責人劉子威：基于圖像的膚質(zhì)檢測技術(shù)

和而泰數(shù)據(jù)與人工智能實驗室（419實驗室）負責人劉子威表示，實驗室致力于家庭大數(shù)據(jù)的計算與人工智能的研究，涉及自然語言處理、圖像識別、知識圖譜、機器學習等技術(shù)領域。

和而泰數(shù)據(jù)與人工智能實驗室（419實驗室）負責人劉子威

深度模型主要通過卷積神經(jīng)網(wǎng)絡實現(xiàn)

可能有人會問膚質(zhì)檢測和IoT乃至AI會有什么關聯(lián)嗎？答案是肯定的。從一開始的圖像采集到圖像預處理，再到傳統(tǒng)模型和深度模型的深入比對，最后到識別結(jié)果，這整個圖像識別的流程就是一個前端智能的完美展現(xiàn)。后端還可以結(jié)合IoT和AI加上信息助手，健康監(jiān)測和提醒、產(chǎn)品推送、APP連接等諸多智能化玩法。

目前，人工智能對實體行業(yè)的滲透還處于萌芽期。人工智能被寄予了成為下一代產(chǎn)業(yè)革命驅(qū)動力的厚望。而釋放人工智能的能量，形成產(chǎn)業(yè)革命的動能，需要尋找契合人工智能技術(shù)特點，并找到優(yōu)于其他技術(shù)的實體經(jīng)濟適用領域，讓人工智能真正解決行業(yè)痛點，實現(xiàn)系統(tǒng)層面的收益。從長久來看，人工智能的定位絕不僅僅是解決狹窄的、特定領域的簡單應用，而是真正像人類一樣能夠同時解決不同領域、不同類型的問題，進行判斷和決策。這也是我們通常所說的“通用人工智能”。發(fā)展人工智能的終極目的并不是取代人類，而是通過人工智能將人類從繁重的重復工作中解放出來，實現(xiàn)對人類整體更有價值的目標。這個未來也許還有些遙遠，但通往未來的道路上，新商業(yè)和新經(jīng)濟將會是革命性技術(shù)附贈的禮物，無限可能的未來等待我們一起描繪。

人工智能論壇會后聽眾與嘉賓熱烈交流