手机网站
手机网站
12月5日至7日，由中国计算机学会主办、CSDN、中国科学院天瑶协办的中国大数据技术大会在北京长城饭店隆重召开。
100+顶尖技术专家、1000+大数据运营商以“大数据驱动智能+”为主题，着重于智能时代大数据技术的发展曲线，围绕大数据与社会各行业相结合的最新实践进行了深入的解释和讨论。
在主论坛上，科技大学的通信飞行联合创立者、轮值社长胡郁先生发表了题为“人工智能从技术到产业发展路径”的演讲。
胡郁是中国科技大学信号与信息处理专业工程博士， 教授级高工国务院特殊津贴专家科学技术部下一代人工智能战略咨询委员会委员科学技术部863类人工智能重点项目首席专家语音和语言信息处理国家工程实验室执行主任中国科学院人工智能产学研创新联盟应用计划组组长中国科学技术大学兼职教授、博士生导师中国人工智能学会副理事长、会员中文信息学会常务理事湖畔大学二期学生。
演讲的核心视角:在当前人工智能技术发展下，深层神经网络结合大数据成为技术与产业发展的必然路径，在发展过程中结合产品创新与商业模式创新获得真正的应用数据，实现人工智能的应用，将应用的商业收益率继续投入核心技术研究，产业与技术的相互重复、同步发展
来到BDTC，今天我们谈到“人工智能从技术到产业发展路径”，特别是谈到人工智能与大数据结合的最新进展。
人工智能不断进化
人工智能在过去的几年里变得非常热，但是把光投射到人工智能上的是自己在做人工智能，几年前就在做云计算，在上网，就像在做大数据一样。
但是在过去的几年中，我们一直建议明确分类人工智能。 世界上第一台计算机发明的目的是利用人工智能，如人为的不擅长，或者制作出一个拙劣的方面，例如计算机，计算机的特征是计算速度快，存在很多，第一台计算机的使命是分析子弹在空中飞行的轨迹等复杂问题，直到2017、2018年，非常热的阿尔法go战胜李世石九段等
但是，为什么人和动物不擅长计算智能呢？人类的祖先没有必要为了在非洲的大草原上生存而计算，他们必须看六路，听八路，知道如何打猎和逃跑。 Nature研究了动物捕食者和被捕食者的运动的神经回路，发现它们相同。 人类和动物当时在非洲的大草原上竞争，需要知觉智能和运动智能。
机器在这方面发展迅速，知觉智能在这两年来在语言和图像上不断突破，运动智能在产业机器人和服务机器人的方向上发展很大。 这些方面是人工智能发展的最高目标吗？ 其实不是。 人类区分动物的一个重要方向是人类具有认知智能，我们首次提出认知智能的方向，目前许多研究团体也喜欢将知觉智能和认知智能作为未来的主要研究方向。
人类认知革命
为什么认知智能是计算机研究的方向？ 我们看了一个小故事，非常着火的以色列年轻历史家Yuval Noah Harari写了一本名为《人类简史》的书，提出人类历史经历了农业革命、工业革命、科学革命和技术革命，但人类与动物区别开来，其实是一个非常重要的基因突变。 他发现地球上的原始猿人有很多种类。 其中，我们人类的祖先都属于非洲贤人的后代，其他猿人渐渐被从非洲出来的智人击败，从此消失了。 为什么离开非洲的智者有这么大的能力？ 所有猿人都用火工具，非洲猿人有什么特点？
研究表明，非洲猿人的最大特征是经历了基因突变，他们的脑颞叶变成了一个小组织，这个组织产生了语言。 通过语言的使用，非洲智者能够表现出与周围环境，特别是人类生来就非常擅长的能力，被称为“八卦”，为了八卦，为了建立人类社会，为了八卦，我们研究了能够组织更多的大众。 想象一下现在的人类动物，比如大猩猩，一个群体只有50只，还得分居，没有语言也无法组织更大的社会活动。
另一个非常重要的优点是，自从有了语言，人类就有了梦想，人类就能创造宗教，创造经济，因此他们也把这场革命称为“人类的认知革命”，但是计算机实现认知革命还有相当远的距离。
认知智能包括语言理解、知识表达、逻辑推理和最终复杂的决策，认知智能是当前人工智能的最大挑战，自然语言处理作为认知智能的第一步得到了众多国际成年人的关注和支持，同时也是当前人工智能突破的障碍。
人工智能的实现途径
深度神经网络
按研究的方向和方式分类，人工智能主要分为三类。 第一，在目前大家特别提到的深度神经网络中，深度神经网络利用大数据、超计算能力和非常复杂的模型结构，首次实现了感知智能、运动智能的部分进展，特别是在感知智能方面的突破特别大。
但是，这里有个小问题。 你考虑过这个数据是从哪里来的吗？ 为了利用感知智能和大数据智能的方法来实现人工智能，需要大量真实的大数据这一点和人的学习完全不同，人的学习是一个小样本学习，很不需要数据，特别是在声音和图像的基础上。
全脑模拟
第二种人工智能的实现途径是美国欧洲倡导的“脑计划”，这些提议者认为，随着超级计算机的进一步发展，有可能加深大脑的理解，模拟人脑的所有拓扑和放电现象，使超级计算机模拟核爆炸的世界气象 由于人脑也只有1千亿个神经元，最近的报道完全恢复了果蝇和小鼠的神经系统。 如果有一天电脑能够完全模拟所有大脑的放电状况，我们有智能吗？ 这个方向是脑科学的科学家提出的，虽然不考虑这个方向能否实现，但得到这样的系统似乎不是我们现在利用计算机的方向。
智能动力学
第三个方案是我们正在做。 我们想像人类研究鸟类飞行一样，最后人类研究“空气力学”，创造出比鸟类更优秀的飞机。 不必像鸟儿一样吃喝，但比鸟儿快。 因为飞机遵循鸟类羽毛空气动力学的基础理论。
随着对人脑的理解加深，对人脑拓扑学和学习机制的理解加深。 我们在学习了大脑的学习机制、大脑的结构之后，有可能发明出能够与计算机的速度、存在的特征完美结合、产生强人工智能甚至超人工智能的“智能动力学”。 这是我们研究的方向，后面将阐述的许多产业应用都是基于大数据的人工智能。
涟漪效应推动A.I .技术向产业发展
自2006年深入学习网络出现以来，推动产业发展取得了巨大成功，但是在巨大的数据人工智能中决定我们成功是关键。 训练大数据的人工智能需要很多真实的大数据，往往真实的大数据只能从真实的应用中得到。 问题是，你的人工智能训练还不够，从哪里得到真实的大数据呢？ 什么样的人去使用它呢？在这里我们提出了非常重要的构想，实施起来，取得了很好的效果。 我们称之为“波纹效应”。 你是什么意思？
大型数据能力概述
当人工智能算法在行业和大众中应用时，算法并非瞬间传播到所有人，而是总是有人先接触，有人后接触，这些先接触的人继续为人工智能算法贡献数据， 利用这些数据不断提高人工智能系统的性能，如果有一天水面上波纹扩大，水面上波纹降落后的影响范围比较广，但错误率比较多，随着系统越来越好，在某个时刻水波纹不扩大时接近零， 人工智能的准确率已经达到很高的水平，实现了很多人使用的保证，因此我们谈论深度神经网络、大数据，将应用产品与人工智能相结合是非常重要的。
0
科技院的大数据能力分为四个层次，首先是大数据资源，即我们通过各种产业和业务获得的实际应用数据，再加上大数据能力平台，再加上业务大数据，在各个业务中，教育、医疗、政法、智慧城市都有这样的大数据 最上层称为大数据业务，在广告、推荐、招聘等方面利用大数据，完全实现虚拟业务。
科技院拥有一套Odeon平台，包括数据清洗、数据挖掘、数据标签系统，从收集、记忆、计算、服务形成了闭环。 基于大数据的人工智能，2004年制定了通信超大脑计划，希望实现从“会说话”向“能理解、思考”的转变。
在基于新神经网络的过程中，我们发现了两种放大器的效应，第一层，当前的人工智能不仅是语音、图像、自然语言处理，而且统一到一个框架中，在深度神经网络中渗透深度神经网络，这些核心技术产生了很大的平台性能提升。 基于这些核心技术，我们还可以与消费者、教育、医疗、政法、智能城市等行业相结合。
AI产业发展的两个方向
将来人工智能在哪两个方面应用于人类社会？ 我们把它的一面称为“自然交流智能”，想象乞丐不会读写，但他可以按照你的要求工作，你可以给他五磅，他可以给你买烟，他可以用视觉，听觉，嘴和你交流。 将来所有的机器都有自然的互动能力。 另一方面由于文字发明后产生了许多专家，人工智能有研究专业大数据和专家系统的应用领域，专家系统可以帮助解决许多行业最缺乏的资源问题，最缺乏的资源是专家。
今天从三个案例分享科技大数据的应用方向
案例分析1 :
听说过的是“通信飞行”的系统。 由于波浪效应的作用，自从最初的语音识别失灵以来，2010年首次用手机实现语音识别的系统，经过3年到4年的发展，成为世界上首次汉语突破实用技术的门槛。 到了2015年，能够识别更多种类的声音并加上屏幕。
其中，多采用基于大数据的人工智能技术，如将麦克风阵列的声音处理与声音处理相融合的技术，导入基于图像处理的要素，融合了更专业的算法、自然语言处理的知识。
在世界上水平最高的CHiME语音识别大会上，获得了4个识别冠军。 由于各种噪声的影响，传统系统的识别率非常低，经过处理后识别率提高到100%。 由于波浪效应，使用人数增加，失误率降低，真正由人产生的大数据，帮助交流语音识别超过了实用化的阈值。
最终，一系列消费者产品落地，包括“听”网站、手机APP、录音笔、办公书和世界上唯一的全脱机语音文本转换系统。
案例分析2 :
智学是教育领域非常重要的应用点。 在教育领域，用人工智能的方法辅助教育是近年来的热点和用户。 以教育为首，医疗、安全、政务、金融需要利用产业大数据、专家系统和机械学习高级神经网络算法，共同构建下一代专家系统。
其中间应用于图像识别技术，在图像领域相继进行手写在线识别、离线识别、自然环境下的摄影内容识别。 在国际最高水平的ICPR MTWI测试中，获得了单词识别、布局分析、正式识别三大冠军。 在峰会ICDAR 2019的多项评价中也获胜。
教育还需要自然语言处理的能力。 自然语言能力处理包括模拟人脑的神经元系统DNN、模拟大脑的感觉记忆和短时记忆RNN-LITM、模拟人脑的视觉分析层等算法。
通信获得的最新奖项在2018年国际语义评价的数学答疑比赛中获得代数、几何和应用领域第一名。 在国际上最高水平的SQuAD，飞行机器的读书水平在两个评价标准中都超过了人类水平。
在世界首次的医师资格考试中，利用机器人学习医院的教科书和知识，并应用到医学资格考试中。 为什么可以进行医学资格考试呢？这是从2013年开始，国家科技部和863就计划好了高考机器人，希望这个高考机器人在学习了数学、语文、地理、历史课题后，能考上大学，能考上清华大学。 起初大家都觉得这很难，经过五年多的努力，现在的项目第一期结束了，我是这个项目的863个首席专家，最后机器人数学120分，语文90分，地理和历史项目450分合格。 利用认知能力，智医助手以600分满分的医学资格考试获得456分，360分及格。
核心技术在教育领域有什么好处？ 完全自动评分试卷，扫描试卷和学生的答案内容，然后进行识别，根据识别结果运用人工智能算法，将原老师评分的经验与知识相结合，最后形成能自动生成考试成绩的系统。
大数据教育的人工智能系统能做些什么？ 中国几千年的教育梦想是“用材料教”。 目前，人工智能系统自动评分的结果，即基于背景大数据和知识图的知识点，判断学生没有充分掌握哪些知识点，可以基于这些知识点重新生成必要的作业，不是所有学生都是一样的练习问题。 使用该系统，学生的工作负担减少了30%，学生的学习热情也大大提高了。
在教育大数据中，现在围绕老师、家长和学生的需求，在教育、学校、考试、评价、管理等多方面推进人工智能和大数据平台，几年后，看到中国越来越多的学生通过个性化、对象学习来提高能力，学生放弃了问题海作战术，利用了学生自身的差异 我们相信这样的机会会改变教育的现状，给中国带来更好的未来。
AI+大数据是技术创新型企业的必然选择
综上所述，大数据与人工智能的结合是科技创新型公司不可或缺的途径。 科技通信不是移动互联网公司，而是科技创新型公司，像美国的Facebook、亚马逊、Google等，在你做核心技术的时候，要保证技术是世界上最先进的，所以过去20年来，通信的众多技术、语音技术、人工智能技术都是国际上最先进的
第二条，企业的必要条件是找到合适的产品创新和商业模式创新，取得巨大利益。
第三条，应当持续把获得的利益投入核心技术创新。
最后，因为通讯飞原本在制作中文时是有利的，语言保护了我们。 当前，随着国际形势的变化，我们不得不处理世界上所有的语言。 现在我们走这条路。 再过3~4年，我们相信世界上大约50种语言都能实现非常好的核心技术突破。
人工智能就像机械时代的航空引擎一样，是信息时代的航空引擎，我们有把人工智能变成最高的自信。
在这一过程中，科技大学飞行的人工智能与大数据业务紧密结合，BDTC发表的大数据趋势报告显示，人工智能与大数据至少在当前和未来的10年间是密切相关的。
最后，相信通信飞行一定能取得更好的成绩，能取得更好的反哺乳飞行的大数据成果。
问答:
q :从技术到引领消费者，我一直管理着钱，但是我一直管理着钱。 在这个过程中技术一定不会丧失。 你是如何很好地把握角色转换，坚持初心的？
答:我想有几个要素。 第一，我发现研究与做产业相似，研究具有非常重要的能力，预测未来前景的能力，做什么领域的研究，非常了解这个领域的未来发展，必须有自己的想法，才能跟上历史的步伐
产业也是一样，作为具体的事情和方向，首先考虑战略方向是否正确是很重要的，战略方向主要来源于事先判断产业的倾向。 我刚才提到，我们为什么要把人工智能分为知觉智能、认知智能，为什么要用大数据的人工智能方法来做，为什么要提出我们的“智能动力学”，要洞察未来许多事物的发展、产业发展、产业规律的发展，同时要调整方向来应对。 我认为这是同一部分。
其次，我们在教育的时候，每个老师都希望自己发明的技术能在1000个地方使用，使用越多越好。 但是，在工业上，你会发现，即使你的技术可以用在十个方向上，也不能把十个方向都做好。 如果你有技术，除了技术革新以外，还有没有商业模式的革新和产品革新，可以用你自己的技术，或者不是你发明的技术，集中全部的能量，在最短的时间内就能突破的方向上，实现我所说的技术革新的四个步骤。 这里是不同的地方。
最后，我认为研究和产业，特别是核心技术产业，要经得起寂寞，十年磨一把剑，长椅要经得起十年磨一把寒冷，要加厚薄的头发。 这与网络风口、移动网络风口是不同的概念，像登山一样，逐渐积累知识前进，最后不是冲浪型的企业，而是浪潮本身。 正如我们所说，在个人电脑的浪潮中，真正的浪潮是什么？ 芯片、技术软件、基本云计算体系结构和大型数据体系结构。 所以，这两年一定要忍受寂寞，埋头工作，堆积薄毛。
来宾介绍:
胡郁，科技大学通信飞联合创始人，轮值总裁。 中国科技大学信号与信息处理专业工程博士、 教授级高工国务院特别津贴专家科学技术部下一代人工智能战略咨询委员会委员科学技术部863类人工智能重点项目首席专家语音和语言信息处理国家工程实验室执行主任中国科学院人工智能产学研创新联盟应用计划组长中国科学技术大学兼职教授、博士生导师中国人工智能学会副理事长、会员中文信息学会常务理事湖畔大学二期学生。
