技術爭鳴，座無虛席！

11 月 8 日，北京諾金酒店，2018 AI開發者大會（AI NEXTCon）第一天議程圓滿結束，這是值得銘記的一天。

上午 9 點，由中國 IT 社區 CSDN 與硅谷 AI 社區 AICamp 聯合出品的 2018 AI 開發者大會（AI NEXTCon） 拉開帷幕，就人工智能的最新技術及深度實踐，進行了全方位解讀及論證。本次大會也是年度人工智能領域面向專業開發者的一次高規格技術盛會，對我國人工智能產業的發展和技術應用的深入落地有著極大推動作用。

大會全力聚焦 AI 開發者，以“AI 技術與應用”為核心，在主題報告之外，設置有 10 個主題論壇，包括 7 大技術專題以及 3 大行業峰會，深度聚焦人工智能的技術創新與行業應用，為 AI 從業者展示前沿技術、優秀產品、行業應用案例，并深度解讀產業發展趨勢。

圍繞“只講技術”的宗旨，大會邀請到具有超強 AI 落地環境的硅谷巨頭與國內領軍企業的重磅演講嘉賓，其中包括百度、阿里、騰訊、京東、小米、滴滴、美團等各大互聯網公司的技術負責人，更有 Google、Facebook、亞馬遜、微軟、LinkedIn 等硅谷王牌團隊的實力講師團降臨現場，超密集 AI 技術干貨風暴，整體繪制出一幅 2018 年度 AI 技術實力的大圖譜。

下面，就讓我們一起回顧下今天技術大牛們的精彩演講內容。

▌七大大咖嘉賓主題報告，指明 AI 發展新趨勢

大會的第一位嘉賓是亞馬遜資深主任科學家、Alexa&Echo 技術負責人 Nikko Strom，他講述了亞馬遜 Alexa 語音識別的核心技術及深度學習的應用。Nikko 表示，目前亞馬遜 Echo 主要涉及了遠場語音交互、ASR、NLU 等語音語義方面的核心技術。自 2014 年上線以來，亞馬遜 Echo 和其他由 Alexa 提供支持的設備已經進入數百萬家庭，并作為家居、音樂、購物、視頻通話的語音接口提供給第三方平臺進行深度開發（目前可提供上萬種功能）。

這也意味著 Echo 和基于 Alexa 提供 API 接口的第三方設備上的數據積累量也越來越多，這時就需要大規模學習——深度學習在語境中的應用，而這主要涉及四個場景：語音交互、多模態語境、不同交互設備、個人身份語境。

小米首席架構師、人工智能與云平臺副總裁崔寶秋帶來了《小米的AI與開源技術探索》主題分享。

他在演講中指出，雖然智能手機看起來很小，卻無疑是如今最大的AI賦能平臺。而作為新一代 AI 背后的技術，深度學習算法的發明使人工智能進入了實用階段?，F在談大數據過時還為時尚早，相信在未來，以大數據、深度學習為基石的 AI 技術還將造福人類生活的方方面面。

眾所周知，云計算和大數據離不開開源軟件，事實上，AI 時代我們更加離不開開源，包括Google、微軟、Facebook、Amazon、百度，以及 IBM 等在內的一線 AI 公司都在競相開源 AI 技術。此次分享也著重介紹了開源對于 AI 領域的重大意義。

首先，開源有助于企業在特定領域建立、擴大領先優勢；其次，深度學習框架通常由企業主導，對學術界和工業界都有幫助；再次，模型算法通常由學術界主導，有助于創新；此外，還能有效減少行業壟斷，促進差異化競爭；最后，開源將鼓勵外部開發者參與，準確把握行業方向和用戶需求。開源讓我們得以站在巨人的肩膀上，接觸到那些已經非常成熟的軟件。

崔寶秋在分享最后再次強調"開源是AI軟件的未來"，并呼吁“更廣義的開源”和“更加開放的開源”，不僅代碼開源，同時保證數據和知識圖譜也以開源模式來打造。

在 AI 開發者大會上，CSDN 創始人&董事長、極客幫創投創始合伙人蔣濤發表了以《AI 時代的開發者畫像》為題的演講。他指出，在 AI 時代，開發者崗位是 AI 生產線上的“經理”，開發者更要學會研究數據，改進算法，而頂級 AI“生產線”需要頂級 AI 開發者，這些開發者既需要人才數量，也要求人才質量。

他還發布了 CSDN 出品的《2018 人工智能產業路線圖》V2.0，總結了 AI 產業發展的五大重要發現和趨勢：

1、信息化水平全面提升，半數企業實現數字化和商業智能化；

2、AI 熱潮蔓延，各地政府上演 AI 人才爭奪戰；

3、高校掀起 AI 熱，超 50 家高校開設人工智能本科專業；

4、國內掀起造芯浪潮，智能制造超越金融，最受投資者青睞；

5、熱錢大量融入 AI 頭部公司，中小企業“寒冬”將至。

最后，蔣濤宣布了 CSDN 與美國波士頓 AI 創業公司 Neurala 的合作，一起致力于AI的“平民化”，并號召更多的行業領先公司、社區積極分子和 CSDN 一起打造中國人自己的開源、開放平臺。

如何通過機器學習、語音、工程師語言實現人類創造？京東技術副總裁、AI研究院常務副院長何曉冬發表了《自然語言處理進展：從理解到創作》的演講。他從感知、認知、創作三個層次分享了人工智能相關技術近年來的重大進展和發展歷程。

首先是感知層，主要涉及了語音識別、圖像識別技術。從 1990 年開始，基于統計機器學習模型取得的進步，去年最佳的語音識別水平達到了近乎人類的水平；而圖像識別也在 2011 年后有了新突破，甚至在某些方面超過了人類在測試集上的水平。其次是認知層，即對語義的充分理解，特別需要指出的是多模態認知（包括語言、圖像、知識圖譜、語音語態信號）問題。那么對于機器智能而言，如何從理解到創造呢？何曉東認為，創作是一個更高程度的智能，對于人類而言抽象的事物都不能完全很好的理解。

領英（LinkedIn）人工智能研發總監張梁發表了《AI 在大規模招聘求職上的應用》主題演講。他著重介紹了人工智能技術在全球互聯網招聘求職場景下的落地及其解決的問題。張梁表示，人工智能于領英而言是氧氣般的存在，是所有用戶體驗的 DNA，貫穿智能問答系統等多個應用。面對大規模計算平臺上的海量數據，如何在毫秒級的延遲范圍內最大化提升用戶體驗是極為關鍵的問題，人工智能技術在這里便扮演了一個重要的角色，包括推薦系統、知識圖譜和標準化，以及深度學習等技術的應用。

隨后小 i 機器人解決方案中心副總裁孫欣圍繞《AI 技術創新及產業化實踐》主題深入分享了如何將 AI 用解決方案落地到真正的商業化中。孫欣表示，在商業化過程中最重要的一點就是貨幣化，直至今日在 AI 領域，應用最成熟、最先落地的就是智能客服領域。

小 i 機器人以 iBot 會話平臺，通過自然語言的處理能力、多模型知識庫、大數據分析能力以及多模態處理層等相結合面向行業提供了智能化會話平臺。同時提供會話式人工智能 5 大 Bot：Chatting Bot 智能閑聊解決日常聊天問題，FAQ Bot 基礎問答解決簡單、明確的問題，Deep Bot 深度交互解決復雜場景問題，Recommendation Bot 解決營銷場景問題，Discovery Bot 知識探索解決未收錄知識問題。

最后一位重磅嘉賓是美團點評研究員、美團配送AI方向負責人何仁清，他以《即時配送中的機器學習技術》為題做了演講。對美團而言，即時智能配送系統堪稱美團的“智慧大腦”。何仁清指出，懶是全球人民的共性，對方便、快捷的服務有著直接的需求，以外賣配送為主要形式，近年來在全球范圍內掀起一波浪潮。

不過，即時配送同樣存在一定的業務挑戰，從商業模式上講，效率、體驗、成本是實際配送環節中需要關注的核心問題。目前美團構建的即時配送系統主要涉及兩大部分：一是 LBS、機器學習、感知技術、算法數據和計算平臺等技術相關的水平領域；二是智能調度系統、定價系統、規劃系統等垂直業務的相關技術。

精彩的“AI 技術新趨勢與新應用”主題報告環節落下帷幕后，真正的技術盛宴才剛剛開始。

今天下午共有計算機視覺、自然語言處理、機器學習工具、數據分析技術四大論壇，以及二十三位重磅嘉賓，下面摘取各位嘉賓的精彩分享。

▌四大技術專題，二十三位重磅嘉賓的技術風暴

在今天下午的計算機視覺技術專題，以商湯為代表的計算機視覺公司講述了他們在各自領域的技術應用和探索，比如計算機視覺算法在移動端相機上的應用，物體檢測與語義分割的算法創新及實踐等議題。

計算機視覺專題

商湯科技副總裁、工程院院長 沈徽

計算機視覺技術不是單點突破，而是需要整個技術平臺性的提升。AI 技術本身必須要跟行業實際的場景結合，才會使社會生產力進步。

字節跳動人工智能實驗室總監 文林福

圍繞計算機視覺算法在移動端相機上的應用，他從算法、硬件、手機端的適配、量化框架四大方面出發，給出了相應解決方案。

曠視科技研究院 Research Leader、Detection 組負責人 俞剛

他講述了物體檢測和分割在 Face++ 的產品落地情況，指出 Face++內部會有一個工程角度的訓練平臺，配置 Brain++ 集群，通過建立不同網絡的分類模型，再基于算法做出手機產品、安防相機搭建等。

比特大陸人工智能產品市場及開發總監 曹?？?/p>

從各種攝像機、多樣的智能家居、甚至涵蓋機器人領域景出發，比特大陸每 9 個月完成一次芯片迭代，每一代算力都會提升 2 倍以上，從而完成更多功能的集成并維持同樣的功耗水平。

騰訊 Turing Lab 技術負責人 周大軍

AI 技術的通用性能力可以快速幫助游戲開發提升產品質量，實現不同游戲的自動化測試，提升工作效率，為商業化游戲提供潛在優勢。

金山云高級產品專家 夏午陽

他分享了金山云金睛的場景化應用實踐，基于圖象識別技術，他們設置了三大落地場景，每種場景都在不同層面上考驗產品能力。例如內容服務考驗產品的精益運營能力，智慧城市考驗系統集成能力，數據業務考驗的是精細管理能力以及AI落地能力。

好未來 AI Lab、AI 賦能平臺負責人 楊非

基于科技推動教育進步理念，AI 可以為教育行業帶來更優質的教學內容，更科學的評測體系、更有效的教學體驗，從而推動教育資源的公平化。

自然語言處理技術專題

思必馳副總裁、北京研發院院長 初敏

移動互聯網和物聯網發展需要 AI 助力信息精準流動，每家企業都有很多信息需要跟用戶溝通，但目前的大部分溝通都效率太低。人機語音交互將成為信息和知識傳播的重要途徑。

Facebook 語音識別科學家 BaiyangLiu

語言非常的多樣化，對人來講很容易，如果讓機器來理解，語義上的多樣性如何表達？ 現在社交平臺的信息量非常大，沒辦法將所有內容推薦給用戶，如何從用戶搜索的關鍵詞關聯到用戶想要的信息，這是社交產品需要深思的問題。

字節跳動高級技術總監&杰出科學家 Xiaobing Liu

序列化模型是一類端到端的學習內在結構和依賴的模型方法，他的演講涉及這個領域最新的研究進展，從 RNN, LSTM, Transformer 到 BERT 都有涉及，此外重點談了序列化模型在 ASR, MT, TTS 和大規模推薦系統中的應用，以及實際中需要注意的點。

阿里巴巴智能服務事業部資深專家 孫健

傳統交互到對話交互的本質改變是什么？AI 正在重構 B-C 的關系模式。未來 3 年內，開放場景下的對話交互能力上界還達不到用戶滿意度的下界。企業已意識到客服服務對維系客戶粘性的重要性，也在有意識地進行客服的智能化升級改造。但在這個過程中，企業依然面臨很多挑戰。

微軟（亞洲）互聯網工程院資深應用科學研發總監 陳一寧

他講述了搜索中的自然語言先驗知識，并總結出搜索中自然語言先驗知識的應用：跨語言、長尾 Query、開放場景。

機器學習工具技術專題

北京一流科技有限公司董事長、首席科學家 袁進輝

橫向擴展是解決算法模型效率問題的關鍵，一定是通過靜態調度和流式執行實現，使數據像流水一樣流過這個過程，只要流水線能填滿，每個數據就會同時干活。

Google Brain 高級軟件工程師 盧一峰

AutoML 是典型的大力出奇跡的領域。AutoML 的核心思路是用神經網絡來設計神經網絡，用AI來設計 AI。AutoML 里有兩個神經網絡，一個負責生成模型，一個負責反饋，隨著循環的進行，就會產生越來越好的模型，最終實現進化。

Google Developers Experts 林嵩

如何將機器學習模型移植到手機端？除了基本的建模，還有優化模型的過程。一個是通過量化的方法，一個是把復雜的神經網絡變小一點。

百度深度學習技術平臺部主任工程師 胡曉光

從生態角度來講 PaddlePaddle 跟 TensorFlow 還有差距，但我們會用自己的力量，包括公司內部的力量，盡可能把主流的官方模型都加進來，讓我們的開發者們在做每個任務的時候都有一個最好的模型實現。

微軟亞洲研究院 AI 團隊高級工程師 胡曉武

胡曉武老師介紹了微軟的認知服務，機器人服務，Azure平臺，亞洲研究院系統和網絡研究組做的PAI和AutoML工具包NNI，以及Windows ML。

谷歌開發者生態中國區負責人 李銳

明年 TensorFlow 2.0 會有一些重大的更新，在里面最重要的部分就引入認知服務，讓社區和開發者的聲音快速反映到產品最后的功能上。

數據分析技術專題

滴滴數據科學部首席數據科學家 謝梁

無論是機器學習還是人工智能，其可解釋性都極為重要，這也恰恰是以往大家容易忽略的一點。未來 AI 應用的關鍵將會是“真正理解 AI 告訴我們應該做什么”，而非“精準預測”，可解讀的人工智能模型將得到更廣泛的應用。

GoPro 數據科學負責人 Chester Chen

GoPro 的相機、無人機等移動設備以及網絡、桌面應用正在生成數十億量級的事件日志，這就需要快速有效地分發產品、工程和營銷團隊決策的分析指標和見解。本次演講中，Chester Chen 分享了 GoPro 取得的一些進展以及如何使用 Slack + Plot.ly 來交付分析指標和可視化，此外還探討了 Google Facets 和 Apache Spark 可視化大型功能集方面的工作。

Figure Eight 高級 HCI 開發者 Kiran Vajapey

Kiran Vajapey 主要從大數據和機器學習，大數據標記的挑戰，主動學習教程，深度挖掘四方面介紹了主動學習。在他看來，優質數據有助于機器學習，但大多時候數據是非結構化和無標記的，而主動學習能在提高模型準確性的同時降低成本。

易觀 CTO 郭煒

現代企業往往面臨大數據“大而不強”，人工智能“人工”而不“智能”的問題，這就導致我們在數據分析環節消耗了大量時間。基于邊緣計算的新一代計算架構——IOTA 數據架構是解決這一困境的可行方法之一。

攜程 AI 研發部平臺核心架構組工程師 呂彥龍

OTA 用戶的根本訴求在于對世界的探索，而 OTA 公司的產品則會以產品和產品信息兩種形式呈現給用戶。若能綜合 AI 分析能力、大數據分析能力以及我們的平臺能力，則可實現產品的自由迭代，同時賦予業務自主化數據上線和程序上線的能力。