秒速赛车:接下来刘博士给大家分享了N

  秒速赛车本次大会的主题是“探索在业务中应用人工智能的机会”,在4天的时间里,多位业界大咖向与会者通过近百场的主题演讲、分会场议题以及相关培训活动,为来自全球的千余名与会者分享了中美在人工智能应用方面的最新成果。

  来自Intel人工智能事业部副总裁兼人工智能实验室和软件总经理Arjun Bansal博士分享了Intel人工智能助推医疗行业现代化的进展。包括如何利用深度神经网络帮助解决医疗数据集庞大的问题,秒速赛车官网:优化流程,提高医生的效率;利用深度学习和机器学习大幅提升肿瘤检测的效果;通过有效优化算法而大幅降低新药研发的成本等。

  同样来自Intel的刘茵茵博士是Intel 人工智能事业部数据科学部的数据科学主任,她在发言中首先谈及了Intel应用方案的整体思路:组建一个NLP平台,建立一个开放灵活的堆栈,利用平台和堆栈创建一些商业应用解决方案。接下来刘博士给大家分享了NLP利用深度学习网络处理自然语言的最新算法发展,如:文档理解之类的应用,实现快速筛查海量文本,分类标注并找到相关信息。之后,刘博士还通过几个使用Intel 人工智能技术的NLP企业案例展示了在深度学习领域里面出现的一些创新:如何影响处理文本,语言及基于对话应用,以及启动利用数据的新方向等。

  来自Uber的Erran Li博士向与会者分享了深度增强学习如何显著地推进自动驾驶的潜力,如:领域适应和用于感知和行动的迁移学习,无监督学习;模型预测控制(例如iLQR)领域的研发近况,如:模仿学习(例如DAGGER、infoGAIL),策略梯度法以及层次增强学习(例如A3C和变化降低)等,以及它们在自动驾驶方面的应用表现,同时也介绍了在自动驾驶领域所剩“最后10%”的问题所带来的巨大挑战。

  Danny Lange博士在世界顶尖游戏公司Unity Technologies担任人工智能和机器学习的副总裁,他向与会者介绍了使用ML-Agents工具包的Unity Engine作为动态3D游戏环境用于机器学习研究的例子;并且演示了游戏在推动强化学习算法发展过程中所扮演的角色;Danny还概述了用于训练机器学习代理的各种算法,包括各种强化学习和监督式学习方法。并对如何在定制的3D游戏环境中进行机器学习研究,以及如何使用深度强化学习方法去完成这些环境中的各种任务给出了很好的建议。

  “我今天给大家讲的是增强学习如何能够在真正的实际应用当中解决问题,它是怎么样解决的?解决了什么问题?”Bonsai公司的创始人兼CEO,认知企业家Mark Hammond开门见山地提出了主题演讲的核心内容。

  增强学习结合了模拟或是数字的组合,是解决动态变化和需要自适应的环境问题的一个强有力的机器学习工具。增强学习能训练模型,让它们优化多种行业(例如机器人,制造业,能源,供应链等)的系统和流程的效率。Mark Hammond在演讲中通过两个真实的案例展示了增强学习是如何成功地优化了西门子公司的机器调优,以及如何优化了一个大型空调企业的系统的能效。并且详细介绍了从构建,训练,部署模型到分析应用的业务全过程。

  参加本次大会的Intel、Google、Amazon、百度、京东、阿里巴巴、Uber、微软等国内外企业无一不是拥有独立大数据流量入口的企业,他们也无一例外的成为人工智能领域的“超级玩家”。海量的数据资源支持,不仅让他们在这场“未来的游戏”中成为领先者,也给他们带来了现实巨大的经济效益和对AI领域的影响力。正像百度首席科学家熊辉博士在会上所说的那样“与前几次人工智能发展的道路不同,这是一次由数据驱动的人工智能。”未来随着智能家居、IoT的普及和发展,大数据对人工智能应用快速发展的推动作用将越来越明显。

  和数据争夺一样,“AI云服务平台”也同样成为激烈竞争的战场。与会的许多企业基于各个领域,推出了各自基于云服务的人工智能平台,像著名的Google的?TensorFlow;AWS推出构建和部署ML 模型的Sagemaker;IBM有Watson;百度自动驾驶领域有Apollo平台,语音技术、视频处理技术领域有DuerOS平台等。既然“AI云服务”成为发展的趋势,那么这些AI的大佬们自然不会错过这个机会,因为平台的竞争就意味着用户的竞争,说到底是意味着数据入口和流量的竞争。

  从本次大会众多应用的发展中可以清楚地看出,深度学习的发展成果已经越来越强烈地影响到人工智能在感知、预测、决策等应用中的效果,并且这种影响正向着人们所希望的方向不断前进。深度学习帮助我们解决了what的问题,但无法回答我们how,因此业界习惯把这种模式称为“黑盒子”。人们一直试图打开这个“黑盒子。

相关文章

扫描二维码关注我们

扫描二维码 关注我们