中国认知计算和混合智能学术大会(CCHI2018)由国家自然科学基金委员会信息科学部、中国自动化学会与中国认知科学学会联合主办，是国内首个关注认知科学、神经科学与AI交叉融合的高端学术会议。本届大会邀请了认知建模与计算、混合智能、智能机器人、智能驾驶等领域海内外知名专家作学术报告，交流相关研究领域的最新成果和发展趋势。
王海峰是人工智能的领军人物之一，在国内外有广泛的影响力。他是自然语言处理领域权威的国际学术组织ACL 50多年历史上唯一出任主席(President)的华人，也是ACL亚太分会(AACL)创始主席。同时，王海峰是百度人工智能的奠基者和领导者，为百度创建和发展了自然语言处理、知识图谱、语音、视觉、深度学习等AI核心技术，并成立AI技术平台体系(AIG)担任总负责人，致力于AI有关技术的研究及其应用落地。
在大会报告中，王海峰分享了百度大脑的最新进展。百度大脑是百度AI技术多年积累和业务实践的集大成，包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台，对内支持百度所有业务，对外全方位开放，助力合作伙伴和开发者，加速AI技术落地应用，赋能各行各业转型升级。
百度大脑的演进，从基础技术积累，到建立完整的技术体系，再到核心技术进入多模态深度语义理解阶段，同时伴随着百度多年的业务实践和AI能力的全面开放。
王海峰指出，AI技术与产业的结合愈发多元化，单一技术已不足以满足应用需求，具备“多模态深度语义理解”能力的百度大脑通过多技术融合，能让机器对客观世界有更深层认知，从而更好的支撑应用。
“多模态深度语义理解”是指对文字、声音、图片、视频等多模态的数据和信息进行深层次多维度的语义理解，包括数据语义、知识语义、视觉语义、语音语义一体化和自然语言理解等多方面的语义理解技术。“多模态深度语义理解不仅能让机器听清、看清，更能深入理解它背后的含义，深度地理解真实世界，进而更好地支撑各种应用。”王海峰解释。
在 AI 领域，数据的重要性不言而喻。无论是物理世界、人类社会还是互联网空间，都汇聚了海量的多元、异构、多模态数据。数据语义化技术能将这一些数据形成包含千亿节点、万亿关系的庞大数据语义网络，从中总结规律、提炼知识、发现价值，助力经济和社会持续健康发展。王海峰介绍，数据语义化技术已在生产生活中发挥作用，比如在新能源充电桩运维中，利用百度的数据语义化技术进行设备监测、故障诊断等，可以显著提升效率，节约成本。
除了数据，理解并运用大千世界中的多元知识也是AI技术进一步突破、深层次理解客观世界的重要基础。百度已经构建了包含数亿实体、数千亿事实的庞大知识图谱。除了基础的由实体、属性、关系构成的实体图谱，百度还针对不一样的应用场景和知识形态，构建了关注点图谱、事件图谱、多媒体图谱、行业图谱等多种知识图谱。
视觉语义化可以让机器从看清到看懂视频，并提炼出结构化语义知识。王海峰通过体育比赛视频的案例，展示了视觉语义化技术的价值。他介绍，2016年，百度AI实现了奥运会篮球比赛的自动解说，背后是自然语言处理和搜索技术。如今，应用视觉语义化技术对世界杯比赛视频进行解析，AI能够全面识别视频中的球员、裁判、球、以及球门、球场线等人、物和场景，可以捕捉射门、进球、角球、任意球、换人等事件，形成比赛的语义化知识，既能轻松实现机器人解说比赛，也能够直接进行精彩片段集锦、以及各种数据统计分析等更深层的应用。
语音语义一体化技术让机器听得更清楚准确，实现更自然的人机对话。王海峰介绍，百度采用多语种声学混合建模，中文的Deep Peak 2模型效果比业界最好竞品错误率相对降低20%； WaveNet+拼接的情感语音合成技术，既可以使机器发声的自然度大幅度的提高，又避免了计算量过大的问题。
自然语言理解是人工智能最具挑战的技术领域之一，近年来取得的进展已经释放出巨大的应用价值。王海峰介绍，在对话理解上，百度研发的深层注意力匹配模型，比已知的最好结果提升了4.1%，人机对话交互更加流畅自然。而在阅读理解上，百度大脑已经阅读了千亿量级的文章，相当于 6 万个中国国家图书馆的藏书，积累了亿级实体、千亿事实的知识，从而深入地理解内容、获取知识，支持更广泛的应用。
百度大脑的技术能力在慢慢的提升，对外开放也更加全面和丰富。截至目前，百度已对外开放120多项领先的AI场景化能力与解决方案，并通过开源开放深度学习框架PaddlePaddle、定制化平台EasyDL等、实训平台AI Studio、软硬一体的AI能力，持续降低AI应用门槛，帮助开发者和企业应用AI实现业务创新与升级。
人工智能技术发展迅速，在各行各业的应用落地正在变得更广泛并开始走向深入。面对全社会掀起的人工智能热潮，需要清醒地认识AI发展的机遇和挑战。
在基础理论层面，小样本学习、低能耗的智能机制或许是人工智能面临的最大挑战。目前的深度学习技术都是建立在大规模样本、高能耗计算的基础之上，同时，深度神经网络的结果很难解释。因此，未来的人工智能理论研究，要探索如何让人工智能像人类一样，能做到小样本学习，能耗低，且真正地被理解。
在应用技术层面，视觉、语音等感知技术在这一轮深度学习的浪潮中得到很大提升，甚至某些方面的能力已经超越人类。但在认知技术方面，无论是对语言的理解，还是对知识的掌握和应用，依然有很大的进步空间。因此，自然语言处理、知识图谱等认知技术，将是未来很重要的研究方向。
从产业层面，一方面呈现出软硬结合的趋势，另一方面，深度学习框架和AI芯片也将是新的产业机会。“AI芯片能否在产业上成功，取决于围绕AI芯片建立起来的应用生态。其中，深度学习框架起到至关重要的作用，其意义相当于指令集和操作系统。”因此，王海峰认为，类似百度PaddlePaddle这样的深度学习框架，将会成为AI时代的重要基础设施。
在应用系统层面，多技术综合应用、结合场景的系统性创新至关重要。王海峰建议，研究者可以术业有专攻，但产业界，应关注公司的综合技术实力，特别是其工程落地能力。此外，结合特定场景和数据等特性的系统性创新，也是AI技术应用落地的必要条件。
人工智能经过60余年的发展，在互联网、大数据、大计算、脑科学等新理论新技术，以及经济社会持续健康发展需求的共同驱使下，正在进入一个崭新的时代。如今，它需要与更多不相同的领域的知识产生新碰撞，打造竞争新优势、开拓发展新空间。中国的AI之路也将不断注入新活力，走得长且远。
上一篇:深入剖析新版物联网白皮书的“四大模块” - 全文 下一篇:浅析NFC的常见应用有哪些？NFC标签卡如何选型？