科大訊飛AI研究院聯席院長李世鵬：人工智慧發展趨勢及應用落地
2018年10月18日，由億歐公司主辦，思貝克聯合主辦的“引擎·引領”2018大灣區國際科創峰會（Bay Areas Tech Innovation Summit，簡稱BATi）在深圳萬科前海國際會議中心舉辦。
本次峰會以“引擎·引領” 為主題，現場聚集超過2000位人工智慧、生物醫藥等行業人士，共同探討生物醫藥、智慧製造、智慧產品、智慧城市、智慧安防、智慧交通等一眾熱點話題，分析科技創新未來趨勢，盤點技術革命下的發展契機。峰會採取“1+2”的組織架構，除了10月18日的2018大灣區國際科創峰會外，19日將舉辦包括智慧製造·智慧產品論壇和智慧城市論壇在內的2場垂直峰會。
在2018大灣區國際科創峰會上，科大訊飛AI研究院聯席院長李世鵬發表了《人工智慧發展趨勢及應用落地》的演講。他提到：
1、人工智慧之所以火起來，從根本上說是技術發展到一定程度的自然現象。它取決於三個因素：一是大資料、網際網路、社交網路網際網路、物聯網的爆炸性增長；二是計算機的處理能力；三是關鍵的演算法。 2、人工智慧也是漸進的，從沒有計算的智慧到感知智慧，未來一定是認知智慧。 3、從底層到使用者互動，再到資料、知識、服務層，都要有一些標準把資料統一在一起，從而訓練出來的神經網路就會有更多的瞭解，做出更智慧的事情。 4、資料變成人工智慧最大的瓶頸，這就是為什麼各個AI公司最大的消耗是在整合資料上，催生了很多以前裝配線的廠，他們現在變成資料標註公司，這是一個很大的產業。 5、最大的成功、最大的潛力是AI的各種應用場景，反過來也是特別不容易的事情，資料在這裡起了關鍵的作用。一個行業如果沒有一定的資料水平，效果可能並不好，這個市場雖然很大，也需要一些新的資源、新的能力來做。
以下是李世鵬現場演講速記：
大家下午好！很高興有這樣的機會跟大家分享科大訊飛在AI方面的思路。
AI現在特別熱，李世石和Alpha Go的對決一下子證明AI比人還聰明，那怎麼辦呢？各個國家，包括美國、中國、歐洲、日本等很多國家已經把人工智慧當成戰略，我們國家更是如此。我們制定了特別雄偉的三步計劃，到2030年在很多領域要在世界上領先，可以看到國家在這方面的決心很大。
到底AI的現狀是什麼樣？有多少是真正能幫我們做些事情的？下面給大家稍微解析一下。第一，什麼是AI？AI的官方定義也不統一，每個人都有自己的解讀，我另外一隻腳在學術，我比較喜歡從事情的本質看。人工智慧跟以前也沒什麼區別，只不過是新的計算方式，以前的計算是人來程式設計、機器來做，人工智慧是機器可以通過大資料的學習自己做一些事情，這是最大不一樣的地方。
為什麼人工智慧突然變熱了？除了李世石對戰Alpha Go一下子引爆的大家對人工智慧的熱度之外，從根本上說是技術發展到一定程度的自然現象。它取決於三個因素：一是大資料、網際網路、社交網路網際網路、物聯網的爆炸性增長；二是計算機的處理能力，最近幾年隨著CPU、GPU和專業的計算能力，雲端計算帶來很多傳統我們想算又算不出來的能力；三是關鍵的演算法，2007年之後一直在產業、學術界引爆很多新的思路，包括最開始在語音識別上的應用。
說起AI，一直有兩種方法：一種是最近幾年火的，根據大資料在深度神經網路裡做的AI。第二種是對人腦的研究。為什麼有這兩種研究？大資料、深度學習最近以來確實能解決我們的問題。現在人工智慧的框架很大程度上還不足以滿足很多要求，比如說人腦對少量的資料能歸納出做一些總結，人腦大概需要20瓦的能量可以保證它的正常運轉，今天需要在現在的人工智慧深度學習網路裡有大量的資料，才能達到人腦的相似水平。
人工智慧也是漸進的，從沒有計算的智慧到感知智慧，未來一定是認知智慧。除了對人臉識別、聲音識別之後，我們轉成文字以後，文字的內涵是什麼？我們需要在認知層面上進一步做很多工作，很不幸的是認知智慧現在還是初期。
我個人把這三步引申得更深一點，每一層次需要的資料是原來的很多倍，分別是通知、感知、認知、預知、絕知。前面三個層次大家很容易體會到，認知這個層次的時候，單一訊號源的資料已經不足以實現智慧，而是需要多個訊號源，比如說對文字內容的認知，不單需要對文字本身的認識，需要對很多傳統的知識一些理解，這個特別關鍵。
再往上是預知，人工智慧在你還沒有說話、發出指令之前，它就知道你要做什麼事情，給你提前準備好很多東西，最難的是通用人工智慧，機器可以幫你做決定。雖然今天機器可以在炒股方面幫你做決定，為什麼還不能達到完全讓機器幫我們做所有的決定？因為機器的瞭解有限，我們對機器行為的瞭解也有限，我們不知道它會做出什麼樣的結果。
剛才講了所有的人工智慧，現在的框架大概都是在大資料基礎上，怎麼樣能有效的發揮這些資料的力量？單靠一家公司、一個人是遠遠做不到的，所以就需要能把各種各樣的資料融合在一起，這就涉及到人工智慧方面資料的融合問題、資料的互相相容問題，這裡分了幾個層次，從底層到使用者互動，再到資料、知識、服務層都要有一些標準把資料統一在一起，從而訓練出來的神經網路就會有更多的瞭解，做出更智慧的事情。
這裡對資料的特點有六個總結：一致性、連續性、基於上下文、相容性、完整性、控制。控制特別重要，誰在資料裡有控制權？這是很有爭議的話題。AI的趨勢是這樣，這裡面有好訊息，也有壞訊息。今天的AI神經網路框架我們已經可以做很多事情，現在很成功的語音識別、語音合成、自然語言的翻譯，從一種文字到另外一種文字的翻譯，這都是做得很成功的。資料變成人工智慧最大的瓶頸，這就是為什麼各個AI公司最大的消耗是在整合資料上，催生了很多以前裝配線的廠，他們現在變成資料標註公司，這是一個很大的產業。
另外一塊也是特別關鍵的一點，所有的AI討論里人必須在裡面發揮積極的作用，也就是說不能離開人，不管今天自動駕駛做得多麼好、多麼完備，如果有事故或是傾向出事故的時候，人怎麼把控制權拿回來？同時人跟自動裝置、機器之間怎麼和諧的相處、工作，互相增進？這也是特別有意思的話題、特別重要的話題。
為什麼需要人在裡面？人可以在機器不工作的情況下提供人的反饋，下一次機器會知道下次遇到這種問題會怎麼處理。在歐洲和一些先進國家在討論AI倫理這塊，人在環路里成為必須的一部分。
AI的基礎技術現在一般掌握在一些大公司，比如說微軟、亞馬遜、Google，小公司在這方面的創新不多。現在大家看到AI公司的成功是基於感知、人臉識別、語音識別、物體識別，它可以用在很多的應用。最大的成功、最大的潛力是AI的各種應用場景，反過來也是特別不容易的事情，資料在這裡起了關鍵的作用，一個行業如果沒有一定的資料水平，效果可能並不好，這個市場雖然很大，也需要一些新的資源、新的能力來做。
科大訊飛在很多領域已經有很多應用。第一個領域是在醫療領域，醫考機器人可以配合一些醫生在複雜的症狀給醫生一些建議。人類醫生一定先入為主，他認為可能是某種病，機器人會給出一、二、三、四種可能性，同時建議病人要不要做這幾項檢查，檢查完以後再返回來了，AI機器人會做新的排列，我們在醫生髮現之前給他指出了很好的建議。
教育方面我們習慣的教育是課堂式的，上面一個老師，下面幾十個學生，沒有辦法做到個性化教育，他不可能對每個學生進行個性化。通過AI機器人，我們會對每個學生的試卷、作業進行分析，找出學生不同的知識薄弱點，從而制定一些個性化的教案和作業。
科大訊飛除了在賽道里做了很多了工作，其中一個是在深圳大灣區裡做得最多的雲互動，大家可以用科大訊飛的AI、UI平臺建自己的應用，可以調我們語音識別的功能和語音合成的功能、翻譯的功能，同時我們在消費者這塊也有一些硬體佈局。
一直以來，技術都是推動商業環境進化的重要因素，而目前最熱的技術升級趨勢，無疑是人工智慧。當下，儘管人工智慧行業本身已經進入了一個平穩的發展期，但它對於各行各業的賦能卻正在以更熱烈的姿態進行。
2018年11月30日上午，億歐將在北京國貿大酒店舉辦“新技術·新動能創新者論壇”，以技術為核心要素，從行業角度出發，探討新技術趨勢下，企業如何把握升級機會、跟上時代節奏，在諸多競爭者中脫穎而出。
詳情及報名連結： ofollow,noindex" target="_blank">https://www.iyiou.com/post/ad/id/730
