0
6 月 18 日，以“AI新勢能，智創新未來”為主題的GCVC全球人工智能視覺產業與技術大會在青島西海岸新區舉行，聚焦探討 AI 新勢能下的機遇與挑戰。
會上，西安電子科技大學計算機科學與技術學部主任焦李成、北京大學信息科學技術學院智能科學系教授查紅彬、北高峰資本及坤湛科技創始人兼 CEO 閔萬里等多位專家學者，以及極視角科技有限公司創始人兼董事長陳振杰、華潤置地華南大區產業發展部副總經理繆青等多位行業人士帶來了演講分享。
雷鋒網將部分演講內容進行了不改變原意的精編，具體如下：
閔萬里《科技創新驅動中國制造》
今天我們在產業升級，在制造業當中，人工智能是不是可以承擔源頭創新的角色？這個命題其實不是今天提出來的，其實在 2015、2016 年年后，在 AlphaGo 下圍棋的時候就已經看到，AlphaGo 最大的威力不是在下棋，是在基礎數據中心的能耗問題。
同樣的道理，今天如果我們把同樣的場景看看流水線，中國的第二產業、廣義制造業我們有沒有可能從左邊到右邊？有沒有可能通過科技要素的注入實現這樣一種轉化？
其實不外乎幾點，第一就是抓住人才，懂產業場景，又懂算法。但是技術專家還不夠，我們需要有人懂產業的場景，然后還要有傳承，那一代的工人對整個制造業發展的卡脖子的問題哪些地方是痛點其實已經非常明了，他們的經驗和教訓通過可傳承的方式，以代碼的方式、算法平臺的方式向下傳承的時候，下一代人可以形成接力下去。
其實，今天整個業界有非常多的垂直化的應用場景，這些應用場景很遺憾，跟我們的供給者、開發者之間隔了一道墻，往往有序的數據或者是強大的計算力、算法不是唾手可得，而在高校里面的開發者們則有一些知識儲備。怎么把知識用起來，怎么跨過？所以就需要一種非常強大的機制，把供需進行匹配。
五年前，當人工智能走入垂直行業的時候還是獨木橋，有人摸著石頭過河，去看一看這個技術能不能解決煉鋼的問題，能不能解決半導體流片的問題，但是今天當它已經證明可以做的時候，下面的事就變得簡單——怎么把摸著石頭過河的事變成橋，把供給和需求之間進行高效匹配。
焦李成《下一代人工智能：挑戰與思考》
大家都生活在一個大數據的時代，如果不能很好地處理大數據，大概會被淹死在大數據的海洋當中，如果能夠巧妙地處理大數據，一定會變成信息，信息一定會轉化為知識，知識一定會轉化為發展的動力和創新的動力，從這個意義上來講，我們怎么樣去做？
任何先導區也好、試驗區也好，靠什么？靠技術，靠殺手锏，靠硬科技，這些從哪里來？從掌握這些技術的人里面來，這些人從哪里來？未來的 CEO、未來的帶頭人從哪里來？從教育來。
我們國家正在做人工智能教育體系的布局，本碩博的體系，集成電路、安全包括人工智能都要設在交叉學科的領域，要加快人才的培養，到現在為止全國將近 200 所高校設立了人工智能學院和人工智能研究院。
人工智能不是沒有基礎，它的基礎涉及腦科學、生理科學、圖靈獎，所有的這些是構成我們現在人工智能的基礎。人工智能涉及的是一個更廣泛的領域，人文、社科、生物、腦科學等，都需要我們去做，當然我希望大家應該做一件事情。
查紅彬《視覺 SLAM：在線學習的途徑》
SLAM 研究并不是一個新的話題，有關 SLAM 的研究已經到目前為止有 30 多年將近 40 多年的歷史，在這么長的時間里，可以說 SLAM 研究本身應該是取得了很大的進步。
那么，是不是就沒有問題了呢？也不對。
SLAM 研究仍面臨許多挑戰，如 SLAM 研究缺乏系統性，算法缺少泛化能力，誤差積累嚴重，計算成本高昂等問題。
那么，要怎么解決？
前面提到，我們用的是多視點幾何理論，這個前提是只要有多個視點的信息就行了，這些視點在時間信息上是前是后沒有關系。
但是，在 SLAM 具體的問題中，進來的傳感器數據都是有時間先后順序的，而這個時間的先后順序應該是能夠起到很大的作用，我們通常所講的時間上的相關性、異質性、連續性，應該是可以幫助我們解決很多的問題，所以我們在傳感器 SLAM 數據當中沒有把時間上的相關性用好，這可能是一個非常大的問題。
我們如果能夠把時間上的相關性應用好了，就能夠把預測用好，能構建一個實時預測、在線預測的系統，每時每刻預測下個時刻怎么樣，如果預測對了，就不需要計算了，如果預測不對，誤差反饋回來能幫助我們來修改系統，因此這是一個非常好的方式。
陳振杰《計算機視覺行業趨勢與洞察》
到目前為止，其實我們人工智能的技術其實在不斷發展的過程當中，整體感覺還是弱人工智能時代，弱人工智能怎么定義？
我們發現，在產業的角度我們沒有辦法去做出一個像人一樣聰明的系統，因為我們人其實是一個大腦，能夠去識別世間萬物，能夠做語音、視覺、文字理解、認知都是由大腦來實現的，當然會有不同的分區。
回到圖像識別技術的落地，我們看到，其實每一個圖像識別的算法只能定向地去解決一種識別，比如說人臉識別，其實只能用來識別人臉，你是誰？去解答這么一個問題，但是如果我們要去知道，比如說工廠有火災，則需要用一個新的算法。
目前，包括城市管理、城管類、化工安全類在內的每一個垂直領域都有非常多的具體算法的需求，而這一些每一個識別對應的都是一種算法，所以現在我們覺得弱人工智能時代我們沒有辦法追求一下子把我們的技術圈往通用性的往外擴。
不過，我們可以不斷的建單點，每個單點代表一種識別，如果我們有一百萬種、一千萬種識別技術解決識別問題的話，也許累積起來就是我們未來強人工智能的另外一個方向。
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
