10 月 17 日至 19 日，由中國計算機學(xué)會（CCF）主辦、蘇州工業(yè)園區(qū)管委會、蘇州大學(xué)承辦的 2019 中國計算機大會（CNCC 2019）在秋意正濃的蘇州如約而至。今年大會以「智能+引領(lǐng)社會發(fā)展」為主題，選址蘇州金雞湖國際會議中心召開。比之大會首日，今天會場的人口密集度又增加了不少。雷鋒網(wǎng) AI 科技評論將會作為戰(zhàn)略合作媒體進行全程跟蹤報道。

隨著昨天七場特邀報告告一段落，剩余的八場特邀報告也如期在今天 CNCC 的演講舞臺上精彩呈現(xiàn)。今天的特邀報告環(huán)節(jié)由 CCF 副秘書長、清華大學(xué)教授陳文光主持。

首場報告由清華大學(xué)教授、中國工程院院士吳建平帶來，他的報告主題為「互聯(lián)網(wǎng)體系結(jié)構(gòu)的演進、創(chuàng)新和發(fā)展」。

他指出，互聯(lián)網(wǎng)體系結(jié)構(gòu)是互聯(lián)網(wǎng)的關(guān)鍵核心技術(shù)，是剖析和研究互聯(lián)網(wǎng)各部分功能組成及其相互關(guān)系網(wǎng)絡(luò)層承上啟下保證全網(wǎng)通達的核心。而隨著傳送格式由 IPv4 演進到 IPv6、轉(zhuǎn)發(fā)方式實現(xiàn)了無連接存儲轉(zhuǎn)發(fā)，唯一可變的路由控制成為了實現(xiàn)體系結(jié)構(gòu)技術(shù)的創(chuàng)新點，目前其面臨著五大重要的技術(shù)挑戰(zhàn)，包括可擴展性、安全性、實時性、高性能、移動性。因而在這種情況下，推進路由控制不斷滿足通信和應(yīng)用發(fā)展需求（復(fù)雜多變量）達到全網(wǎng)最優(yōu)成為了互聯(lián)網(wǎng)研究的重大科學(xué)難題。

中國工程院院士、香港中文大學(xué)（深圳）首任校長徐揚生帶來主題為「智能機器人研究：問題和思考」的報告。一登場，他便談起自己參加 CCF 組織活動的經(jīng)歷：「其實我比較少參加 CCF 組織的活動，上次參加還是 1993 年，當(dāng)時現(xiàn)場的一些朋友可能還沒有出生，所以今天能夠站在這里做分享，我非常激動?！?/p>

他表示今天將基于自己在機器人領(lǐng)域 35 年的研究經(jīng)歷，分享一些研究感悟，其中報告中提及的問題大多數(shù)都是機器人領(lǐng)域目前尚未解決的問題?！冈趫龅母魑徊┦可梢月犅牐f不定大家能夠從中找到一些可以做研究的課題。」 

現(xiàn)在，機器人的定義依舊沿用其早期對這一概念的定義：感知+認知+行為。然而在過去的 30 多年時間里，機器人領(lǐng)域的研究有 85%-90% 都集中在行為方向，另外的 5-15% 左右集中在感知和認知方向，而操作、移動以及抓取等都屬于行為的研究范疇。

接下來，他基于自己這些年的研究成果，包括爬樹機器人、管理寵物的機器人、在軟性物體上爬行的機器人、書法機器人以及全方位駕駛車，分享自己在機器人研究中所面臨的一些挑戰(zhàn)和啟發(fā)?！负芏嗳藛栁遥@些機器人有什么用，我的回復(fù)是，我的大多數(shù)機器人做出來都是沒用的，我主要是興趣驅(qū)動，但是做出來以后一部分有用一部分沒有用，科研就是不能太功利的?！?/p>

隨后，針對當(dāng)前「智能為何表現(xiàn)得如此無知，而多數(shù)研究都集中在行動」這一問題，徐揚生也表達的自己的看法：大家往往都認為行動才是最基本的，然而實際上智能才是最基本的。以人類類比，人體中最基本的器官就是心腦，即智能，對人如此，對機器人亦如此。

那智能來自哪里？智能是學(xué)習(xí)的過程。機器人目前主要學(xué)自算法，而他認為，機器人更應(yīng)該從人類行為、自然界學(xué)習(xí)。

最后，他還針對「機器人的學(xué)習(xí)能力實現(xiàn)到什么樣的程度可以通用化」、「應(yīng)該研究動態(tài)還是靜態(tài)的機器人」兩個重要的機器人研究問題分享了自己的思考。

韓國高麗大學(xué)校人工智能系主任教授、韓國科學(xué)技術(shù)翰林院院士、IEEE Fellow 李晟瑍（Seong-Whan Lee）是第二位出場的嘉賓，他基于其研究工作——人工智能冰壺機器人系統(tǒng)「Curly」給大家?guī)砹松疃葟娀瘜W(xué)習(xí)方面的報告，報告題目是「深度強化學(xué)習(xí)：現(xiàn)實中的回合制策略游戲」。

首先，他對冰壺策略游戲進行了科普：冰壺策略游戲是奧運會的一個比賽項目，選手需要在冰面上將石球向中心位置投擲，被稱作「冰上國際象棋」。而人工智能冰壺機器人系統(tǒng)通過尋找到最優(yōu)策略來完成比賽，整體來看包括四個部分：

• 第一部分是理解博弈狀態(tài)，即識別出石球每移動一次的實施運動軌跡；

• 第二部分是構(gòu)建匹配的大樹據(jù)，即收集和學(xué)習(xí)與最優(yōu)化策略匹配的大數(shù)據(jù)；

• 第三部分是真實模擬，即基于石球的碰撞、磨蹭以及冰面的情況來進行真實模擬；

• 第四部分則是規(guī)劃最優(yōu)策略，即基于 DNN 和 MCTS 算法來解決不確定性問題以實現(xiàn)策略最優(yōu)化。

隨后，他對其研究成果——人工智能冰壺機器人系統(tǒng)「Curly 」在在真實的冰壺賽場上的比賽視頻進行演示，展現(xiàn)了「Curly 」系統(tǒng)的三個組成部分：基于 AI 的冰壺策略和模擬引擎能夠考慮冰面的高度不確定性；拋擲型機器人可通過牽引力控制實現(xiàn)自動驅(qū)動；跳躍型機器人基于視覺技術(shù)能夠識別冰壺場地以及石球在場地上的整體布局。

據(jù)悉，無論是在傳統(tǒng)的游戲環(huán)境，還是與人類對手（即排名第一的韓國女子冰壺隊）互動時，該系統(tǒng)都表現(xiàn)得非常不錯。

接下來，是來自平安、滴滴、百度的三位企業(yè)嘉賓依次帶來報告，他們從企業(yè)應(yīng)用的角度出發(fā)，以不同的視角為大家?guī)砹巳斯ぶ悄芗夹g(shù)創(chuàng)新方面的分享。

平安集團首席科學(xué)家肖京在主題為「智能化金融戰(zhàn)略—探索與實踐」的報告中，基于平安對智能化技術(shù)的研發(fā)及應(yīng)用實踐，分享了對于智能化大數(shù)據(jù)分析挖掘在金融業(yè)務(wù)應(yīng)用方面的探索。

他指出，相對于互聯(lián)網(wǎng)+，智能+更加復(fù)雜，前者互聯(lián)網(wǎng)只是模式的創(chuàng)新，相對容易實現(xiàn)；而后者則是技術(shù)上的創(chuàng)新，需要具備數(shù)據(jù)、技術(shù)（算法和算力）、場景和行業(yè)專家四大要素，讓業(yè)務(wù)流程的每個環(huán)節(jié)都實現(xiàn)智能化。

在「智能+」的能力建設(shè)上，他從平安對智能+ 的案例實踐出發(fā)，指出可以分三步走：

• 第一階段是嬰兒階段，即形成包括聽覺、視覺、閱讀理解能力在內(nèi)的基礎(chǔ)認知；

• 第二階段是學(xué)習(xí)階段，即構(gòu)建海量信息和知識圖譜的全面知識體系；

• 第三階段是專家階段，即能夠具備打造專業(yè)解決方案的能力，能夠讓 AI 賦能金融服務(wù)、醫(yī)療、智慧城市等行業(yè)應(yīng)用場景。

最后，他也提及平安對于 AI 倫理問題的極大關(guān)注，不僅積極參與各大部委對于 AI 倫理的標準制定，還專門成立了平安人工智能倫理委員會，創(chuàng)建了一套完整的體系來保證 AI 不會被濫用。

滴滴出行聯(lián)合創(chuàng)始人、首席技術(shù)官、自動駕駛 CEO 張博立足于滴滴「AI for Transportation」的科技戰(zhàn)略，帶來了「AI 引領(lǐng)出行變革」的分享。

他首先分享了滴滴成立的初衷很簡單，即解決出租車司機和乘客的痛點：一方面，出租車司機大約 30% 的時間和燃油都花費在尋找乘客的過程中，同時也帶來了交通擁堵、尾氣排放等一系列問題；而另一方面，乘客也需要走到路邊花時間去攔車。在過去的七年時間里，滴滴主要朝著地域和出行車品類兩個維度發(fā)展，目前業(yè)務(wù)也覆蓋一千多個城市，5.5 億多萬用戶，運送人次超過 100 億次，這些也為滴滴積淀了海量的出行大數(shù)據(jù)。

他將交通分為三層結(jié)構(gòu)來談自己對于未來交通的預(yù)測：從智能交通基礎(chǔ)設(shè)施來看，包括未來應(yīng)該如何更好地設(shè)計路網(wǎng)或紅綠燈來控制車流和人流；從智能交通工具上來看，未來十年內(nèi)會發(fā)生兩個方面的變革，一是能源從汽油變成電，二是智能駕駛會顯著提高交通的安全和效率；在人和車的關(guān)系上，會從每人擁有一輛車變?yōu)槎嗳斯蚕硪惠v車。

基于這三層結(jié)構(gòu)，他重點介紹了滴滴在共享出行和智能駕駛方面所做的一些工作或積淀的優(yōu)勢：

• 在共享出行方面，滴滴目前已擁有較強的供需預(yù)測能力，例如，滴滴目前對未來 15 分鐘的供需預(yù)測的準確率達到 85%，從而對司機進行最佳調(diào)度和派單，提高效率和優(yōu)化。

• 在智能駕駛方面，滴滴能夠聚合其在科技、數(shù)據(jù)和運營方面已經(jīng)積淀下來的優(yōu)勢來實現(xiàn)智能駕駛的目標?！笇嶋H上，未來智能駕駛的最好落地場景就是滴滴這樣的出行互聯(lián)網(wǎng)領(lǐng)域?！?/p>

百度集團首席技術(shù)官王海峰則從深度學(xué)習(xí)平臺在產(chǎn)業(yè)智能化中發(fā)揮的作用出發(fā)，帶來了主題為「深度學(xué)習(xí)平臺支撐產(chǎn)業(yè)智能化」的報告。

他指出，過去兩百多年歷史中已經(jīng)經(jīng)歷了三次工業(yè)革命，在對歷史的回顧中可以發(fā)現(xiàn)驅(qū)動工業(yè)革命的核心技術(shù)具有很強的通用性。雖然某項技術(shù)一開始可能起于某一行業(yè)，但最終會應(yīng)用到人類生產(chǎn)、生活的方方面，并推動社會進入工業(yè)大生產(chǎn)的階段。而這種工業(yè)大生產(chǎn)階段具有標準化、自動化和模塊化三大特點。

當(dāng)下我們正處在第四次工業(yè)革命的開端，而人工智能則是科技和產(chǎn)業(yè)變革的核心驅(qū)動力量，推動人類社會逐漸步入智能時代，其經(jīng)歷的三個典型階段包括：從人工規(guī)則到機器學(xué)習(xí)再到深度學(xué)習(xí)。

隨后，他以 OCR 技術(shù)和機器翻譯為例，闡述了深度學(xué)習(xí)對于人工智能任務(wù)所帶來的革命性變化，具有很強的通用性，與此同時，深度學(xué)習(xí)作為智能時代的操作系統(tǒng)，能夠向下對接芯片實現(xiàn)整體優(yōu)化，向上承接各種應(yīng)用將技術(shù)落地到實際場景，處于一個非常核心的位置。

然而，目前深度學(xué)習(xí)大規(guī)模產(chǎn)業(yè)化也面臨來自開發(fā)、訓(xùn)練和部署方面的挑戰(zhàn)。對此，百度開發(fā)了飛槳深度學(xué)習(xí)平臺，并且具備標準化、自動化、模塊化的特征，在農(nóng)業(yè)如水培蔬菜智能種植、工業(yè)如精密零件智能分揀以及社會公益等實際場景的智能化應(yīng)用中發(fā)揮出了很好的支撐性作用。

深度學(xué)習(xí)在當(dāng)前人工智能領(lǐng)域的地位自不必多言，而對于已在大數(shù)據(jù)領(lǐng)域深耕多年的美國伊利諾大學(xué)芝加哥分校（UIC）教授俞士綸而言，解決實際問題，數(shù)據(jù)挖掘不僅需要深，還需要廣。俞士綸基于自己近來的研究工作帶來了「Broad Learning: A New Perspective on Mining Big Data」的分享。

他表示，實際上，大數(shù)據(jù)時代并非數(shù)據(jù)量很大，而是指多種多樣的數(shù)據(jù)，而廣度學(xué)習(xí)則能夠融合各類的數(shù)據(jù)，從而挖掘出更多信息，具體而言可以分三步走：

• 首先，定義并獲取相關(guān)的有用數(shù)據(jù)源，也即找到對你的問題有用的數(shù)據(jù)；

• 其次，設(shè)計一種模型來將異質(zhì)數(shù)據(jù)源信息融合起來；

• 最后，基于模型整體的需求從各種數(shù)據(jù)源中深度地去挖掘信息。

與此同時，他指出廣度學(xué)習(xí)的類型可分為三類：

• 第一類是在同一個實體上有不同類型信息的學(xué)習(xí)，即某一實體可能存在文本、圖片、音頻、鏈接等不同類別的數(shù)據(jù)，包括多視角學(xué)習(xí)、多源學(xué)習(xí)和多模態(tài)學(xué)習(xí)；

• 第二類是在不同的但類型相似的實體上信息的學(xué)習(xí)，如遷移學(xué)習(xí)，比如說某一實體的數(shù)據(jù)太少，而另一實體的訓(xùn)練數(shù)據(jù)較多的話，就可以將數(shù)據(jù)更多的一方的數(shù)據(jù)遷移到數(shù)據(jù)較少的一方；

• 第三類是存在復(fù)雜網(wǎng)絡(luò)類型關(guān)系的不同類型實體信息的學(xué)習(xí)，這樣的話要采用基于融合的異質(zhì)信息網(wǎng)絡(luò)（HIN）的方法來對實體之間的關(guān)系來進行融合和挖掘。

隨后，他基于藥物發(fā)現(xiàn)、社交網(wǎng)絡(luò)的推薦等案例詳細講述了如何將深度學(xué)習(xí)和廣度學(xué)習(xí)結(jié)合起來使用，以實現(xiàn)更好的數(shù)據(jù)挖掘效果。

最后一位上場的報告嘉賓是北京大學(xué)研究員、2019CCF 青年「兩秀講者」袁曉如，他的報告題目是「從遇見到預(yù)見 - 數(shù)據(jù)可視化的未來」。

袁曉如指出，在計算機產(chǎn)生之前，可視化就已經(jīng)有各種各樣的形式，比如說在宋朝期間就有了蘇州的城區(qū)圖——平江圖，大家還可以在博物館里看到，也就是說人類在很早起的階段，就希望用一些方式來更好地呈現(xiàn)周圍的世界，而圖則是一個最方便的形式之一。而現(xiàn)在的可視化，更多地指將復(fù)雜、海量的大數(shù)據(jù)轉(zhuǎn)化為更好地讀懂的形式，并且隨著數(shù)據(jù)日益復(fù)雜化，可視化要表達的內(nèi)容也要豐富得多。

實際上，可視化本質(zhì)上是指在數(shù)據(jù)和人之間創(chuàng)建一個媒介，即對外界事物建立模型，以幫助人類更好理解復(fù)雜的事物。目前，可視化面臨的主要挑戰(zhàn)在于可視化構(gòu)型的設(shè)計空間巨大，包括如何用幾何的部件和視覺通道組合起來形成可視化構(gòu)型，該構(gòu)型可能表示高維數(shù)據(jù)，也可能表述網(wǎng)絡(luò)數(shù)據(jù)，但這些構(gòu)型由于使用的視覺通道不一樣，彼此之間并不等價，它們針對某一問題可能有效，而針對另一問題可能并不有效，因此如何對其進行組合是一個復(fù)雜問題。

隨后，他從面向更復(fù)雜數(shù)據(jù)的可視化、可視化的生成更方便、可視化的使用更方便三個維度，結(jié)合一系列案例來闡述可視化在實際數(shù)據(jù)中的應(yīng)用情況。

「這兩天的報告中，有人講人工智能，有人講大數(shù)據(jù)，也有人講強大的計算力，我們將這三個方面視作推動社會進步的三駕馬車，而與此同時我們不要忘了馬車上還坐著一個人，所以我們還需要一個好的界面來幫助我們更好地與三駕馬車進行交互，而我希望可視化將來能夠扮演好這一角色，幫助人類更好地駕馭好馬車！」他最后總結(jié)道。

本次大會的所有特邀報告環(huán)節(jié)到此完美落幕，而今天下午的技術(shù)論壇依舊延續(xù)了昨日的精彩，包括「類腦計算」、「人工智能前沿技術(shù)：探索、實踐和機遇」、「微表情檢測和識別」、「集成電路設(shè)計——促進芯片的敏捷開發(fā)」等在內(nèi)的 28 場技術(shù)論壇場也都人滿為患。

與此同時，萬眾期待的 CNCC 頒獎晚宴也將在今晚落下帷幕，雷鋒網(wǎng) AI 科技評論后續(xù)將報道相關(guān)內(nèi)容，敬請期待。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。