6 月 18 日，以“AI新勢能，智創(chuàng)新未來”為主題的GCVC全球人工智能視覺產(chǎn)業(yè)與技術(shù)大會在青島西海岸新區(qū)舉行，聚焦探討 AI 新勢能下的機遇與挑戰(zhàn)。

會上，西安電子科技大學(xué)計算機科學(xué)與技術(shù)學(xué)部主任焦李成、北京大學(xué)信息科學(xué)技術(shù)學(xué)院智能科學(xué)系教授查紅彬、北高峰資本及坤湛科技創(chuàng)始人兼 CEO 閔萬里等多位專家學(xué)者，以及極視角科技有限公司創(chuàng)始人兼董事長陳振杰、華潤置地華南大區(qū)產(chǎn)業(yè)發(fā)展部副總經(jīng)理繆青等多位行業(yè)人士帶來了演講分享。

雷鋒網(wǎng)將部分演講內(nèi)容進行了不改變原意的精編，具體如下：

閔萬里《科技創(chuàng)新驅(qū)動中國制造》

今天我們在產(chǎn)業(yè)升級，在制造業(yè)當(dāng)中，人工智能是不是可以承擔(dān)源頭創(chuàng)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(jīng)看到，AlphaGo 最大的威力不是在下棋，是在基礎(chǔ)數(shù)據(jù)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(chǎn)業(yè)、廣義制造業(yè)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(xiàn)這樣一種轉(zhuǎn)化？

其實不外乎幾點，第一就是抓住人才，懂產(chǎn)業(yè)場景，又懂算法。但是技術(shù)專家還不夠，我們需要有人懂產(chǎn)業(yè)的場景，然后還要有傳承，那一代的工人對整個制造業(yè)發(fā)展的卡脖子的問題哪些地方是痛點其實已經(jīng)非常明了，他們的經(jīng)驗和教訓(xùn)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(yè)界有非常多的垂直化的應(yīng)用場景，這些應(yīng)用場景很遺憾，跟我們的供給者、開發(fā)者之間隔了一道墻，往往有序的數(shù)據(jù)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(fā)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(dāng)人工智能走入垂直行業(yè)的時候還是獨木橋，有人摸著石頭過河，去看一看這個技術(shù)能不能解決煉鋼的問題，能不能解決半導(dǎo)體流片的問題，但是今天當(dāng)它已經(jīng)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(zhàn)與思考》

大家都生活在一個大數(shù)據(jù)的時代，如果不能很好地處理大數(shù)據(jù)，大概會被淹死在大數(shù)據(jù)的海洋當(dāng)中，如果能夠巧妙地處理大數(shù)據(jù)，一定會變成信息，信息一定會轉(zhuǎn)化為知識，知識一定會轉(zhuǎn)化為發(fā)展的動力和創(chuàng)新的動力，從這個意義上來講，我們怎么樣去做？

任何先導(dǎo)區(qū)也好、試驗區(qū)也好，靠什么？靠技術(shù)，靠殺手锏，靠硬科技，這些從哪里來？從掌握這些技術(shù)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(shè)在交叉學(xué)科的領(lǐng)域，要加快人才的培養(yǎng)，到現(xiàn)在為止全國將近 200 所高校設(shè)立了人工智能學(xué)院和人工智能研究院。

人工智能不是沒有基礎(chǔ)，它的基礎(chǔ)涉及腦科學(xué)、生理科學(xué)、圖靈獎，所有的這些是構(gòu)成我們現(xiàn)在人工智能的基礎(chǔ)。人工智能涉及的是一個更廣泛的領(lǐng)域，人文、社科、生物、腦科學(xué)等，都需要我們?nèi)プ?，?dāng)然我希望大家應(yīng)該做一件事情。

查紅彬《視覺 SLAM：在線學(xué)習(xí)的途徑》

SLAM 研究并不是一個新的話題，有關(guān) SLAM 的研究已經(jīng)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(yīng)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(zhàn)，如 SLAM 研究缺乏系統(tǒng)性，算法缺少泛化能力，誤差積累嚴(yán)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(guān)系。

但是，在 SLAM 具體的問題中，進來的傳感器數(shù)據(jù)都是有時間先后順序的，而這個時間的先后順序應(yīng)該是能夠起到很大的作用，我們通常所講的時間上的相關(guān)性、異質(zhì)性、連續(xù)性，應(yīng)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(shù)據(jù)當(dāng)中沒有把時間上的相關(guān)性用好，這可能是一個非常大的問題。

我們?nèi)绻軌虬褧r間上的相關(guān)性應(yīng)用好了，就能夠把預(yù)測用好，能構(gòu)建一個實時預(yù)測、在線預(yù)測的系統(tǒng)，每時每刻預(yù)測下個時刻怎么樣，如果預(yù)測對了，就不需要計算了，如果預(yù)測不對，誤差反饋回來能幫助我們來修改系統(tǒng)，因此這是一個非常好的方式。

陳振杰《計算機視覺行業(yè)趨勢與洞察》

到目前為止，其實我們?nèi)斯ぶ悄艿募夹g(shù)其實在不斷發(fā)展的過程當(dāng)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(fā)現(xiàn)，在產(chǎn)業(yè)的角度我們沒有辦法去做出一個像人一樣聰明的系統(tǒng)，因為我們?nèi)似鋵嵤且粋€大腦，能夠去識別世間萬物，能夠做語音、視覺、文字理解、認(rèn)知都是由大腦來實現(xiàn)的，當(dāng)然會有不同的分區(qū)。

回到圖像識別技術(shù)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(zāi)，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(nèi)的每一個垂直領(lǐng)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(yīng)的都是一種算法，所以現(xiàn)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(shù)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(shù)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(wǎng)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。