2017年11月28日晚，清華MBA學(xué)生人工智能俱樂部（籌）首次組織的活動(dòng)“AI助力產(chǎn)業(yè)發(fā)展”論壇順利舉辦，清華大學(xué)智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室主任朱小燕教授與IBM副總裁謝東博士作為被邀嘉賓分享了對(duì)人工智能的看法。

       朱小燕教授現(xiàn)任清華計(jì)算機(jī)系教授，博士生導(dǎo)師，智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室主任，北京市計(jì)算機(jī)學(xué)會(huì)副理事長。

       朱教授從人工智能發(fā)展的歷史和一些關(guān)鍵問題方面進(jìn)行了分享。從人工智能的產(chǎn)業(yè)成熟曲線來看，人工智能的發(fā)展勢(shì)頭經(jīng)歷了多次的起伏，目前正處于發(fā)展的高點(diǎn)，因?yàn)橘N近民生而備受關(guān)注。朱教授認(rèn)為，人工智能實(shí)際是各種關(guān)鍵技術(shù)的表現(xiàn)，從技術(shù)集成成系統(tǒng)，最終體現(xiàn)在產(chǎn)品上。從研究特點(diǎn)來看，人工智能的研究包括了理論和技術(shù)的集合，但最重要的看的是如何巧妙地利用和實(shí)施技術(shù)，應(yīng)用是人工智能普及到大眾最重要的環(huán)節(jié)。同時(shí)，人工智能在實(shí)際生活當(dāng)中，使用的是關(guān)鍵技術(shù)，但應(yīng)用時(shí)可能是用模塊的形式。

       朱教授還分享了幾個(gè)人工智能的重要研究領(lǐng)域，包括1) 腦科學(xué)——應(yīng)用案例如Motor Imagery System（腦電波控制機(jī)器人踢球的案例）、Dialing Phone Number（眼神控制物體的案例）等；2) 圖像識(shí)別應(yīng)用——應(yīng)用案例如機(jī)器看圖說話、可行動(dòng)的機(jī)器人、基于深度學(xué)習(xí)的機(jī)器翻譯系統(tǒng)、機(jī)器寫字、機(jī)器人寫詩、機(jī)器作畫等。同時(shí)，朱教授指出現(xiàn)在機(jī)器學(xué)習(xí)存在一些誤區(qū)，包括機(jī)器學(xué)習(xí)不等于人工智能、深度學(xué)習(xí)不等于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)不等于神經(jīng)元網(wǎng)絡(luò)模型、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)不等于深度學(xué)習(xí)等等。

       最后，朱教授和在場的同學(xué)一同討論了關(guān)于人工智能的三個(gè)關(guān)鍵問題：

問題一：AI落地的關(guān)鍵是什么？

解答思路：人工智能從實(shí)驗(yàn)室應(yīng)到生產(chǎn)線，需要的是三個(gè)因素——需求、數(shù)據(jù)、算法，缺一不可。若需要區(qū)分主次，則場景是關(guān)鍵，產(chǎn)品是主導(dǎo)，技術(shù)是支撐。

問題二：智能發(fā)展空間在哪里？

解答思路：知識(shí)管理平臺(tái)。理想的人機(jī)交互強(qiáng)調(diào)知識(shí)的表達(dá)和推理，機(jī)器應(yīng)該是增強(qiáng)人的力量的存在，需要和人溝通以實(shí)現(xiàn)協(xié)作，完成知識(shí)的表述和推理。人類是統(tǒng)計(jì)思維（共線關(guān)系）和邏輯思維（因果關(guān)系）最好的融合，因而當(dāng)知識(shí)管理平臺(tái)能夠?qū)⒔y(tǒng)計(jì)和邏輯結(jié)合時(shí)，才能更好地發(fā)展起來。

問題三：智能平臺(tái)如何打造？

解答思路：首先需要注意的知識(shí)是智能平臺(tái)的支撐，需要從數(shù)據(jù)里面提取出信息，再提取總結(jié)成知識(shí)的形式。當(dāng)前的信息獲取與交流平臺(tái)實(shí)現(xiàn)了打通數(shù)據(jù)，做可定制化的信息服務(wù)，但不同的信息需求者并沒有共享的知識(shí)，企業(yè)的信息沒有變成企業(yè)的知識(shí)和大腦。新一代的交流平臺(tái)中應(yīng)該加一層企業(yè)知識(shí)平臺(tái)，統(tǒng)一表述和處理知識(shí)以促進(jìn)不同信息需求者的溝通。在信息冗雜與快速更新?lián)Q代的時(shí)代，需要利用人工智能技術(shù)，將企業(yè)信息變?yōu)槠髽I(yè)知識(shí)，用知識(shí)建立一個(gè)“企業(yè)大腦”。

       謝東博士為IBM副總裁與中國系統(tǒng)開發(fā)中心總經(jīng)理。

       謝東博士和崔瑋博士主要從人工智能的應(yīng)用方面進(jìn)行分享。目前人工智能有許多應(yīng)用的典范和事例，IBM也在一直嘗試將人工智能應(yīng)用到實(shí)際的場景中去。對(duì)于IBM而言，場景的應(yīng)用更多考慮的問題是：在場合中能夠幫助解決什么問題？怎樣才能在企業(yè)里培養(yǎng)人工智能的相關(guān)能力？如何部署平臺(tái)？面對(duì)具體需求時(shí)，哪個(gè)方法才能解決問題？能不能降低精度的要求來實(shí)現(xiàn)成本的降低？人工智能若無法落地，就不能實(shí)現(xiàn)價(jià)值，而在落地過程中場景是關(guān)鍵，數(shù)據(jù)是基礎(chǔ)。針對(duì)IBM人工智能的實(shí)踐案例，崔瑋博士首先介紹了IBM的深度學(xué)習(xí)平臺(tái)，即全生命周期管理的集成開發(fā)環(huán)境：在人工智能項(xiàng)目中，客戶和公司會(huì)共同完成由理論到應(yīng)用的過程，實(shí)現(xiàn)從“業(yè)務(wù)需求→數(shù)據(jù)獲取和標(biāo)簽化→數(shù)據(jù)準(zhǔn)備及清洗→設(shè)計(jì)模型并進(jìn)行調(diào)優(yōu)→設(shè)計(jì)模型并進(jìn)行調(diào)優(yōu)→部署模型→上線運(yùn)維→調(diào)整模型>>>>業(yè)務(wù)需求（重新修正）”的閉環(huán)。

       同時(shí)，崔瑋博士還分享了以下的IBM人工智能應(yīng)用案例：

案例一：期貨指數(shù)預(yù)測(cè)（金融）

用過去60分鐘的數(shù)據(jù)預(yù)測(cè)未來10分鐘的漲跌，達(dá)到85%左右的準(zhǔn)確率。但由于很多交易策略不僅僅只看漲跌，因此和實(shí)際的交易需求還存在差距。

案例二：信用卡/存折識(shí)別（金融/政府）

圖像識(shí)別的實(shí)踐，具體的需求如在機(jī)場的VIP中心內(nèi)利用信用卡識(shí)別判斷客戶能否進(jìn)入。

案例三：腫瘤擴(kuò)散評(píng)估（醫(yī)療）

預(yù)測(cè)腫瘤擴(kuò)散情況并標(biāo)記，達(dá)到84%以上的準(zhǔn)確率。值得注意的是，醫(yī)療行業(yè)偏向于將健康識(shí)別成疾病，因而調(diào)整模型時(shí)有較強(qiáng)的傾向性。

案例四：晶元瑕疵檢測(cè)（制造）

制造業(yè)中圖像識(shí)別的實(shí)踐。

案例五：良品率分析（制造）

預(yù)測(cè)鋼材質(zhì)量。同樣具有傾向性，偏向于更準(zhǔn)確地識(shí)別是“好鋼”。

案例六：業(yè)務(wù)工單聚類與分析（金融/電信/保險(xiǎn)/醫(yī)藥）

業(yè)務(wù)系統(tǒng)每天會(huì)產(chǎn)生大量工單，需要自動(dòng)判斷工單類別，并根據(jù)類別從知識(shí)庫中提取此類工單的處理方法反饋給申請(qǐng)人。在各個(gè)行業(yè)中都有應(yīng)用的案例。

案例七：ATM機(jī)攝像頭前的面部識(shí)別（金融）

識(shí)別人臉是否遮擋。

       最后，崔瑋博士提出，在中國市場里面，不同行業(yè)的應(yīng)用案例與應(yīng)用復(fù)制性不同，一般來說，制造業(yè)中模型較易復(fù)制，銀行及金融行業(yè)中模型也相對(duì)能夠復(fù)制，而醫(yī)療健康行業(yè)需要雖然有一些現(xiàn)成的模型可以應(yīng)用，但整體而言不同醫(yī)院在AI中投入不同，需要合作才能做出更好的成果。

關(guān)于清華MBA 學(xué)生人工智能俱樂部（籌）：

清華MBA 學(xué)生人工智能俱樂部（籌）是清華MBA在校生的組織，它為了迎接全社會(huì)產(chǎn)業(yè)升級(jí)做準(zhǔn)備，在人工智能領(lǐng)域給大家搭建一個(gè)溝通、學(xué)習(xí)和發(fā)展的平臺(tái)。俱樂部也會(huì)在后續(xù)為大家?guī)硇袠I(yè)、方案、產(chǎn)品和技術(shù)方面的人工智能論壇及課程，為大家在各自行業(yè)的AI+做出貢獻(xiàn)和努力。