前沿 | 学术大师大讲堂回顾(上) — 迈向人工智能2.0时代的大数据智能和跨媒体智能
学术大师大讲堂暨西湖学术会议
小编李上周五有幸到了现场，场面很宏大，想来120周年校庆之际也是大咖云集。
到现场的就有中国工程院原常务副院长潘云鹤院士、国家自然科学基金委副主任高文院士、浙江大学吴朝晖校长、刘韵洁院士、谭建荣院士、李兰娟院士、陈纯院士等80余位业内专家，共同探讨人工智能2.0中大数据智能和跨媒体智能的未来发展规划。
论坛精彩回顾
院士篇
在会议上，吴朝晖校长首先致辞，回顾了人工智能的“三起三落”，并指出本次AI潮流的主要特征有：产业热、学界热、国家热，其希望能够通过发展AI 2.0技术来提高我国的科技创新能力。
随后，陈纯院士、李兰娟院士和刘韵洁院士分别就“大数据智能软件平台”、“智能医疗大数据”和“未来网络智能服务”为议题展开了讨论。
陈纯院士首先回顾了大数据智能的进展，指出当前深度学习面临的技术挑战是：对神经网络的搭建需要丰富的经验，基于在线数据的增量学习还处于起步阶段，并以Google Beam框架为例，介绍了流式+批式处理统一的编程框架。同时，陈纯院士介绍了流立方大数据智能软件平台，简述了如何用机器学习去学习规则权重。他认为，对于深度学习平台来说，仅开源代码是远远不够的，当前更需要的是统一服务、开放架构和统一标准。
李兰娟院士分享了人工智能在医疗领域的发展与应用，列举了诸多国内外最新进展，诸如Stanford深度学习皮肤癌诊断、IBM Watson正在改变肿瘤临床诊断与治疗的运作模式。她认为，人工智能及相关技术的融合，可以提高医疗服务的供给能力，并且实现医疗精准化，希望在这一阶段中可以培养培育一批骨干青年，服务国家经济转型。
“人工智能是一种具有巨大社会和经济效益的革新性技术，它可能彻底改变我们的生活、工作、学习、发现和沟通方式。”刘韵洁院士在研讨会上如是说。刘韵洁院士指出除SDN、NFV外，人工智能也将是未来网络的重要组成部分，并以美国AT&T公司基于AI的软件定义网络和MIT的基于AI的网络攻击智能监测系统AI2为案例，表示人工智能助力未来“智能型”网络发展已是趋势。
教授篇
来自清华大学、北京大学、浙江大学、上海交通大学、复旦大学、中国科技大学等20余所高校教授围绕人工智能架构、平台及创新性应用等主题，分享了人工智能2.0时代的前沿成果。
在上午场中，庄越挺教授、黄铁军教授、朱文武教授、徐雷教授以及陈云霁研究员的博士生分别就《知识计算引擎》、《神经形态计算》、《跨媒体计算》、《综合推理》、《寒武纪神经芯片》为题进行了主题演讲。
庄越挺教授在《知识计算引擎》演讲中，以CMU NELL和IBM Watson为例介绍了知识计算引擎：NELL是一个永不停息的学习系统，从2010开始，不断从互联网网页中学习实体和关系等信息，构建知识网络；Watson也是通过数据驱动学习方式在问答挑战中战胜了人类选手。同时，他指出当前知识计算存在的主要问题是：输入单一，模态不关联；可拓展性和可信度之间的平衡；知识可解释性差，推理困难。
黄铁军教授在《神经形态计算》演讲中指出，目前我国高性能计算已经处于世界第一阵营，有望在神经形态计算方面与世界并跑。同时，黄教授简单阐述了大脑的逆向工程、大脑的解析仿真，同时也介绍了由他牵头的“大脑初级视觉系统解析仿真平台研究和应用验证”项目情况。
企业篇
来自百度、腾讯、阿里、科大讯飞等企业的技术专家也都分享了各自公司的特色AI产品。
阿里IDST的华先胜分享了AI技术在企业业务中的诸多应用，例如以图搜图、城市之眼；百度深度学习实验室的周杰介绍了百度大脑、度秘Duer和PaddlePaddle开源平台；腾讯人工智能实验室的罗迪君介绍了击败众多顶尖围棋选手的“绝艺”；让小编印象深刻的还有科大讯飞对自己“顶天立地”追求的阐释--顶天：追求国际一流技术水平和科技创新，立地：进入行业，发展商业，立志服务社会。
同时，百强县德清的政府代表也介绍了德清县近几年来的发展和未来科技规划，表示希望能够借助人工智能2.0技术来加快区域发展。
小编今天想分享些在会上听闻的AI 2.0 应用
首先就先来了解下什么是人工智能 2.0～
人工智能 2.0概述
人工智能 2.0
「科技创新2030—重大项目」将新增AI 2.0专项
在今年两会上，AI首次进入总理的政府工作报告中
潘云鹤院士于2016年12月在中国工程院院刊Engineering（主刊）发表了题为“Heading toward artificial intelligence 2.0”的论文，首次明晰了人工智能2.0 的核心理念。随后中国工程院院刊信息与电子工程学部分刊Frontiers of Information Technology &Electronic Engineering（《信息与电子工程前沿（英文）》于2017年第一和第二出版了“Artificial Intelligence 2.0”特刊，对大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统等AI2.0重要方向进行了解读。
「我们给出的AI 2.0初步定义是：基于重大变化的信息新环境和发展新目标的新一代人工智能。其中，信息新环境是指：互联网与移动终端的普及、传感网的渗透、大数据的涌现和网上社区的兴起等等。新目标是指：智能城市、智能经济、智能制造、智能医疗、智能家居、智能驾驶等从宏观到微观的智能化新需求。」
（图片来源于网络）
"
"
中国正值现代化发展高潮，急需AI不断改善人民生活，提高社会生产力，提高资源利用水平。智能化的需求牵引，使AI在城市、医疗、交通、通信、制造、经济等方面取得广泛应用。接下来小编就给大家介绍些会议上听到的AI 2.0应用，ps：部分内容是自己拓展的～
"
AI 2.0 前沿应用
知识计算、跨媒体感知
IBM Watson概览
（教授们提及到它，因此小编汇总了些资料）
（主要涉及音乐和礼服设计两点，建议查阅官网～）
Watson认知音乐
「听听最近在流行什么音乐，就知道你身处什么样的文化潮流。」
冲上 Spotify 全球榜 Top 2 的单曲《Not Easy》，由曾为蕾哈娜、梦龙乐队担任音乐监制的格莱美获奖制作人 Alex Da Kid 主创，共同创作还有 Watson！
Watson 通过学习 26000 首流行歌曲，了解每首歌曲背后的语言风格、社交流行趋势和情感表达，并且分析 5 年来的流行文化，探索什么样的主题、旋律最打动人，从个人小爱到世界大爱， 将大量的非结构化数据转化为情感洞察，从中抽取流行音乐主题，帮助 Alex 锁定了音乐创作核心——“心碎”。
Watson认知礼服：将认知技术注入时尚领域
时尚品牌 Marchesa 与 Watson 携手，创造出全球首款认知礼服。Watson 分析了成千上万篇文章，扫描了数百张图像，并实时从社交评论中洞察情绪，使礼服随之变换颜色。在纽约大都会艺术博物馆慈善晚宴(Met Gala)惊艳全场，为超模 Karolina Kurkova 打造了一款能感知推特粉丝情绪的智能变色礼服。
Watson能为设计师提供配色、面料及廓型等方面的建议参考。其通过分析海量的科学报告数据，尤其在不同材质的成分、电流强度、重量以及质量的甄选方面下足了功夫，快速找到了适合Marchesa品牌定位的材质；同时，对Instagram的海量图库进行高效数据分析，成功找到匹配Marchesa粉丝群的价值观、需求偏好和品味的色彩。
阿里云使用案例
(该部分内容由iDST华先胜讲述，下图来自网络公开，
不涉及阿里内部项目@云眼，无记录任何PPT，
ps：小编认为阿里的业务能力真是很强的)
拍立淘：以图搜图
电商的图像搜索（通过拍照的方式进行商品搜索）解决的是文字之外的搜索入口问题。
「从算法角度，需要商品检测和商品识别，以及商品特征描述；从系统角度有快速索引、实时检索；从平台角度有索引和检索流程的平台化、流程化；从价值角度，用户量和交易量就可以反映出来。」
以图搜图的流程如上：第一步是图片质量判断和类目识别，第二是主体检测和质量判断，第三是特征提取，第四是检索，第五是排序和搜索结果质量判断，最后是结果呈现，反馈给最终的用户。在整个链路中，深度学习贯穿始终。
视觉广告：直播插入广告、场景化广告、Banner设计
「广告是充分挖掘个人视频、娱乐视频价值的常用方式。」
在这一点上，阿里视觉广告主要分为：Video-In广告、Video-Out广告和广告设计三种。一种方法是对视频进行分析，进行相机跟踪、三维重建，并在场景中检测平面，去寻找合适的广告位置。在候选完广告位之后，再进行实时的广告匹配，得到实时的嵌入式、植入式的广告效果。
此外，华先胜研究员在论坛上也指出，尽管存储的数据量很大，但对一些问题来说，实际能拿来做算法研发的数据不是很多，例如车牌识别问题中所需的双层车牌、黄色车牌数据。因此，会通过“风格化自编码器生成对抗网络”，通过一些算法合成的以假乱真的特殊车牌、路牌。
人工智能--智能医疗
Science：自学习式人工智能可协助预测心脏病发作
「每年有近 2000 万人死于心脑血管疾病。许多医师使用和ACC/AHA相似的指导方针来预测疾病，主要基于年龄、胆固醇水平和血压在内的八个风险因素。与 ACC/AHA 指导方针不同，机器学习方法可考虑超过 22 个的特征，包括民族、关节炎和肾脏疾病等。」
在研究中，Weng 对比了 ACC/AHA 指导方针和 4 个机器学习算法：随机森林、logistic 回归、梯度提升以及神经网络。模型的数据来自英国 378256 名患者的电子医疗记录，希望能找出发病模式：使用 2005 年的记录数据来预测未来十年内哪些患者会首次发生心脑血管疾病，然后再使用 2015 年的记录检查预测结果。所有 4 种人工智能方法的表现都优于 ACC/AHA 指导方针。
人工智能走进ICU：预测死亡准确率达93%
「在重症监护室(ICU)，往往有个不成文的期望：减少“在病床上去世”事件的发生。」
ECRI研究所设计了能预测PICU死亡率的实验系统，可以用来判断患者的实时病情以及病情何时可能恶化。他们从医院电子健康记录获取孩子的生命体征数据、已有的实验室检测结果、用药信息和执行的治疗方案等。
他们使用了超过12000名患者的健康记录，通过循环神经网络(RNN)发现数据中的相关规律，成功识别出了即将死亡的患者。程序预测死亡的准确率达到93%，明显比目前使用的评级系统表现更好，因为RNN能随着时间推移，根据病人最近的临床数据，做出最准确的预测。
人工智能助力未来网络
Google用AI技术优化数据中心
(论坛中提到，尽管非计算机网络，但问题类似)
Google正在建设一些超级智能服务器群，它们能够从过去的表现中学习，并不断提升自身性能，实现数据中心的性能最大化和能耗最小化。
谷歌在数据中心内设置数千只传感器，积累了数据中心内各设备的温度、耗电量、泵速、各项设定等数据。通过神经网络来学习这些运转数据与冷却设备耗电量之间存在的模式。而且，进一步通过神经网络学习数据中心周边的气温与气压的时间序列数据，还可以预测1小时后数据中心周边的天气情况。
谷歌运用这些分析结果，构建出了在预测1小时后的天气和设备运转情况的基础上，根据情况优化冷却设备运用方案的系统。通过根据预测微调冷却设备的运用，冷却设备的耗电量最大可减少40％。
MIT AI2系统预测网络攻击
MIT安全研究人员研发的AI2是基于人工智能的网络安全系统，通过机器学习方法来分析超过3.6亿行的日志文件，让模型学习如何检测网络攻击，告警可疑行为，可准确预测85%的网络攻击。
AI2系统首先用机器学习的技术自主扫描数据和活动，之后把发现的结果反馈给人类分析师。人类分析师将会识别哪些是真正的网络攻击活动。反馈将会纳入AI2系统，从而用于对新日志的分析。分析的数据量越多，分析的结果将会越精确。
总算写完+排版结束啦，由于时间的缘故，前沿应用部分很多内容没法展开细讲，希望之后能补完下篇～
（本文图片均来源于网络）
今日小编
- 李小编-
！！！！！！！！！！！！
好久没写推文啦～
最懂你的公众号
浙江大学计算机学院研究生
