中國認知計算和混合智能學術大會(CCHI2018)由國家自然科學基金委員會信息科學部、中國自動化學會與中國認知科學學會聯合主辦，是國內首個關注認知科學、神經科學與AI交叉融合的高端學術會議。本屆大會邀請了認知建模與計算、混合智能、智能機器人、智能駕駛等領域海內外知名專家作學術報告，交流相關研究領域的最新成果和發展趨勢。
王海峰是人工智能的領軍人物之一，在國內外有廣泛的影響力。他是自然語言處理領域最權威的國際學術組織ACL 50多年歷史上唯一出任主席(President)的華人，也是ACL亞太分會(AACL)創始主席。同時，王海峰是百度人工智能的奠基者和領導者，為百度創建和發展了自然語言處理、知識圖譜、語音、視覺、深度學習等AI核心技術，并成立AI技術平臺體系(AIG)擔任總負責人，致力于AI相關技術的研究及其應用落地。
百度大腦迭代更新 逐步加深對客觀世界的認知
在大會報告中，王海峰分享了百度大腦的最新進展。百度大腦是百度AI技術多年積累和業務實踐的集大成，包括視覺、語音、自然語言處理、知識圖譜、深度學習等AI核心技術和AI開放平臺，對內支持百度所有業務，對外全方位開放，助力合作伙伴和開發者，加速AI技術落地應用，賦能各行各業轉型升級。
百度大腦的演進，從基礎技術積累，到建立完整的技術體系，再到核心技術進入多模態深度語義理解階段，同時伴隨著百度多年的業務實踐和AI能力的全面開放。
王海峰指出，AI技術與產業的結合愈發多元化，單一技術已無法滿足應用需求，具備“多模態深度語義理解”能力的百度大腦通過多技術融合，能讓機器對客觀世界有更深層認知，從而更好的支撐應用。
百度大腦新階段：多模態深度語義理解
“多模態深度語義理解”是指對文字、聲音、圖片、視頻等多模態的數據和信息進行深層次多維度的語義理解，包括數據語義、知識語義、視覺語義、語音語義一體化和自然語言理解等多方面的語義理解技術。“多模態深度語義理解不僅能讓機器聽清、看清，更能深入理解它背后的含義，深度地理解真實世界，進而更好地支撐各種應用。”王海峰解釋。
在AI領域，數據的重要性不言而喻。無論是物理世界、人類社會還是網絡空間，都匯聚了海量的多元、異構、多模態數據。數據語義化技術可以將這些數據形成包含千億節點、萬億關系的龐大數據語義網絡，從中總結規律、提煉知識、發現價值，助力經濟和社會發展。王海峰介紹，數據語義化技術已經在生產生活中發揮作用，比如在新能源充電樁運維中，利用百度的數據語義化技術進行設備監測、故障診斷等，可以顯著提升效率，節約成本。
除了數據，理解并運用大千世界中的多元知識也是AI技術進一步突破、深層次理解客觀世界的重要基礎。百度已經構建了包含數億實體、數千億事實的龐大知識圖譜。除了基礎的由實體、屬性、關系構成的實體圖譜，百度還針對不同的應用場景和知識形態，構建了關注點圖譜、事件圖譜、多媒體圖譜、行業圖譜等多種知識圖譜。
視覺語義化可以讓機器從看清到看懂視頻，并提煉出結構化語義知識。王海峰通過體育比賽視頻的案例，展示了視覺語義化技術的價值。他介紹，2016年，百度AI實現了奧運會籃球比賽的自動解說，背后是自然語言處理和搜索技術。如今，應用視覺語義化技術對世界杯比賽視頻進行解析，AI能夠全面識別視頻中的球員、裁判、球、以及球門、球場線等人、物和場景，可以捕捉射門、進球、角球、任意球、換人等事件，形成比賽的語義化知識，既可以實現機器人解說比賽，也可以進行精彩片段集錦、以及各種數據統計分析等更深層的應用。
語音語義一體化技術讓機器聽得更清楚準確，實現更自然的人機對話。王海峰介紹，百度采用多語種聲學混合建模，中文的Deep Peak 2模型效果比業界最好競品錯誤率相對降低20%; WaveNet+拼接的情感語音合成技術，既可以使機器發聲的自然度大幅提升，又避免了計算量過大的問題。
自然語言理解是人工智能最具挑戰的技術領域之一，近年來取得的進展已經釋放出巨大的應用價值。王海峰介紹，在對話理解上，百度研發的深層注意力匹配模型，比已知的最好結果提升了4.1%，人機對話交互更加流暢自然。而在閱讀理解上，百度大腦已經閱讀了千億量級的文章，相當于6萬個中國國家圖書館的藏書，積累了億級實體、千億事實的知識，從而深入地理解內容、獲取知識，支持更廣泛的應用。
百度大腦的技術能力在不斷進步，對外開放也更加全面和豐富。截至目前，百度已對外開放120多項領先的AI場景化能力與解決方案，并通過開源開放深度學習框架PaddlePaddle、定制化平臺EasyDL等、實訓平臺AI Studio、軟硬一體的AI能力，持續降低AI應用門檻，幫助開發者和企業應用AI實現業務創新與升級。
直面人工智能的機遇和挑戰 為發展加速
人工智能技術發展迅速，在各行各業的應用落地正在變得更加廣泛并開始走向深入。面對全社會掀起的人工智能熱潮，我們更要清醒地認識AI發展的機遇和挑戰。
在基礎理論層面，小樣本學習、低能耗的智能機制或許是人工智能面臨的最大挑戰。目前的深度學習技術都是建立在大規模樣本、高能耗計算的基礎之上，同時，深度神經網絡的結果很難解釋。因此，未來的人工智能理論研究，要探索如何讓人工智能像人類一樣，能夠做到小樣本學習，能耗低，且真正地被理解。
在應用技術層面，視覺、語音等感知技術在這一輪深度學習的浪潮中得到很大提升，甚至某些方面的能力已經超越人類。但在認知技術方面，無論是對語言的理解，還是對知識的掌握和應用，依然有很大的進步空間。因此，自然語言處理、知識圖譜等認知技術，將是未來非常重要的研究方向。
從產業層面，一方面呈現出軟硬結合的趨勢，另一方面，深度學習框架和AI芯片也將是新的產業機會。“AI芯片能否在產業上成功，取決于圍繞AI芯片建立起來的應用生態。其中，深度學習框架起到至關重要的作用，其意義相當于指令集和操作系統。”因此，王海峰認為，類似百度PaddlePaddle這樣的深度學習框架，將會成為AI時代的重要基礎設施。
在應用系統層面，多技術綜合應用、結合場景的系統性創新至關重要。王海峰建議，研究者可以術業有專攻，但產業界，應關注公司的綜合技術實力，特別是其工程落地能力。此外，結合特定場景和數據等特性的系統性創新，也是AI技術應用落地的必要條件。
人工智能經過60余年的發展，在互聯網、大數據、大計算、腦科學等新理論新技術，以及經濟社會發展需求的共同驅使下，正在進入一個嶄新的時代。如今，它需要與更多不同領域的知識產生新碰撞，打造競爭新優勢、開拓發展新空間。中國的AI之路也將不斷注入新活力，走得長且遠。
京公網安備 11010502049343號