8月12日~13日，CCF-GAIR全球人工智能与机器人峰会在深圳举行，来自金山软件、微软、华为、搜狗、小米、神州租车、百度、中国工程院、牛津大学、卡内基梅隆大学、美国国家工程院等国内外的学术专家、企业领袖与会，围绕人工智能、机器人、无人机、自动驾驶四大领域进行了深度探讨。
以下是部分嘉宾主题演讲内容：
金山软件CEO 张宏江
人工智能的进展很大程度归功于数据的进展，全球产生消费的数据，2013年到2020年间增长10倍，年增长率40%。2014年，大批量人脸识别率达97.35%，而在2015年达到99.63%。目前国内的公司在7000多万张标准照片再加上亿其他照片，人们用的深层网络已经超过30层，训练20块NVIDIA，精度已经远远超过人类。
中国工程院院士 徐扬生
智能革命应该围绕心脑革命，智能时代会到来，但还早。机器人要像PC一样走向千家万户，那时才进入了人工智能时代。对于机器人，我们把它定义成主要由三个要素组合成的东西：感知、认知、动作。风冷不冷，这是感知；风冷要不要加衣服、加哪件衣服，这是认知，做决策、做判断、做控制的部分；真的要加衣服怎么穿，这叫动作。
香港科技大学教授 杨强
AI的成功有着5大必要条件：清晰的商业模式；高质量的大数据；清晰的问题定义和领域边间；懂人工智能的跨界人才，擅长应用和算法；计算能力。
人工智能在机器学习和深度学习方面已经有很高成就，此外，另外一种技术正在开始应用，强化学习，强化学习不仅能学习人的行为，还能更好的使用延迟反馈功能。而之后，人们能否发明一种新学习方法，能把大数据的模型在用于小数据身上，这就是迁移学习，迁移学习是把深度学习和强化学习叠加在一起。
微软亚洲研究院常务副院长 芮勇
计算机视觉完全从感知走向认知的三点关键因素：1、机器学习算法的进步；2、各垂直领域的科学家和从业者合作，除了计算机视觉自身领域的发展外，将计算机视觉与各个垂直领域结合，在工程和商业中真正发挥作用，推动计算机的发展；3、高质量的海量数据。
华为诺亚方舟实验室主任 李航
诺亚方舟实验室的三个智能信息化检索技术： 第一是用自然语言检索分类照片；第二是神经机器翻译；第三是神经响应机，即一个自动生成式系统。
搜狗CTO 杨洪涛
当下企业做AI应用化的思路或有误。我们谈到的很多领域，比如机器学习、机器视觉，机器人、推荐引擎、个人助手、语音相关的技术等，我们从产品角度思考的时候，发现跟技术角度思考不一样。人工智能做出好产品才能创造价值，这个价值有两方面：一是给用户提供一个好的办法，二是真正能生产数据，从而使自己迭代。
小米科技联合创始人 黄江吉
人工智能的发展离不开三个前提：产品+大数据+机器学习。机器学习与大数据离不开高活跃度的产品，这些产品包括常用软件和类似如手环、电视、盒子、网路设备以及智能家居等智能硬件。当高活跃度的产品落地时，就会产生大量数据，而建立高质量的数据，则要通过数据采集，数据清洗，数据挖掘，数据智能等方式来实现。任何数据最终都是为人服务，建立每个人的用户画像显得尤为重要。
前谷歌科学家 林德康
当前，我们的引擎正从搜索引擎到问答引擎进步，即语言到自然语言识别的进阶中。但是，目前可以预见的终极目标应该是-Action Engine（互动引擎）。
中国科学院院士 丁汉
除了具备高速度、高精度、高负载和高性能等特点外，未来机器人的重要特征就是“共融”，这其中包括了三层含义：1、机器人与环境高度适应，例如在雪地行走等；2、机器人与机器人之间高度适应，多机器人合同协作和规模化集群机器人的互助互补；3、机器人与人类高度适应，人机之间高度共融，机器人将能理解人类的思维和动作。
北航机器人研究所名誉所长 王田苗
当前正好处于机器人与人工智能蓬勃发展的红利期。当前人工智能领域的重点技术在于深度学习与认知进化、大数据的获取及处理、人工智能芯片、语意理解、概念表述和知识推理等。今天，技术变化和市场环境可谓一日千里，怎样在当前复杂多变的生态环境里，将学界的科研成果转化为产业界成功的产品，是业界当前真正要面对和解决的重点和难点。只有国家的力量、人才、产业资本，这三者相互支撑和协调才能成功推动这一转换，缺一不可。
神州租车首席信息官 刘亚霄
自动驾驶上路有三个很重要的事情需要满足运营商：1、处理能力极大的加强，云计算使得我们有足够的空间存储数据；2、物联网和互联网的普及使得数据极大的丰富；3、科研平台的普及。
清华大学教授 孙富春
什么是人类视听觉的认知机理？感知基本特征的提取、表达和整合；感知数据的机器学习与理解；关于跨模态学习的信息协同与计算。
百度高级副总裁、自动驾驶事业部总经理 王劲
未来汽车的三个趋势：1、汽车新能源化，制造门槛降低；2、汽车共享化，高效淘汰低效；3、汽车智能化，自动驾驶大势所趋。其中智能化包含两部分，一部分是车联网，另一部分是无人驾驶、自动驾驶。汽车智能是“云+端”的技术，当智能汽车跟交通进行实时交互，车和车之间进行实时交互后，交通效率能大幅度提升。无人驾驶要产业化，成本会大大低于出租车成本，无人驾驶要做得好就会大幅提升交通安全、交通效率和经济效益，让人们的出行成本更低。
猎豹CEO 傅盛
AI技术本身并不产生核心价值，AI最为重要的部分是找到商业模式和用户使用场景。中国在AI领域有着先天优势，首先在国内获得数据的渠道和数据量要远高于世界平均水平，且人工数据标注成本也相对较低。人工智能的未来是：AI+软件+硬件+服务=机器人，但机器人的核心问题是成本控制，而现在只有中国有能力把这个成本降下来。
乐视超级汽车的智能驾驶副总裁 倪凯
目前的人工智能，并没有强大到可以在获取和人同等信息的情况下，做到足够好的自动驾驶体验。解决这件事是提高自动驾驶实用水平的一个关键，要解决这个问题有软硬件两个方面：
1、硬件方面，一是把更多传感器的数据结合起来作为判断的依据；二是更多利用地图信息；三是建立更高效的计算平台。
2、软件方面有三大挑战：一是计算框架，自动驾驶的软件非常复杂，需要一个良好的计算框架；二是由于汽车行业本身的要求，需要非常多的测试和验证；三是安全方面，包括稳定性、系统安全性等。
达闼科技CEO 黄晓庆
为人类服务的智能机器人，基础架构大致包括三个关键部分：1、在云端放置认知系统，作为机器人的“大脑”进行数据分析；机器人硬件部分作为“身体”在现场执行具体操作；3、移动高速网络作为“神经”连接以上两个部分。对于应用深度学习平台的产品来说，数据最为重要，积累足够多的数据才能产生学习，而云端就可以作为这个积累的场所。
物灵科技 顾嘉唯
目前市场上各种人工智能产品和实验室阶段的机器人，仍然存在很多问题。现在的智能设备大多是“手机＋智能产品”的模式，对于未来的物联网这并不够，人们不是想拿到一个个智能硬件，而是想获得一整套智能家居的生活场景。未来人工智能产品，会从“万物智能”迈向“万物有灵”。
牛津大学计算机系主任 迈克尔伍尔德里奇Michael Wooldridge
目前，神经网络型人工智能还存在许多限制，首先表现在它们无法理解人类社会关系。而对于神经网络型的人工智能，比如AlphaGo，我们也无法理解它是如何思考的。但人工智能要获得人类的认同，必须有这种被理解的透明度。有意识的机器会出现的，但在它出现之前，世界一定会有各种关于机器意识的迹象先产生，我们不会一蹴而就。
MIT机器人实验室主任、美国国家工程院院士 Daniela Rus
世界机器人领域的十二大前沿技术趋势：软体机器人、Manipopulatetion ：灵活操作、语言交流、云端大数据帮助学习、多机器人系统、按需制造、大众化、提早学习机器人、学术界与工业界的合作竞争、自动驾驶、商业投资和创业。
卡内基梅隆大学国家工程研究中心（NREC）研究主任 Alonzo Kelly
机器人商业化的关键因素有：流程、人才、解决方案、与企业合作产生共赢。跟企业合作生产工业机器人的成本更低，而企业也解决了一部分技术问题，这是一个双赢的过程。
以上是CCF-GAIR全球人工智能与机器人峰会上，部分嘉宾的主题演讲。文章内容来自雷锋网，活动家整理编辑，转载请注明出处：http://news.huodongjia.com/54255.html，如有任何疑问，请联系小编微信：hdjkefu
更多IT互联网行业相关会议信息，请戳：http://www.huodongjia.com/it/
找会议，上活动家（www.huodongjia.com）！方便、快捷、安全找到最优质的会议。更多精彩内容可关注活动家微信公众号：VESERVICE，或直接扫描下面的二维码：
